کارخانه‌های ابرهوش و تصمیم‌هایی که پیش روی رهبران سازمانی است
نام جدید ممکن است توجه جلب کند. ارزش سازمانی همچنان به این بستگی دارد که یک سیستم بتواند به‌طور قابل‌اعتماد چه چیزی ارائه دهد. برای مدیران عامل و مدیران فناوری، بحث «کارخانه‌های ابرهوش» پرسش‌های عملی درباره سرمایه‌گذاری، هزینه‌های عملیاتی و پاسخ‌گویی مطرح می‌کند.
چه چیزی تغییر کرد
در ۲۹ سپتامبر ۲۰۲۶، رئیس‌جمهور ترامپ فرمان اجرایی ۱۴۴۳۴ را امضا کرد و به قوه اجرایی دستور داد تا حدی که قانون اجازه می‌دهد «ابرهوش» و «SI» را جایگزین «هوش مصنوعی» و «AI» کند. این فرمان تعریف قانونی موجود هوش مصنوعی را برای اجرا حفظ می‌کند و بازنویسی مقررات، قراردادها یا اسناد تاریخی صادرشده قبلی را الزامی نمی‌سازد. [1]
جن‌سن هوانگ نیز تسهیلاتی را که برای هوش مصنوعی پیشرفته ساخته می‌شوند «کارخانه‌های ابرهوش» نامیده است. گزارش‌های عمومی این اظهارات را به یک پنل در America.gov نسبت می‌دهند. شواهد موجود از این عبارت پشتیبانی می‌کند، اما من توالی ادعاشده «تنها چند ساعت بعد» را به‌صورت مستقل اثبات‌شده نمی‌دانم. [2]
زبان سیاست و استعاره صنعتی مستحق بررسی جداگانه هستند. تصمیم یک دولت برای نام‌گذاری ثابت نمی‌کند که یک سیستم در طیف گسترده‌ای از وظایف از هوش انسانی فراتر است.
استعاره کارخانه چه چیزی را توضیح می‌دهد
انویدیا کارخانه‌های هوش مصنوعی را سیستم‌های یکپارچه‌ای توصیف می‌کند که انرژی، تراشه‌ها، زیرساخت، مدل‌ها و کاربردها را به هم پیوند می‌دهند. کار آن‌ها شامل آموزش مدل و استنتاج است، یعنی اجرای مدل‌های آموزش‌دیده برای تولید خروجی. [3]
پردازنده‌های گرافیکی محاسبات را تسریع می‌کنند. شبکه‌ها داده را میان پردازنده‌ها جابه‌جا می‌کنند. برق و سرمایش از کارکرد مداوم پشتیبانی می‌کنند. نرم‌افزار بارهای کاری را هماهنگ می‌کند. این اجزا باید با هم کار کنند تا یک سازمان بتواند خروجی را به‌طور مؤثر به کار ببرد.
برای مدل‌های زبانی، توکن‌ها واحدهای متنی هستند که یک مدل پردازش یا تولید می‌کند. تولید توکن‌های بیشتر حجم خروجی را می‌سنجد. این به‌تنهایی دقت، درک یا ارزش برای مشتری را نمی‌سنجد.
مزایا
استعاره کارخانه پایه‌های مادی هوش مصنوعی را فهم‌پذیرتر می‌کند. رهبران را تشویق می‌کند در کنار نرم‌افزار به ظرفیت، قابلیت اطمینان، نگهداشت و انرژی نیز بیندیشند. این موضوع هنگام گذار از یک ابزار آزمایشی به خدمتی که مردم به آن تکیه می‌کنند مفید است.
زیرساخت مشترک می‌تواند از چند کاربرد سازمانی پشتیبانی کند و وقتی تقاضا کافی است تلاش تکراری را کاهش دهد. پلتفرم یکپارچه ممکن است استقرار را ساده و بهره‌برداری را بهبود دهد. این‌ها مزایای بالقوه‌ای هستند که به سنجش در محیط خود خریدار نیاز دارند.
اصطلاحات جدید همچنین می‌تواند توجه سیاسی و سرمایه‌گذاران را به زیرساخت، مهارت‌ها و پژوهش جلب کند. با این حال، توجه تنها زمانی مفید می‌شود که از طرح‌هایی با تقاضای روشن و برنامه‌های تحویل معتبر حمایت کند.
معایب
«ابرهوش» می‌تواند انتظاراتی ایجاد کند که شواهد پشتیبانی‌اش نمی‌کنند. کارکنان یا مشتریان ممکن است فرض کنند سیستم می‌تواند در موقعیت‌های ناآشنا قضاوت درست داشته باشد. این فرض وقتی خطرناک می‌شود که افراد بررسی خروجی‌های مهم را کنار بگذارند.
تسهیلات بزرگ تعهدات بزرگی نیز ایجاد می‌کنند. سخت‌افزار، برق، سرمایش، استخدام و ارتقاها همگی بر هزینه کل اثر می‌گذارند. ظرفیت نصب‌شده بیش از حد می‌تواند وقتی تقاضای پیش‌بینی‌شده محقق نشود به ظرفیت راکد و پرهزینه تبدیل شود.
بهره‌وری انرژی و تقاضای کلی برق دو معیار متفاوت‌اند. یک سیستم ممکن است برای هر وظیفه برق کمتری مصرف کند و با رشد استفاده، در مجموع بیشتر مصرف کند. گزارشی از وزارت انرژی آمریکا در سال ۲۰۲۴ پیش‌بینی کرد که مراکز داده تا سال ۲۰۲۸ بین ۶.۷ تا ۱۲ درصد برق آمریکا را مصرف خواهند کرد. این یک پیش‌بینی قدیمی برای همه مراکز داده است، نه سنجش مخصوص هوش مصنوعی. [4]
پشته یکپارچه تأمین‌کننده می‌تواند استقرار را تسریع کند و در عین حال هزینه‌های تعویض را افزایش دهد. وابستگی متمرکز همچنین مواجهه با تغییر قیمت، قطعی و محدودیت تأمین را به همراه دارد. سازمان‌ها باید این مصالحه‌ها را پیش از تعهد ارزیابی کنند.
یک مقایسه عملی
جاه‌طلبی را با شواهد مقایسه کنید: آیا قابلیت پیشنهادی آزمون‌های کار واقعی شما را پاس می‌کند؟ مقیاس را با استفاده مقایسه کنید: آیا تقاضا ظرفیت را توجیه می‌کند؟ کارایی توکن را با کارایی وظیفه مقایسه کنید: هزینه یک نتیجه درست و تأییدشده چقدر است؟ یکپارچگی را با قابلیت جابه‌جایی مقایسه کنید: برای تغییر تأمین‌کننده چه لازم است؟
به‌عنوان مثال، یک دستیار خدمات مشتری را در نظر بگیرید. پاسخ‌های سریع‌تر می‌تواند زمان انتظار را کاهش دهد. پاسخ‌های نادرست می‌تواند تماس‌های تکراری و شکایت ایجاد کند. معیار تجاری مفید، هزینه هر درخواستی است که درست حل شده باشد، از جمله بازبینی انسانی و کار دوباره. توان عملیاتی توکن به‌تنهایی به این پرسش پاسخ نمی‌دهد.
مدیران عامل و مدیران فناوری چه باید بکنند
مدیران عامل باید یک مسئله تجاری مشخص انتخاب کنند و هزینه فعلی و کیفیت خدمات آن را ثبت کنند. پیش از تأیید نمونه آزمایشی، روی بهبود موردنیاز توافق کنید. آموزش و تغییرات مسئولیت‌های کارکنان را در توجیه تجاری بگنجانید.
مدیران فناوری باید عملکرد را روی داده‌های نماینده سازمانی آزمون کنند، از جمله موارد دشوار و شکست‌ها. نقاط تأیید انسانی، کنترل‌های دسترسی، رسیدگی به حوادث و روشی برای بازگشت به فرایند قبلی را تعریف کنید. مسئولان خدمات را در آزمون پذیرش دخیل نگه دارید.
با هم، زیرساخت مالکیتی، ظرفیت ابری مدیریت‌شده و خدمات مدل‌های موجود را مقایسه کنید. استفاده، حساسیت داده، تأخیر و هزینه‌های خروج را بررسی کنید. خرید دسترسی ممکن است برای تقاضای نامطمئن مناسب باشد؛ مالکیت ممکن است برای بارهای کاری پایدار با ظرفیت عملیاتی لازم مناسب باشد.
توسعه را تنها زمانی تأیید کنید که منافع اندازه‌گیری‌شده پس از هزینه‌های زیرساخت، بازبینی و کار دوباره باقی بماند. کیفیت را در کنار سرعت دنبال کنید. برای هر اقدام خودکار مهم، یک مالک مشخص مطالبه کنید.
اصطلاح «کارخانه ابرهوش» دعوتی مفید برای بررسی کل نظام تولید است. توصیه من این است که تصمیم‌های سرمایه‌گذاری به توانمندی اثبات‌شده و نتیجه تجاری قابل راستی‌آزمایی پیوند بخورند.
اگر فردا یک کارخانه ابرهوش به سازمان شما پیشنهاد شود، کدام نتیجه قابل‌سنجش این سرمایه‌گذاری را توجیه می‌کند؟
ریاضی‌وار بیندیشید. هوشمندانه مهندسی کنید. راهبردی رهبری کنید. مسئولانه بسازید. جهانی گسترش یابید. از طریق هوش مصنوعی ارزش تجاری واقعی خلق کنید.
#ArtificialIntelligence #AIStrategy #NVIDIA #Superintelligence #EnterpriseAI #ResponsibleAI
Originally published on LinkedIn by Keshavan Thiagaraja. Read the original on LinkedIn.