کامپیوتر و اینترنت

این حکم بر مشاغل در بخش‌های مختلف تأثیر می‌گذارد. در حالی که غول‌های فناوری مانند متا و گوگل برای توسعه راه‌حل‌های نوآورانه و ساخت مدل‌های پایه سرمایه‌گذاری زیادی در تحقیقات هوش مصنوعی داخلی و خارجی می‌کنند، انتخاب اکثر شرکت‌ها ساخت (تنظیم دقیق) یا خرید (تنظیم سریع) است.

هر یک از آنها باید به طور جدی مورد توجه قرار گیرد زیرا هزینه ها، نیازهای داده و چالش های فنی به اندازه کافی متفاوت است که تأثیر قابل توجهی بر تجارت شما داشته باشد. کسب‌وکارها باید ارزیابی کنند که آیا مورد استفاده آنقدر ریشه‌دار است که یک مدل عمومی نامناسب است، و آیا راحتی خرید یک راه‌حل بر امنیت و دقت ساختمان سفارشی بیشتر است یا خیر.

عامل اصلی ساخت در مقابل خرید هوش مصنوعی چیست؟

طبق تحقیقات مرجع مقالات تولید محتوا و هوش مصنوعی همسویی راه حل های هوش مصنوعی با کسب و کار اصلی رسانه‌ای که به محتوای شخصی‌شده نیاز دارد، ممکن است راه‌حل‌های سفارشی را ترجیح دهد، در حالی که کسب‌وکارهای خرده‌فروشی که با وظایفی روبرو هستند که نیاز به سفارشی‌سازی کمی دارند، ممکن است محصولاتی را که در دسترس هستند بخواهند.

چگونه یک مدل هوش مصنوعی بسازید؟

در سال 2022، ساخت مدل ها به معنای مونتاژ مجموعه داده های بزرگ سفارشی متناسب با نیازهای کسب و کار شما، طراحی و پارامترسازی یک مدل بزرگ، و مجموعه It of it One برای آموزش طولانی مدت است. پردازنده گرافیکی بود.

این یک فرآیند گران قیمت از نظر ذخیره سازی، محاسبات و زمان است. برای مثال، BLOOM 350 Cal Gale با 384 پردازنده گرافیکی برای یک میلیارد توکن به مدت سه ماه و نیم آموزش دیده است. پیشرفت در تکنیک‌های آموزشی هوش مصنوعی امکان تنظیم دقیق مدل‌ها را از نظر پارامترهای پیشرفته فراهم می‌کند.

این تکنیک ترکیبی از کاهش فضای پارامتر، تنظیم تنها لایه‌های تعبیه‌شده برای افزودن ورودی‌های خاص کار، و حفظ وزن‌های دلتای کوچکتر از ترکیب‌های مدل بزرگتر اصلی است. در نتیجه کاهش حجم داده ها، آموزش سریعتر می شود و حافظه و پردازش را کاهش می دهد. الزامات آن را برای استفاده شخصی در دسترس قرار می دهد. با این حال، جمع‌آوری مجموعه داده‌های آموزشی برای تنظیم دقیق، تلاشی پیچیده و نیازمند منابع است.

نیازها و تخصص اصلی کسب و کار خود را ارزیابی کنید

عامل اصلی تعیین کننده در معضل ساخت در مقابل خرید، همسویی راه حل هوش مصنوعی با تجارت اصلی شرکت است. شرکت‌های رسانه‌ای که به محتوای شخصی‌شده نیاز دارند، ممکن است راه‌حل‌های سفارشی را برای کنترل دقیق ترجیح دهند. در مقابل، کسب‌وکارهای خرده‌فروشی ممکن است محصولاتی را برای تولید توضیحات محصول انتخاب کنند، زیرا به سفارشی‌سازی کمتری نیاز دارند.

سوال مهم این است که آیا خروجی هوش مصنوعی بخشی از ارائه محصول اصلی است یا فقط یک فرآیند تجاری ثانویه است. زمانی که خروجی نیاز به ویژگی بالایی دارد، قضاوت‌ها شکل می‌گیرند. در هر صورت، مردم باید کیفیت خروجی را ارزیابی کنند، اغلب با چارچوب هایی مانند انسان در حلقه، یادگیری تقویتی با بازخورد انسانی یا انطباق با اولویت مستقیم.

علاوه بر آزمایشگرهای انسانی، در دسترس بودن تخصص فنی داخلی بر فرآیند تصمیم گیری تأثیر می گذارد. این راه حل به تیمی ماهر در توسعه هوش مصنوعی، از جمله علم داده، مهندسی داده، MLops و تخصص دامنه - اگرچه هر روز کمتر فنی می شود - در حالی که خرید یک راه حل تا حد زیادی می تواند توسط متخصصان دامنه انجام شود، زمانی که راه حل های سفارشی انعطاف پذیری را برای برآورده کردن نیازهای در حال تحول کسب و کار فراهم می کنند. ، راه حل های تجاری اغلب فاقد چنین انعطاف پذیری هستند.

هزینه های ساخت هوش مصنوعی

هزینه یک عامل مرکزی در این تحلیل است توسعه هوش مصنوعی مولد درون سازمانی نیازمند منابع فشرده است و مستلزم استعداد، محاسبات، مدیریت داده‌ها و هزینه‌های نگهداری مداوم است.

خرید راه حل فروشنده می تواند با هزینه های عملیاتی قابل پیش بینی اولیه مقرون به صرفه باشد. انسان ها برای تعیین و برچسب گذاری دقیق داده ها باید به خوبی تنظیم شوند و مردم باید در مورد ایجاد داده ها و همچنین قضاوت در مورد خروجی هوشیار باشند، در حالی که تنظیم سریع برای قضاوت در مورد خروجی فقط به انسان بستگی دارد.

زمان عرضه به بازار یکی دیگر از ملاحظات مهم است، زیرا راه‌حل‌های تولید ممکن است هفته‌ها یا ماه‌ها در مقابل چند روز تا هفته‌ها برای گزینه‌های کلید در دست طول بکشد. مایکروسافت در OpenAI سرمایه گذاری می کند او تصمیم نهایی را برای خرید گرفت. به دلار گران بود، اما بسیار سریعتر، ChatGPT که ظرف چند روز بینگ ادغام شد و کپیلوت در طول چند ماه در سراسر خط تولید تزریق شد.

هزینه نهایی که باید در نظر گرفته شود، هزینه عملیاتی مدل است. در اینجا، پذیرش مدل و توان عملیاتی با محاسبه و ذخیره سازی اندازه گیری می شود. خرید یک راه حل، یا مدل به عنوان یک سرویس، اغلب دارای هزینه در هر برآورد است. با این حال، کل هزینه بلندمدت مالکیت باید ارزیابی شود، از جمله هزینه‌های سازگاری، ارتقاء و پشتیبانی.

هزینه های راه حل ساختمان شامل میزبانی، محاسبات و ذخیره سازی یک مدل است. اگر شرکت به چندین مدل نیاز داشته باشد، ممکن است ارزان‌تر از خرید یک راه‌حل ساخت واحد باشد، زیرا تنها وزن‌های دلتا را می‌توان در هر مدل در هنگام اشتراک زیرساخت ذخیره کرد.

کدام گزینه امن تر است؟

حریم خصوصی و امنیت داده ها برای صنایع حساسی مانند مراقبت های بهداشتی و مالی بسیار مهم است. توسعه داخلی می‌تواند کنترل دقیقی بر داده‌ها و حاکمیت مدل فراهم کند، در حالی که راه‌حل‌های شخص ثالث می‌توانند سیاست‌های امنیتی نامشخصی داشته باشند و اغلب به زیرساخت‌های ابر عمومی متکی هستند.

تنظیم دقیق مدل کسب و کار مستلزم ارسال داده های حساس به میزبان مدل است، بنابراین قوانین صدور مجوز و اعلان منصفانه وارد عمل می شوند. ارائه دهندگان مدل به عنوان یک سرویس با ارائه ضمانت های انطباق به نگرانی ها پاسخ می دهند. به عنوان مثال، برای جبران خسارت کاربران در برابر مشکلات قانونی ناشی از مدل‌های تولید، مشتریان مایکروسافت CoPilot در برابر ادعاهای احتمالی نقض حق چاپ دفاع کنید.

رویکرد مورد به مورد را اتخاذ کنید

تصمیم ساخت یا خرید شما به عوامل مختلفی بستگی دارد: اهداف استراتژیک در مورد همسویی کسب و کار اصلی، هزینه، جدول زمانی، تخصص، حساسیت داده ها، و نوآوری. در نهایت، شرکت‌ها باید این مبادلات را ارزیابی کنند تا رویکردی را انتخاب کنند که به بهترین نحو اهداف سازمانی آنها را در حین مدیریت ریسک ممکن می‌سازد.

اگر سرعت مهم است و مورد استفاده عمومی تر است، خرید (تنظیم سریع) احتمالاً بهترین گزینه است. با این حال، اگر خروجی دقیق‌تری مورد نیاز باشد و مدل باید با موارد استفاده مطابقت داشته باشد، ساخت (تنظیم دقیق) می‌تواند گزینه خوبی باشد. با توجه به هزینه اولیه پایین، کسب و کارها باید ابتدا روی ارزیابی و تنظیم سریع موارد استفاده تمرکز کنند.