Membongkar 5 Tanggapan Salah Lazim di Kalangan Perusahaan Tentang AI Generatif

Artikel ini dikongsikan oleh Megawaty Khie, Pengarah Serantau, Indonesia dan Malaysia, Google Cloud

AI generatif merupakan sejenis kecerdasan buatan (AI) yang boleh berinteraksi dengan para pengguna dalam bahasa pertuturan serta menghasilkan kandungan data seperti rangka artikel, laporan dan output teks lain, termasuk kandungan multimodal seperti imej, video dan audio. Sukar untuk kita memikirkan suatu ketika di mana terdapat minat yang begitu mendalam daripada perusahaan terhadap teknologi baru pada kadar yang begitu cepat – seperti terhadap AI generatif kini.

Sejak Google Cloud mendedahkan keupayaan AI generatif terkini, kami telah dipanggil untuk menyertai banyak pertemuan bersama organisasi-organisasi tempatan untuk berbincang tentang cara mereka boleh menggabungkan teknologi tersebut ke dalam perniagaan masing-masing. 

AI generatif adalah jauh lebih mudah untuk didekati berbanding generasi-generasi AI yang sebelumnya, dan semua orang berasa teruja dengan pelbagai kebolehan yang ditawarkannya. Walau bagaimanapun, terdapat beberapa daripada keterujaan ini tidak berasas. Jadi pada perkongsian kali ini, membongkar tanggapan-tanggapan salah terhadap arena AI generatif ini. Berikut adalah lima tanggapan salah yang sering perusahaan jangkakan apabila ingin menyertai arena ini:

Tanggapan Salah 1: Satu model untuk semua

Kenyataan bahawa model bahasa raya (LLM, atau large language model) tunggal atau satu jenis model AI generatif akan meliputi semua kes penggunaan adalah satu mitos sahaja. Sifat AI generatif, terutamanya untuk perusahaan, menunjukkan bahawa kita akan melihat ribuan model bahasa raya berbeza mengikut penggunaan.

Ia sudah jelas bahawa sesetengah model mahir dalam tugasan ringkasan, sesetengah dalam tugasan senarai bertitik tumpu, dan ada yang pandai dalam penaakulan, serta sebagainya. Industri, bidang perniagaan dan syarikat mempunyai nada editorial yang sangat berbeza untuk ungkapan ilmu. Semua ini harus dipertimbangkan ketika memilih model bahasa raya anda.

Tanggapan Salah 2: Lebih besar adalah lebih baik

Model AI generatif menggunakan jumlah sumber perkomputeran yang besar. Dana pembiayaan besar akan diperlukan untuk syarikat-syarikat dalam menghasilkan model asas ini.

Kos yang tinggi adalah salah satu sebab mengapa penggunaan model yang betul untuk sesebuah tugas adalah sangat penting.

Sebagai contoh, model yang digunakan oleh perusahaan anda tidak perlu tahu setiap perkataan kepada setiap lagu Taylor Swift dalam menjana sesebuah laporan ringkasan mengenai matlamat jualan suku seterusnya. Konteks adalah penting dan anda perlu selektif mengenai jumlah IQ yang diperlukan oleh sesuatu model itu dalam kes penggunaan anda.

Tanggapan Salah 3: Hanya saya dan AI saya

Sama seperti pergerakan “bawa peranti anda sendiri” (BYOD) dan “bawa aplikasi anda sendiri” (BYOA) sebelum ini telah menimbulkan kebimbangan terhadap “IT bayangan”. Beberapa institusi kewangan juga telah menutup akses kepada AI generatif yang tersedia secara umum kerana bimbang model-model itu boleh membocorkan maklumat dalaman syarikat.

Beberapa perkhidmatan AI generatif awam mungkin memanfaatkan data pengguna untuk set latihan masa hadapan, yang berpotensi mendedahkan data dalaman syarikat. Katakan sebuah bank sedang meneroka penggabungan untuk seorang pelanggan industri yang besar, dan seseorang dalam jabatan penggabungan dan pemerolehan (M&A) bertanya kepada model awam dan bertanya: “Apakah beberapa sasaran pengambilalihan yang baik untuk Syarikat XYZ?”. Jika maklumat tersebut menyumbang kepada data latihan model tersebut, perkhidmatan itu mungkin akan memberikan jawapan yang sama untuk soalan ini, tidak kira siapa yang bertanya. Secara lalai, perkhidmatan AI Google Cloud tidak menggunakan data persendirian dengan cara ini.

Kebanyakan syarikat yang kami temui berasa bimbang tentang keselamatan soalan yang mereka ajukan kepada model, kandungan yang dilatih oleh model-model tersebut, dan output model-model tersebut – dan mereka memang patut berasa begitu.

Tanggapan Salah 4: Tiada soalan yang akan ditanyakan

Ketepatan dan kebolehpercayaan AI generatif merupakan salah satu topik terbesar mengenai teknologi baru ini. Sebuah algoritma telah direka bentuk untuk memberikan jawapan tidak kira apa jua, dan dalam sesetengah kes, model AI generatif boleh menghasilkan jawapan yang tidak benar dan kurang tepat.

Setiap syarikat yang kami kenali telah melabur secara mendalam untuk mencipta fakta dan data yang boleh disahkan. Ia adalah penting bagi perusahaan untuk menggunakan model dan seni bina teknologi yang berasaskan fakta data mereka.

Kebanyakan model AI generatif awam mengambil sikap acuh tak acuh dalam memenuhi keperluan data perusahaan ini. Ia adalah penting, terutamanya dalam organisasi-organisasi sektor awam dan syarikat-syarikat dalam industri terkawal, untuk mengelak dari mengambil sebarang risiko.

Tanggapan Salah 5: Tanya saya apa-apa soalan?

Perusahaan mempunyai pelbagai sumber maklumat: harga, sumber manusia, undang-undang, kewangan dan sebagainya, tetapi kami tidak pernah mendengar tentang mana-mana syarikat yang membenarkan akses terbuka kepada semua maklumat ini.

Sesetengah pemimpin perniagaan semakin berminat untuk membina semua maklumat mereka menjadi sebuah LLM, supaya ia berpotensi boleh menjawab semua soalan, sama ada pada peringkat organisasi atau peringkat global.

Selepas sebuah syarikat memikirkan cara mereka boleh memastikan maklumat mereka disimpan secara peribadi dan berfakta, mereka menyedari langkah seterusnya dengan cepat: Bagaimanakah saya boleh uruskan siapa yang boleh bertanya soalan berkenaan model saya, dan pada tahap apa?

Jalan ke hadapan dengan AI generatif

Di Google Cloud, kami terus membina pengalaman dan kepakaran mendalam kami dalam AI, dan kami komited untuk bekerjasama bersama industri yang lebih luas untuk membangunkan inovasi AI sedia untuk perusahaan yang boleh diakses, dipercayai dan bertanggungjawab.

Sambil para perusahaan meneroka cara AI generatif boleh membantu mereka memacu hasil perniagaan positif, ia adalah penting untuk memahami tanggapan-tanggapan salah ini untuk memisahkan gembar-gembur daripada realiti, dan mencari rakan kongsi yang tepat untuk menggunakan teknologi ini dengan cara yang memelihara keselamatan dan privasi data, aplikasi dan pengguna mereka.