Vállalati adatokon tanított generatív AI a jövő útja
A nyilvános adatokon tanított AI modellek esetében mára egyértelművé vált, hogy nemcsak segíteni képesek a vállalatokat, hanem használatuk számos kockázatot is jelenthet azokra nézve.

 

Ennek elkerülése érdekében, valamint a produktivitás javítása, a költségek optimalizálása és a komplex információk megértése céljából egyre többen saját adataikat használva tanítják a generatív mesterséges intelligenciát – derül ki a Deloitte TMT Predictions 2024 kutatásából.

Bár a generatív mesterséges intelligencia első hulláma főként a fogyasztókra irányult, és nyilvános adatokon tanították, mára fellendülőben vannak a nem nyilvános, magánfejlesztésű modellek is, amelyek több vállalat- és területspecifikus adatot tartalmaznak.

A Deloitte előrejelzése szerint a generatív AI-ra vonatkozó vállalati kiadások 2024-ben a 2023-as 16 milliárd dolláros becsült értékről 30%-kal fognak emelkedni. Bár a lelkesedés nagy, a vállalatok egyelőre továbbra is kísérleteznek és próbálják megérteni, hogy a mesterséges intelligencia milyen értéket tud képviselni a tevékenységük számára.

„Azoknak a vállalatoknak, amelyek évek óta halmozzák fel az adatokat, most lehetőségük nyílik arra, hogy a generatív mesterséges intelligencia segítségével még többet hozzanak ki az összegyűjtött adataikból. Ennek hatékony megvalósítása segíthet megoldani a nyilvános modellek jelenlegi kihívásainak egy részét, azonban ehhez átgondolt befektetésekre és döntésekre lesz szükség” – mondta Zaránd Miklós, a Deloitte technológiai tanácsadás üzletágának partnere.

A piac bővül és egyre több vállalkozás áldoz a költségvetéséből kifejezetten a mesterséges intelligenciára. 2024-ben a technológiára költött összegek többségét a vállalatok várhatóan vezető felhőszolgáltatóknak fizetik a modellek betanításáért és a felhasználói lekérdezések programozásáért, illetve az adattudósoknak, akik a vállalati adatokat összekötik az alapvető modellekkel.

 

A generatív modellekhez hatalmas mennyiségű képzési adat szükséges | Fotó: Adobe Stock

 

Idén ugyanakkor az „on-premise” (helyi) GPU-adatközpontok növekedése is megfigyelhető, mivel a nagyobb vállalatok és kormányzati szervek igyekeznek több generatív AI-képességet ellenőrzésük alatt tartani. A növekedés fő korlátja valószínűleg a tehetséges munkaerő – és egyesek számára a grafikai processzorok – elérhetősége lesz, azonban a vállalatoknak a nem egyértelmű felhasználási esetekkel és az adatminőséggel kapcsolatos problémákkal is meg kell küzdeniük.

A nyilvános modellek előnyei és hátrányai

„A szolgáltatók most szembesülnek a korai nyilvános modellek olyan kihívásaival, mint például a ténybeli tévedések, az ún. hallucinációk - amikor a modell kitalál valamit, ami igaznak tűnhet -, továbbá a szerzői jogi kérdések és a jogtisztaság tekintetében is adódnak még fejlesztendő területek. Ezek a szituációk tovább ösztönzik a privát, nem nyilvános modellek létrehozását” – mondta Gercsák Csilla, a Deloitte Magyarország technológiai tanácsadás üzletágának menedzsere.

Mivel a generatív modellekhez hatalmas mennyiségű képzési adat szükséges, a nyilvános modellek első hullámát főként a rendelkezésre álló legnagyobb adathalmazon, a nyilvános interneten tanították. Ennek következtében a modellek átvették az internet megannyi torzítását, ellentmondását és pontatlanságát.

Ha tényeket kérünk az AI-tól, a nyilvános adatokon, például a közösségi oldalakon közzétett bejegyzéseken tanított modellek akár maguktól is kitalálhatnak információkat. Ezt a hitelesség látszatával tehetik, ami sok felhasználót arra késztet, hogy az eredmények megfelelő ellenőrzése nélkül elhiggyék az eredményeiket.

A nyilvános adatokból tanított modellek a szerzői jogokat és a jogtisztaságra vonatkozó szempontokat is figyelmen kívül hagyják. Ennek következtében egyre több az olyan per, ahol a felperes a saját munkáját látja viszont a generatív válaszokban. Ebben a tekintetben különösen problematikusnak bizonyulnak az olyan diffúziós modellek, amelyeket jogdíjas munkákat tartalmazó nyilvános anyagon tanítottak.

Erre válaszul egyre több szolgáltató teszi lehetővé a weboldalakon lévő tartalom védelmét attól, hogy azokat mások leszedjék és tanítási anyagként használják fel. Bár a szerzői jogi törvények piaconként eltérőek lehetnek, egyes helyeken védelemre alkalmatlanná nyilváníthatják a mesterséges intelligenciából származó műveket, mert azok túlzott mértékben származnak korábbi művekből, vagy azért, mert nem eléggé emberi jellegűek ahhoz, hogy szerzői jogot érdemeljenek. 

A nyilvánostól a nem publikus domainekig

„Mivel a generatív AI alapvető képességei rendkívül meggyőzőek, a nyilvános megoldások használata pedig nemkívánt kockázatot rejt magában, így egyre több vállalkozás tervezi saját adatain tanított saját modellje bevezetését. Ezzel elkerülhetők a szerzői jogi és használati joggal kapcsolatos problémák, a vállalkozások pedig testreszabott megoldásokat fejleszthetnek ki, elérve a kívánt magatartásokat és megbízható eredményeket” – mondta Fazekas István, a Deloitte Magyarország technológiai tanácsadás üzletágának tanácsadója.

A vállalkozásoknak ugyanakkor tartaniuk kell magukat a felhasználható adatokra vonatkozó szabályozásokhoz is. A nem publikus és a nyilvánosan közzétett adatokat egyaránt felhasználó cégek számára nehézséget okozhat azok hatékony integrációja az adatvédelmi és szerzői jogi törvényeknek egyaránt megfelelve. Számos vállalkozás nagy mennyiségű adatot gyűjtött össze, amelyet a generatív mesterséges intelligencia segít még felhasználhatóbbá alakítani.

Az AI jobb rálátást biztosíthat az adatokra, mivel a társalgási és vizuális felületet azzal a képességgel kombinálja, hogy az emberi gondolkodáson túlmutató, hatalmas adathalmazokkal számol. A 2024-es évet tekintve a mesterséges intelligencia hatása egyre több vállalat számára lesz kiemelt fontosságú, nemcsak az általános működést figyelembe véve, hanem a felsővezetők és igazgatók számára is.

„Egyre több vállalkozás kezdi felismerni a generatív AI-ban rejlő versenyelőnyt, így kockázatokra is számíthatunk. Számos szempontot figyelembe kell venni a fejlesztési és üzemeltetési költségek, az értéklánc különböző részeinek telepítése, valamint a védőkorlátok felállítása és a pontos és megbízható eredmények biztosítása terén” – mondta Zaránd Miklós, a Deloitte Magyarország technológiai tanácsadás üzletágának partnere.

 

 | Forrás: Deloitte Magyarország | Nyitókép: Adobe Stock

A kánikula sem akadály az új csúcstöltőnek
Továbbfejlesztette töltési portfóliójának zászlóshajóját a Siemens. Az új, 400 kW teljesítményű készülék a 2021-ben piacra dobott SICHARGE töltőcsalád legújabb verziója.
A körforgásos gazdaság fejlesztései az adatközpontokat is elérte
Jelentős mértékben csökkenő szén-dioxid-kibocsátás, a berendezések élettartamának meghosszabbítása, fenntarthatóbb működés – többek között ezekkel az előnyökkel jár a Digital Realty párizsi adatközpontjában a Schneider Electrickel való együttműködés.
A BMW Group legnagyobb napelemparkja épül fel Debrecenben
Április 10-én egy több, mint 50 hektáros területen elterülő napelempark kialakítására vonatkozó szerződést írtak alá a BMW Manufacturing Hungary Kft. és az E.ON Hungária Csoport képviselői.
Az Electrosub kiváló lehetőséget kínál üzleti kapcsolatainak frissítésére!
Az idén 5 éves fennállását ünneplő Electrosub szakkiállítás és konferencia koncepcióját a szervezők a piac igényeihez igazodva 2021-ben frissítették. A nyitva tartás két naposra váltott, és bevezették a kkv-k számára is könnyen elérhető, költséghatékony megjelenést biztosító ECO standot.
Magyar tudósok, akik nélkül ma teljesen más lenne az űrkutatás
1961. április 12-én indult útjára a Jurij Gagarin repülő őrnagyot szállító űrhajó, aki így első emberként jutott el a világűrbe. Habár ez már önmagában is óriási evolúciós ugrás volt a történelemben, az azóta eltelt 60 évben is rengeteg jelentős előrelépés történt az űrkutatás területén, melyben a magyaroknak is nagy szerepük volt.