利用（Gen）AI 加速您的業務

Bharti Patel
SVP, Product Engineering, Hitachi Vantara

2024 年 4 月 17 日

Turbocharging Your Business with (Gen)AI

透過 Gen AI 擁抱商業範式轉變

如果你在街上攔住某人，問他們人工智慧成為熱門話題多久了，他們可能會說這是最近幾年才出現的東西。但人工智慧已經存在很久了，這個術語早在 1955 年就首次被創造出來。

然而，生成式人工智慧是一種不同的野獸，它在很大程度上使人工智慧這一主題成為每個人的舌尖——從消費者到企業。 2023 年在很大程度上被認為是生成式人工智慧的「突破」年，而且確實是突破，目前預計到 2030 年，其市場規模將達到 2,070 億美元opens in a new tab。

那麼，生成式人工智慧是如何如此迅速地佔據這一職位的，企業如何控制它所提供的眾多機會，並避免潛在的陷阱呢？

閱讀我們對首席產品長 Octavian Tanase 的訪談：企業人工智慧的新方法

新一代人工智慧（r）進化

我想很多人都會不同意這樣的觀點：ChatGPT 最近的指數式增長已經在全球範圍內引發了關於人工智慧這一話題的爆炸性討論。透過提供非常簡單和自然的語言介面，人工智慧的力量透過一項流行的、易於使用的服務展現出來，它讓從孩子到祖父母的大量用戶感到興奮和驚訝。這一全球現象的結果是，ChatGPT 的用戶群在不到兩個月的時間內增長到了1 億用戶，這一壯舉例如串流媒體巨頭Netflix 花了十年時間才實現，並迅速鞏固了ChatGPT 作為增長最快應用程式的地位。

但不僅僅是消費者註意到了這一點。企業也越來越多地將注意力轉向生成式人工智慧的力量，不久之後，麥肯錫等公司就做出預測，全球經濟將投入數兆美元來幫助人工智慧的發展。

但值得注意的是，這種轉變並不是一夕之間發生的。我們今天擁有的大量運算能力，以及強大的 Transformer 架構（例如 ChatGPT 背後的大型語言模型或 LLM），可以為客戶提供支援；對話式對話；翻譯與總結；內容、程式碼和測試案例的創建使這一切成為可能。

這一切都回到了數據。以前，有限的數據意味著模型經常被過度餵養，而我們今天可用的數據過剩使得新模型能夠快速開發。多虧了數據，我們現在生活在一個時代，人工智慧的民主化意味著不斷釋放新的可能性。

了解典範轉移對企業的力量

現在我們對生成式人工智慧之旅有了更多的了解，企業如何利用它？這是業內許多人經常問到的問題，身為 Hitachi Vantara 的高級副總裁兼工程主管，我每天都在努力解決這個問題。

對於法學碩士來說，用來寫一首情人節詩或為家庭作業奠定基礎是一回事，但在企業環境中（通常用於關鍵任務應用程式）使用人工智慧，則完全是另一回事。在這裡，不存在任何幻覺（人工智慧模型產生的不正確或誤導性結果）：利用新一代人工智慧的企業需要 100% 的準確性。其他成功採用的關鍵要求包括可解釋性、可追溯性、可觀察性等等——所有這些都必須以具有成本效益和對社會負責的方式實施。

數據無所不在，人工智慧無所不在

讓我們來看看企業在新一代人工智慧之旅中面臨的具體考量。

由於資料能夠駐留在任何地方，相關的風險不可避免地會變得更大，這意味著大多數企業需要支援以安全的方式存取其資料。許多人越來越多地轉向混合雲，但他們也在尋求一種能夠充分發揮資料儲存世界優勢的體驗：雲端的易用性和本地部署的低成本。

他們的數據還需要能夠主動存取而不是被動存取。在網路攻擊和資料保護挑戰日益增多的世界中，僅僅等待問題出現是不夠的——企業必須能夠持續監控其係統，以便在潛在問題發生之前採取行動。

在這過程中，企業可能會想知道是使用一個大型的、包羅萬象的模型，還是實施多個較小的模型。這裡最好的解決方案是針對特定測試對大型模型進行微調，以便它們可以委託給較小的模型，而不是被迫產生幻覺。這可以實現更準確、更具成本效益的結果，但在這一切的背後，需要一個能夠快速向 GPU 提供資料的高效能資料平台來實現利用率。

這裡有許多選擇，包括開箱即用的解決方案來建立您自己的人工智慧應用程序，或使用平台來開發人工智慧副駕駛或同伴。提供的方法有很多，但確保架構能夠實現大規模的效能和彈性始終是首要任務。