მონაცემთა ანალიზის გიგანტი Databricks-ის თანახმად, საწარმოები ხელოვნური ინტელექტის ტექნოლოგიებთან ექსპერიმენტების შედეგად, პრაქტიკაში არკვევენ, თუ რა მუშაობს რეალურად. კომპანიები ხვდებიან, სად არის ხელოვნური ინტელექტის გამოყენების ოპტიმალური სფეროები პრობლემების გადასაჭრელად.
Databricks-ის მთავარი მეცნიერის, ჯონათან ფრანკლის თქმით, გენერაციული ხელოვნური ინტელექტი, როგორიცაა დიდი ენობრივი მოდელები, ახალი ტიპის საწარმოთა ანალიტიკას ქმნის. მანამდე, არა სტრუქტურირებული მონაცემები, როგორიცაა Word-ის ფაილები, სურათები ან ვიდეოები, ტრადიციულ მონაცემთა ანალიზში არ გამოიყენებოდა. ახლა კი, ეს ოქროს მაღაროა.
წარმოიდგინეთ უამრავი არასტრუქტურირებული დოკუმენტი, რომელთა ანალიზიც გენერაციული ხელოვნური ინტელექტის ეპოქამდე რთული იყო. ახლა კი, შესაძლებელია მათგან მნიშვნელოვანი მახასიათებლების ამოღება. მონაცემები, რომლებიც ანალიტიკის სამყაროში უსარგებლო იყო, ახლა წარმოუდგენლად ღირებულია.
მიუხედავად იმისა, რომ ბევრი ადამიანი ფიქსირდება იმაზე, რომ გენერაციული ხელოვნური ინტელექტი პროგრამირების კოდს ჩაანაცვლებს, უფრო მარტივი გამოყენება კომპანიის კომპიუტერული კოდის ანალიზი იქნება. კომპანიის მთელი კოდის დოკუმენტაცია 2015 წელს არ იყო სასარგებლო მონაცემთა წყარო, მაგრამ 2025 წელს ის წარმოუდგენლად ღირებული იქნება დეველოპერებისთვის კითხვებზე პასუხის გასაცემად.
ანალოგიურად, შესაძლებელია მომხმარებელთა მომსახურების აპლიკაციიდან ყველა ჩატის ჟურნალის ანალიზი. მაგალითად, საუბარში ურთიერთქმედების საშუალო რაოდენობის ან პრობლემის გადაჭრის საშუალო დროის დადგენა. ისეთი რამ, რაც ათი წლის წინ შეუძლებელი იქნებოდა.
ფრანკლის თქმით, მონაცემების როლი ცენტრალურია გენერაციული ხელოვნური ინტელექტის აპლიკაციების შემუშავებაში. ის Databricks-ში 2023 წელს მოვიდა, როდესაც კომპანიამ შეიძინა მანქანური სწავლების სტარტაპი MosaicML, რომელშიც ფრანკლი მუშაობდა. MosaicML ორიენტირებულია ხელოვნური ინტელექტის გასაშვებად ინფრასტრუქტურის ოპტიმიზაციაზე, ხოლო Databricks მონაცემთა ტბების ერთ-ერთი წამყვანი მიმწოდებელია.
Databricks-ში მონაცემების ერთად ქონა არის იმ ახალი ანალიტიკის შექმნის დასაწყისი, რომელსაც ფრანკლი ახსენებს. მიუხედავად იმისა, რომ დიდ ენობრივ მოდელებს შეუძლიათ არასტრუქტურირებული მონაცემების გამოყენება, კომპანიის მონაცემების წინასწარ სტრუქტურირება სასარგებლოა. თუ დიდ ენობრივ მოდელს გამოიყენებთ მონაცემების წინასწარ დასამუშავებლად სტრუქტურირებულ ფორმაში, როგორიცაა SQL ან JSON, ხელოვნურ ინტელექტს ნაკლები სამუშაო ექნება. ყოველთვის უნდა ეცადოთ, რომ ხელოვნური ინტელექტისთვის ყველაფერი მაქსიმალურად გაადვილოთ, რადგან ეს სისტემები სრულყოფილი არ არის.
მნიშვნელოვანი მოსამზადებელი ნაბიჯია მონაცემების ე.წ. "ჩანერგვაში" მოთავსება. "ჩანერგვის მოდელი" არის ხელოვნური ინტელექტის მოდელი, რომელიც გამოიყენება სიმბოლოების, სიტყვების ან წინადადებების ვექტორად გადასაყვანად, რომელიც ასახავს ამ სიმბოლოების, სიტყვების ან წინადადებების სემანტიკურ შინაარსს. ჩანერგვები შეიძლება წარმოვიდგინოთ, როგორც რიცხვითი ქულები, რომლებიც წარმოადგენენ ტერმინების მსგავსებას, როგორიცაა "ვაშლი" და "ხილი" ან "ბავშვი" და "ადამიანი". უბრალო ენობრივი მოდელები, როგორიცაა Google-ის BERT 2018 წლიდან, შეიძლება გამოყენებულ იქნას ჩანერგვების შესაქმნელად.
გსურთ კომენტარის დატოვება?
კომენტარის დასატოვებლად საჭიროა ავტორიზაცია
შესვლა რეგისტრაციაკომენტარები არ არის
იყავით პირველი, ვინც დატოვებს კომენტარს