اين حكم بر مشاغل در بخش‌هاي مختلف تأثير مي‌گذارد. در حالي كه غول‌هاي فناوري مانند متا و گوگل براي توسعه راه‌حل‌هاي نوآورانه و ساخت مدل‌هاي پايه سرمايه‌گذاري زيادي در تحقيقات هوش مصنوعي داخلي و خارجي مي‌كنند، انتخاب اكثر شركت‌ها ساخت (تنظيم دقيق) يا خريد (تنظيم سريع) است.

هر يك از آنها بايد به طور جدي مورد توجه قرار گيرد زيرا هزينه ها، نيازهاي داده و چالش هاي فني به اندازه كافي متفاوت است كه تأثير قابل توجهي بر تجارت شما داشته باشد. كسب‌وكارها بايد ارزيابي كنند كه آيا مورد استفاده آنقدر ريشه‌دار است كه يك مدل عمومي نامناسب است، و آيا راحتي خريد يك راه‌حل بر امنيت و دقت ساختمان سفارشي بيشتر است يا خير.

عامل اصلي ساخت در مقابل خريد هوش مصنوعي چيست؟

طبق تحقيقات مرجع مقالات توليد محتوا و هوش مصنوعي همسويي راه حل هاي هوش مصنوعي با كسب و كار اصلي رسانه‌اي كه به محتواي شخصي‌شده نياز دارد، ممكن است راه‌حل‌هاي سفارشي را ترجيح دهد، در حالي كه كسب‌وكارهاي خرده‌فروشي كه با وظايفي روبرو هستند كه نياز به سفارشي‌سازي كمي دارند، ممكن است محصولاتي را كه در دسترس هستند بخواهند.

چگونه يك مدل هوش مصنوعي بسازيد؟

در سال 2022، ساخت مدل ها به معناي مونتاژ مجموعه داده هاي بزرگ سفارشي متناسب با نيازهاي كسب و كار شما، طراحي و پارامترسازي يك مدل بزرگ، و مجموعه It of it One براي آموزش طولاني مدت است. پردازنده گرافيكي بود.

اين يك فرآيند گران قيمت از نظر ذخيره سازي، محاسبات و زمان است. براي مثال، BLOOM 350 Cal Gale با 384 پردازنده گرافيكي براي يك ميليارد توكن به مدت سه ماه و نيم آموزش ديده است. پيشرفت در تكنيك‌هاي آموزشي هوش مصنوعي امكان تنظيم دقيق مدل‌ها را از نظر پارامترهاي پيشرفته فراهم مي‌كند.

اين تكنيك تركيبي از كاهش فضاي پارامتر، تنظيم تنها لايه‌هاي تعبيه‌شده براي افزودن ورودي‌هاي خاص كار، و حفظ وزن‌هاي دلتاي كوچكتر از تركيب‌هاي مدل بزرگتر اصلي است. در نتيجه كاهش حجم داده ها، آموزش سريعتر مي شود و حافظه و پردازش را كاهش مي دهد. الزامات آن را براي استفاده شخصي در دسترس قرار مي دهد. با اين حال، جمع‌آوري مجموعه داده‌هاي آموزشي براي تنظيم دقيق، تلاشي پيچيده و نيازمند منابع است.

نيازها و تخصص اصلي كسب و كار خود را ارزيابي كنيد

عامل اصلي تعيين كننده در معضل ساخت در مقابل خريد، همسويي راه حل هوش مصنوعي با تجارت اصلي شركت است. شركت‌هاي رسانه‌اي كه به محتواي شخصي‌شده نياز دارند، ممكن است راه‌حل‌هاي سفارشي را براي كنترل دقيق ترجيح دهند. در مقابل، كسب‌وكارهاي خرده‌فروشي ممكن است محصولاتي را براي توليد توضيحات محصول انتخاب كنند، زيرا به سفارشي‌سازي كمتري نياز دارند.

سوال مهم اين است كه آيا خروجي هوش مصنوعي بخشي از ارائه محصول اصلي است يا فقط يك فرآيند تجاري ثانويه است. زماني كه خروجي نياز به ويژگي بالايي دارد، قضاوت‌ها شكل مي‌گيرند. در هر صورت، مردم بايد كيفيت خروجي را ارزيابي كنند، اغلب با چارچوب هايي مانند انسان در حلقه، يادگيري تقويتي با بازخورد انساني يا انطباق با اولويت مستقيم.

علاوه بر آزمايشگرهاي انساني، در دسترس بودن تخصص فني داخلي بر فرآيند تصميم گيري تأثير مي گذارد. اين راه حل به تيمي ماهر در توسعه هوش مصنوعي، از جمله علم داده، مهندسي داده، MLops و تخصص دامنه - اگرچه هر روز كمتر فني مي شود - در حالي كه خريد يك راه حل تا حد زيادي مي تواند توسط متخصصان دامنه انجام شود، زماني كه راه حل هاي سفارشي انعطاف پذيري را براي برآورده كردن نيازهاي در حال تحول كسب و كار فراهم مي كنند. ، راه حل هاي تجاري اغلب فاقد چنين انعطاف پذيري هستند.

هزينه هاي ساخت هوش مصنوعي

هزينه يك عامل مركزي در اين تحليل است توسعه هوش مصنوعي مولد درون سازماني نيازمند منابع فشرده است و مستلزم استعداد، محاسبات، مديريت داده‌ها و هزينه‌هاي نگهداري مداوم است.

خريد راه حل فروشنده مي تواند با هزينه هاي عملياتي قابل پيش بيني اوليه مقرون به صرفه باشد. انسان ها براي تعيين و برچسب گذاري دقيق داده ها بايد به خوبي تنظيم شوند و مردم بايد در مورد ايجاد داده ها و همچنين قضاوت در مورد خروجي هوشيار باشند، در حالي كه تنظيم سريع براي قضاوت در مورد خروجي فقط به انسان بستگي دارد.

زمان عرضه به بازار يكي ديگر از ملاحظات مهم است، زيرا راه‌حل‌هاي توليد ممكن است هفته‌ها يا ماه‌ها در مقابل چند روز تا هفته‌ها براي گزينه‌هاي كليد در دست طول بكشد. مايكروسافت در OpenAI سرمايه گذاري مي كند او تصميم نهايي را براي خريد گرفت. به دلار گران بود، اما بسيار سريعتر، ChatGPT كه ظرف چند روز بينگ ادغام شد و كپيلوت در طول چند ماه در سراسر خط توليد تزريق شد.

هزينه نهايي كه بايد در نظر گرفته شود، هزينه عملياتي مدل است. در اينجا، پذيرش مدل و توان عملياتي با محاسبه و ذخيره سازي اندازه گيري مي شود. خريد يك راه حل، يا مدل به عنوان يك سرويس، اغلب داراي هزينه در هر برآورد است. با اين حال، كل هزينه بلندمدت مالكيت بايد ارزيابي شود، از جمله هزينه‌هاي سازگاري، ارتقاء و پشتيباني.

هزينه هاي راه حل ساختمان شامل ميزباني، محاسبات و ذخيره سازي يك مدل است. اگر شركت به چندين مدل نياز داشته باشد، ممكن است ارزان‌تر از خريد يك راه‌حل ساخت واحد باشد، زيرا تنها وزن‌هاي دلتا را مي‌توان در هر مدل در هنگام اشتراك زيرساخت ذخيره كرد.

كدام گزينه امن تر است؟

حريم خصوصي و امنيت داده ها براي صنايع حساسي مانند مراقبت هاي بهداشتي و مالي بسيار مهم است. توسعه داخلي مي‌تواند كنترل دقيقي بر داده‌ها و حاكميت مدل فراهم كند، در حالي كه راه‌حل‌هاي شخص ثالث مي‌توانند سياست‌هاي امنيتي نامشخصي داشته باشند و اغلب به زيرساخت‌هاي ابر عمومي متكي هستند.

تنظيم دقيق مدل كسب و كار مستلزم ارسال داده هاي حساس به ميزبان مدل است، بنابراين قوانين صدور مجوز و اعلان منصفانه وارد عمل مي شوند. ارائه دهندگان مدل به عنوان يك سرويس با ارائه ضمانت هاي انطباق به نگراني ها پاسخ مي دهند. به عنوان مثال، براي جبران خسارت كاربران در برابر مشكلات قانوني ناشي از مدل‌هاي توليد، مشتريان مايكروسافت CoPilot در برابر ادعاهاي احتمالي نقض حق چاپ دفاع كنيد.

رويكرد مورد به مورد را اتخاذ كنيد

تصميم ساخت يا خريد شما به عوامل مختلفي بستگي دارد: اهداف استراتژيك در مورد همسويي كسب و كار اصلي، هزينه، جدول زماني، تخصص، حساسيت داده ها، و نوآوري. در نهايت، شركت‌ها بايد اين مبادلات را ارزيابي كنند تا رويكردي را انتخاب كنند كه به بهترين نحو اهداف سازماني آنها را در حين مديريت ريسك ممكن مي‌سازد.

اگر سرعت مهم است و مورد استفاده عمومي تر است، خريد (تنظيم سريع) احتمالاً بهترين گزينه است. با اين حال، اگر خروجي دقيق‌تري مورد نياز باشد و مدل بايد با موارد استفاده مطابقت داشته باشد، ساخت (تنظيم دقيق) مي‌تواند گزينه خوبي باشد. با توجه به هزينه اوليه پايين، كسب و كارها بايد ابتدا روي ارزيابي و تنظيم سريع موارد استفاده تمركز كنند.