Από την κυκλοφορία του ChatGPT πριν από σχεδόν ένα χρόνο, η δημιουργική τεχνητή νοημοσύνη βρίσκεται σε άνοδο, με τις εταιρείες να αναπτύσσουν ή να υιοθετούν σταθερά μοντέλα AI κάθε μέρα. Μια νέα έκθεση της Gartner δείχνει ότι η ανάπτυξη θα συνεχίσει να έχει ανοδική τάση τα επόμενα χρόνια.

Η εταιρεία ερευνών προβλέπει ότι το 80% των επιχειρήσεων θα έχουν χρησιμοποιήσει API ή μοντέλα δημιουργικής AI (διεπαφές προγραμματισμού εφαρμογών) ή θα έχουν αναπτύξει δικά τους έως το 2026.

Η τεχνητή νοημοσύνη μπαίνει και στην παραγωγή – Ο ρόλος Nvidia και Foxconn

Αυτό σημαίνει ότι σε μόλις τρία χρόνια, ο αριθμός των επιχειρήσεων που υιοθετούν ή δημιουργούν μοντέλα τεχνητής νοημοσύνης θα έχει δεκαεξαπλασιαστεί, καθώς, σύμφωνα με τα στοιχεία της Gartner, λιγότερο από το 5% των επιχειρήσεων το έχουν κάνει το 2023.

«Το Generative AI έχει γίνει κορυφαία προτεραιότητα για το C-suite και έχει πυροδοτήσει τεράστια καινοτομία σε νέα εργαλεία πέρα ​​από τα μοντέλα βάσης», δήλωσε ο Arun Chandrasekaran, διακεκριμένος αντιπρόεδρος αναλυτής της Gartner.

Η ανάλυση της εταιρείας περιέγραψε ορισμένες από τις καινοτομίες που προβλέπεται να έχουν τεράστιο αντίκτυπο στους οργανισμούς τα επόμενα δέκα χρόνια, συμπεριλαμβανομένων των παραγωγικών εφαρμογών με δυνατότητα τεχνητής νοημοσύνης, των θεμελιωδών μοντέλων και της διαχείρισης, εμπιστοσύνης, κινδύνου και ασφάλειας AI (AI TRiSM).

Οι εφαρμογές με δυνατότητα δημιουργίας τεχνητής νοημοσύνης αναφέρονται απλώς σε εφαρμογές που αξιοποιούν τη δημιουργική τεχνητή νοημοσύνη για να ολοκληρώσουν μια συγκεκριμένη εργασία. Το ChatGPT θα ήταν ένα παράδειγμα εφαρμογών με δυνατότητα δημιουργίας τεχνητής νοημοσύνης, καθώς χρησιμοποιεί τεχνητή νοημοσύνη για να συνθέσει τα μηνύματα κειμένου και να δώσει μια απάντηση.

Οι οργανισμοί μπορούν να υιοθετήσουν αυτές τις εφαρμογές για να διευκολύνουν την εργασία εσωτερικά για τους εργαζόμενους ή να προσφέρουν εμπειρίες στους πελάτες που βελτιώνουν τις υπηρεσίες τους και την εμπειρία του πελάτη.

«Το πιο κοινό μοτίβο για δυνατότητες ενσωματωμένες στο GenAI σήμερα είναι το text-to-X, το οποίο εκδημοκρατίζει την πρόσβαση των εργαζομένων, σε ό,τι ήταν παλαιότερα εξειδικευμένες εργασίες, μέσω άμεσης μηχανικής με χρήση φυσικής γλώσσας», αναφέρει ο Chandrasekaran στην έκθεση.

Ένα χαρακτηριστικό παράδειγμα είναι ο αυξανόμενος αριθμός συμβουλευτικών εταιρειών που είτε υιοθετούν είτε αναπτύσσουν τα δικά τους μοντέλα τεχνητής νοημοσύνης για να διευκολύνουν τους πελάτες να βρίσκουν τους πόρους που χρειάζονται από τις τεράστιες βάσεις δεδομένων της εταιρείας.

Το πρόβλημα των «παραισθήσεων»

Μια πρόκληση με αυτές τις εφαρμογές είναι ότι είναι επιρρεπείς σε «παραισθήσεις» και ανακριβείς απαντήσεις που κάνουν αμφισβητήσιμη την αξιοπιστία τους.

Τα βασικά μοντέλα αναφέρονται στα μοντέλα μηχανικής εκμάθησης που αποτελούν τη βάση των δημιουργικών εφαρμογών AI, για παράδειγμα, τι είναι το GPT για το ChatGPT.

Αυτά τα μοντέλα θεμελίωσης εκπαιδεύονται σε μεγάλους όγκους δεδομένων και χρησιμοποιούνται για την τροφοδοσία διαφορετικών εφαρμογών που μπορούν να ολοκληρώσουν μια μεγάλη ποικιλία εργασιών.

Η Gartner τοποθέτησε τα μοντέλα θεμελίωσης στο Peak of Inflated Expectations on the Hype Cycle, προβλέποντας ότι έως το 2027, θα υποστηρίξουν το 60% των περιπτώσεων χρήσης της επεξεργασίας φυσικής γλώσσας (NLP).

«Οι ηγέτες της τεχνολογίας θα πρέπει να ξεκινήσουν με μοντέλα με υψηλή ακρίβεια στους πίνακες κατάταξης επιδόσεων, αυτά που έχουν ανώτερη υποστήριξη οικοσυστήματος και διαθέτουν επαρκή προστατευτικά κιγκλιδώματα για την ασφάλεια και το απόρρητο», δήλωσε ο Chandrasekaran.

Τέλος, το AI TRiSM αναφέρεται στο σύνολο λύσεων που μπορούν να αντιμετωπίσουν τα ζητήματα που περιβάλλουν τα μοντέλα παραγωγής τεχνητής νοημοσύνης και να εξασφαλίσουν την επιτυχή ανάπτυξή τους.

Οι κίνδυνοι

Μερικοί κίνδυνοι που μαστίζουν τα μοντέλα τεχνητής νοημοσύνης που δημιουργούνται είναι η αξιοπιστία, η παραπληροφόρηση, η μεροληψία, το απόρρητο και η δικαιοσύνη.

Εάν δεν αντιμετωπιστούν σωστά, αυτά τα ζητήματα μπορεί να είναι ιδιαίτερα επιζήμια για τους οργανισμούς, καθώς κινδυνεύουν με τη διαρροή ευαίσθητων δεδομένων και τη διάδοση παραπληροφόρησης σε έναν οργανισμό.

«Οι οργανισμοί που δεν διαχειρίζονται με συνέπεια κινδύνους τεχνητής νοημοσύνης τείνουν εκθετικά να βιώσουν δυσμενή αποτελέσματα, όπως αποτυχίες και παραβιάσεις έργων», δήλωσε ο Chandrasekaran.

Το AI TRiSM είναι επομένως ζωτικής σημασίας για τους οργανισμούς να ελαχιστοποιούν αυτούς τους κινδύνους και να προστατεύουν τα μέλη του οργανισμού τους.

Ακολουθήστε τον ot.grστο Google News και μάθετε πρώτοι όλες τις ειδήσεις
Δείτε όλες τις τελευταίες Ειδήσεις από την Ελλάδα και τον Κόσμο, στον ot.gr

Latest News

Πρόσφατα Άρθρα Tεχνητή νοημοσύνη
Τεχνητή Νοημοσύνη: Τα οφέλη, το υψηλό κόστος και οι κίνδυνοι κυβερνοασφάλειας
Tεχνητή νοημοσύνη |

Μιχάλης Μπλέτσας (MIT): Η AI μου έχει στερήσει τον ύπνο

Ο διοικητής της Αρχής Κυβερνοασφάλειας Μιχάλης Μπλέτσας προσδιόρισε ως ζητούμενο το «να αναπτύξουμε δεξιότητες που θα μας επιτρέψουν να δουλέψουμε με την τεχνητή νοημοσύνη και όχι για την τεχνητή νοημοσύνη»

Επιχειρήσεις: Αναγνωρίζουν την χρησιμότητα της AI αλλά δεν επενδύουν σε αυτή
Tεχνητή νοημοσύνη |

Οι ελληνικές επιχειρήσεις αναγνωρίζουν την χρησιμότητα της AI αλλά δεν επενδύουν σε αυτή

Τι έδειξε η έρευνα «Technology & Beyond: The impact of AI» που παρουσιάστηκε στο «Future Unfold» της Grant Thornton για τις ελληνικές επιχειρήσεις και τη σχέση τους με την τεχνητή νοημοσύνη

Τεχνητή νοημοσύνη: Οι προβλέψεις της SAS για το 2025
Tεχνητή νοημοσύνη |

Η Τεχνητή Νοημοσύνη γίνεται εξειδικευμένη και βιώσιμη

Στελέχη και ειδικοί της SAS, εταιρείας που δραστηριοποιείται στον τομέα των δεδομένων και του AI, έκαναν προβλέψεις για τις τάσεις και τις βασικές επιχειρηματικές και τεχνολογικές εξελίξεις του 2025