8 επιχειρηματικές τάσεις AI το 2024, σύμφωνα με τους ερευνητές του Στάνφορντ
Η TechRepublic διερευνά τις επιχειρηματικές επιπτώσεις των τάσεων της τεχνητής νοημοσύνης που επισημαίνονται στην Έκθεση του Stanford’s AI Index, με τη βοήθεια των συν-συγγραφέων Robi Rahman και Anka Reuel.
Η τεχνητή νοημοσύνη κάνει τους εργαζομένους πιο παραγωγικούς, αλλά εξακολουθούν να μην υπάρχουν κανονισμοί, σύμφωνα με νέα έρευνα. Η Έκθεση Δείκτης Τεχνητής Νοημοσύνης 2024 , που δημοσιεύθηκε από το ινστιτούτο Τεχνητής Νοημοσύνης με επίκεντρο τον άνθρωπο του Πανεπιστημίου του Στάνφορντ, αποκάλυψε τις οκτώ κορυφαίες τάσεις της τεχνητής νοημοσύνης για τις επιχειρήσεις, συμπεριλαμβανομένου του τρόπου με τον οποίο η τεχνολογία εξακολουθεί να μην βελτιώνει τον ανθρώπινο εγκέφαλο σε κάθε εργασία.
Η TechRepublic διερευνά τις επιχειρηματικές επιπτώσεις αυτών των προτάσεων, με πληροφορίες από τους συν-συγγραφείς της έκθεσης Robi Rahman και Anka Reuel.
- Οι άνθρωποι εξακολουθούν να ξεπερνούν την τεχνητή νοημοσύνη σε πολλές εργασίες
Σύμφωνα με την έρευνα, η τεχνητή νοημοσύνη εξακολουθεί να μην είναι τόσο καλή όσο οι άνθρωποι στα σύνθετα καθήκοντα της επίλυσης μαθηματικών προβλημάτων προηγμένου επιπέδου, της οπτικής κοινής λογικής συλλογισμού και του σχεδιασμού (βλέπε Εικόνα Α από παραπομπή στην πηγή του άρθρου κάτω). Για να εξαχθεί αυτό το συμπέρασμα, τα μοντέλα συγκρίθηκαν με ανθρώπινα σημεία αναφοράς σε πολλές διαφορετικές επιχειρηματικές λειτουργίες, συμπεριλαμβανομένης της κωδικοποίησης, της συμπεριφοράς που βασίζεται σε πράκτορες, του συλλογισμού και της ενισχυτικής μάθησης.
Ενώ η τεχνητή νοημοσύνη ξεπέρασε τις ανθρώπινες ικανότητες στην ταξινόμηση εικόνων, την οπτική συλλογιστική και την κατανόηση των αγγλικών, το αποτέλεσμα δείχνει ότι υπάρχει δυνατότητα για τις επιχειρήσεις να χρησιμοποιήσουν την τεχνητή νοημοσύνη για εργασίες όπου το ανθρώπινο προσωπικό θα είχε πραγματικά καλύτερη απόδοση. Πολλές επιχειρήσεις ανησυχούν ήδη για τις συνέπειες της υπερβολικής εξάρτησης από προϊόντα τεχνητής νοημοσύνης .
- Τα υπερσύγχρονα μοντέλα τεχνητής νοημοσύνης γίνονται πιο ακριβά
Το AI Index αναφέρει ότι το GPT-4 του OpenAI και το Gemini Ultra της Google κοστίζουν περίπου 78 εκατομμύρια δολάρια και 191 εκατομμύρια δολάρια για εκπαίδευση το 2023, αντίστοιχα ( Εικόνα Β ). Ο επιστήμονας δεδομένων Rahman είπε στο TechRepublic σε ένα email: «Με τους τρέχοντες ρυθμούς ανάπτυξης, τα μοντέλα τεχνητής νοημοσύνης θα κοστίζουν περίπου 5 δισεκατομμύρια έως 10 δισεκατομμύρια δολάρια το 2026, οπότε πολύ λίγες εταιρείες θα είναι σε θέση να αντέξουν οικονομικά αυτές τις σειρές εκπαίδευσης».
Τον Οκτώβριο του 2023, η Wall Street Journal δημοσίευσε ότι η Google, η Microsoft και άλλοι μεγάλοι παίκτες τεχνολογίας δυσκολεύονται να αποκομίσουν έσοδα από τα παραγωγικά προϊόντα τεχνητής νοημοσύνης τους λόγω του τεράστιου κόστους που συνδέεται με τη λειτουργία τους. Υπάρχει κίνδυνος, εάν οι καλύτερες τεχνολογίες γίνουν τόσο ακριβές ώστε να είναι προσβάσιμες αποκλειστικά σε μεγάλες εταιρείες, το πλεονέκτημά τους έναντι των μικρομεσαίων επιχειρήσεων θα μπορούσε να αυξηθεί δυσανάλογα. Αυτό επισημάνθηκε από το Παγκόσμιο Οικονομικό Φόρουμ το 2018 .
Ωστόσο, ο Rahman τόνισε ότι πολλά από τα καλύτερα μοντέλα τεχνητής νοημοσύνης είναι ανοιχτού κώδικα και επομένως είναι διαθέσιμα σε επιχειρήσεις κάθε προϋπολογισμού, επομένως η τεχνολογία δεν πρέπει να διευρύνει κανένα χάσμα. Είπε στο TechRepublic: «Τα μοντέλα τεχνητής νοημοσύνης ανοιχτού και κλειστού κώδικα αυξάνονται με τον ίδιο ρυθμό. Μία από τις μεγαλύτερες εταιρείες τεχνολογίας, η Meta, προμηθεύει όλα τα μοντέλα της ανοιχτού κώδικα, έτσι οι άνθρωποι που δεν έχουν την οικονομική δυνατότητα να εκπαιδεύσουν οι ίδιοι τα μεγαλύτερα μοντέλα μπορούν απλώς να κατεβάσουν τα δικά τους».
- Η τεχνητή νοημοσύνη αυξάνει την παραγωγικότητα και την ποιότητα εργασίας
Μέσα από την αξιολόγηση ορισμένων υπαρχουσών μελετών, οι ερευνητές του Stanford κατέληξαν στο συμπέρασμα ότι η τεχνητή νοημοσύνη επιτρέπει στους εργαζόμενους να ολοκληρώνουν εργασίες πιο γρήγορα και βελτιώνει την ποιότητα της παραγωγής τους. Τα επαγγέλματα για τα οποία παρατηρήθηκε περιλαμβάνουν προγραμματιστές υπολογιστών, όπου το 32,8% ανέφερε αύξηση της παραγωγικότητας, συμβούλους, πράκτορες υποστήριξης ( Σχήμα Γ ) και υπαλλήλους προσλήψεων.
Στην περίπτωση των συμβούλων, η χρήση του GPT-4 γεφύρωσε το χάσμα μεταξύ επαγγελματιών χαμηλής ειδίκευσης και υψηλής ειδίκευσης, με την ομάδα χαμηλής ειδίκευσης να βιώνει περισσότερη ώθηση απόδοσης ( Εικόνα Δ ). Άλλες έρευνες έχουν δείξει επίσης πώς η παραγωγική τεχνητή νοημοσύνη θα μπορούσε να λειτουργήσει ως εξισορροπητής, καθώς οι λιγότερο έμπειροι, χαμηλότερης ειδίκευσης εργαζόμενοι επωφελούνται περισσότερο από αυτό .
Ωστόσο, άλλες μελέτες έδειξαν ότι «η χρήση AI χωρίς κατάλληλη εποπτεία μπορεί να οδηγήσει σε μειωμένη απόδοση», έγραψαν οι ερευνητές. Για παράδειγμα, υπάρχουν ευρέως διαδεδομένες αναφορές ότι οι ψευδαισθήσεις είναι διαδεδομένες σε μεγάλα γλωσσικά μοντέλα που εκτελούν νομικά καθήκοντα. Άλλες έρευνες έχουν διαπιστώσει ότι ενδέχεται να μην αξιοποιήσουμε πλήρως τις δυνατότητες αύξησης της παραγωγικότητας που βασίζεται στην τεχνητή νοημοσύνη για άλλη μια δεκαετία, καθώς τα μη ικανοποιητικά αποτελέσματα, οι περίπλοκες κατευθυντήριες γραμμές και η έλλειψη επάρκειας συνεχίζουν να κρατούν τους εργαζόμενους πίσω.
- Οι κανονισμοί τεχνητής νοημοσύνης στις ΗΠΑ αυξάνονται
Η έκθεση δείκτη AI διαπίστωσε ότι, το 2023, υπήρχαν 25 κανονισμοί που σχετίζονται με την τεχνητή νοημοσύνη ενεργοί στις ΗΠΑ, ενώ το 2016 υπήρχε μόνο ένας ( Εικόνα Ε ). Ωστόσο, αυτό δεν ήταν μια σταθερή κλίση, καθώς ο συνολικός αριθμός των κανονισμών που σχετίζονται με την τεχνητή νοημοσύνη αυξήθηκε κατά 56,3% μόνο από το 2022 έως το 2023. Με την πάροδο του χρόνου, αυτοί οι κανονισμοί έχουν επίσης μετατραπεί από το να είναι επεκτατικοί όσον αφορά την πρόοδο της τεχνητής νοημοσύνης σε περιοριστικούς και το πιο διαδεδομένο θέμα που θίγουν είναι το εξωτερικό εμπόριο και η διεθνής χρηματοδότηση.
Η νομοθεσία που σχετίζεται με την τεχνητή νοημοσύνη αυξάνεται επίσης στην ΕΕ, με 46, 22 και 32 νέους κανονισμούς να εγκρίνονται το 2021, το 2022 και το 2023, αντίστοιχα. Σε αυτήν την περιοχή, οι κανονισμοί τείνουν να υιοθετούν μια πιο επεκτατική προσέγγιση και τις περισσότερες φορές καλύπτουν την επιστήμη, την τεχνολογία και τις επικοινωνίες.
Είναι σημαντικό για τις επιχειρήσεις που ενδιαφέρονται για την τεχνητή νοημοσύνη να ενημερώνονται για τους κανονισμούς που τις επηρεάζουν, διαφορετικά θέτουν τους εαυτούς τους σε κίνδυνο σοβαρών κυρώσεων μη συμμόρφωσης και ζημιάς στη φήμη τους. Έρευνα που δημοσιεύθηκε τον Μάρτιο του 2024 διαπίστωσε ότι μόνο το 2% των μεγάλων εταιρειών στο Ηνωμένο Βασίλειο και την ΕΕ γνώριζαν τον επερχόμενο νόμο της ΕΕ για την τεχνητή νοημοσύνη .
- Οι επενδύσεις σε γενετική τεχνητή νοημοσύνη αυξάνονται
Η χρηματοδότηση για παραγωγικά προϊόντα τεχνητής νοημοσύνης που παράγουν περιεχόμενο σε απάντηση μιας προτροπής σχεδόν δεκαπλασιάστηκε από το 2022 έως το 2023, φτάνοντας τα 25,2 δισεκατομμύρια δολάρια ( Εικόνα ΣΤ ). Το OpenAI, το Anthropic, το Hugging Face και το Inflection, μεταξύ άλλων, έλαβαν σημαντικούς γύρους συγκέντρωσης χρημάτων.
Η δημιουργία παραγωγικών δυνατοτήτων τεχνητής νοημοσύνης είναι πιθανό να καλύψει τη ζήτηση από τις επιχειρήσεις που θέλουν να το υιοθετήσουν στις διαδικασίες τους. Το 2023, η γενετική τεχνητή νοημοσύνη αναφέρθηκε στο 19,7% όλων των κλήσεων κερδών των εταιρειών του Fortune 500 και μια έκθεση της McKinsey αποκάλυψε ότι το 55% των οργανισμών χρησιμοποιούν τώρα τεχνητή νοημοσύνη, συμπεριλαμβανομένης της γενετικής τεχνητής νοημοσύνης, σε τουλάχιστον μία επιχειρηματική μονάδα ή λειτουργία.
Η ευαισθητοποίηση για τη γενετική τεχνητή νοημοσύνη αυξήθηκε μετά την κυκλοφορία του ChatGPT στις 30 Νοεμβρίου 2022 και από τότε, οι οργανισμοί αγωνίζονται για να ενσωματώσουν τις δυνατότητές του στα προϊόντα ή τις υπηρεσίες τους. Μια πρόσφατη έρευνα σε 300 παγκόσμιες επιχειρήσεις που διεξήχθη από το MIT Technology Review Insights, σε συνεργασία με την Telstra International, διαπίστωσε ότι οι ερωτηθέντες αναμένουν ότι ο αριθμός των λειτουργιών τους που αναπτύσσουν γενετική τεχνητή νοημοσύνη θα υπερδιπλασιαστεί το 2024 .
Ωστόσο, υπάρχουν κάποιες ενδείξεις ότι η έκρηξη της γενετικής τεχνητής νοημοσύνης «θα μπορούσε να φτάσει σε ένα αρκετά γρήγορο τέλος», σύμφωνα με την κορυφαία φωνή της τεχνητής νοημοσύνης Gary Marcus, και οι επιχειρήσεις θα πρέπει να είναι επιφυλακτικές. Αυτό οφείλεται κυρίως σε περιορισμούς στις τρέχουσες τεχνολογίες, όπως πιθανότητες μεροληψίας, ζητήματα πνευματικών δικαιωμάτων και ανακρίβειες . Σύμφωνα με την έκθεση του Stanford, ο πεπερασμένος όγκος των διαδικτυακών δεδομένων που διατίθενται για τα μοντέλα τρένων θα μπορούσε να επιδεινώσει τα υπάρχοντα προβλήματα, θέτοντας ένα ανώτατο όριο στις βελτιώσεις και την επεκτασιμότητα. Δηλώνει ότι οι εταιρείες τεχνητής νοημοσύνης θα μπορούσαν να ξεμείνουν από δεδομένα γλώσσας υψηλής ποιότητας έως το 2026, δεδομένα γλώσσας χαμηλής ποιότητας σε δύο δεκαετίες και δεδομένα εικόνας από τα τέλη της δεκαετίας του 2030 έως τα μέσα της δεκαετίας του 2040.
- Τα κριτήρια αναφοράς για την ευθύνη LLM ποικίλλουν πολύ
Υπάρχει σημαντική διαφοροποίηση στα σημεία αναφοράς με τα οποία οι εταιρείες τεχνολογίας αξιολογούν τα LLM τους όσον αφορά την αξιοπιστία ή την υπευθυνότητα, σύμφωνα με την έκθεση ( Σχήμα G ). Οι ερευνητές έγραψαν ότι αυτό «περιπλέκει τις προσπάθειες συστηματικής σύγκρισης των κινδύνων και των περιορισμών των κορυφαίων μοντέλων τεχνητής νοημοσύνης». Αυτοί οι κίνδυνοι περιλαμβάνουν μεροληπτικά αποτελέσματα και διαρροή προσωπικών πληροφοριών από σύνολα δεδομένων εκπαίδευσης και ιστορικά συνομιλιών.
Ο Reuel, ένας διδακτορικός φοιτητής στο Stanford Intelligent Systems Laboratory, είπε στο TechRepublic σε ένα email: «Δεν υπάρχουν προς το παρόν απαιτήσεις αναφοράς, ούτε έχουμε αξιόπιστες αξιολογήσεις που θα μας επέτρεπαν να πούμε με σιγουριά ότι ένα μοντέλο είναι ασφαλές εάν περάσει αυτές τις αξιολογήσεις εξαρχής”
Χωρίς τυποποίηση σε αυτόν τον τομέα, αυξάνεται ο κίνδυνος ορισμένα αναξιόπιστα μοντέλα τεχνητής νοημοσύνης να ξεφύγουν από τις ρωγμές και να ενσωματωθούν από τις επιχειρήσεις. «Οι προγραμματιστές ενδέχεται να αναφέρουν επιλεκτικά σημεία αναφοράς που αναδεικνύουν θετικά την απόδοση του μοντέλου τους», προστίθεται στην έκθεση.
Ο Reuel είπε στο TechRepublic: «Υπάρχουν πολλοί λόγοι για τους οποίους ένα επιβλαβές μοντέλο μπορεί να γλιστρήσει μέσα από τις ρωγμές. Πρώτον, δεν υπάρχουν τυποποιημένες ή απαιτούμενες αξιολογήσεις που να δυσχεραίνουν τη σύγκριση μοντέλων και των (σχετικών) κινδύνων τους, και δεύτερον, καμία αξιόπιστη αξιολόγηση, ειδικά των μοντέλων θεμελίωσης, που επιτρέπουν μια σταθερή, ολοκληρωμένη κατανόηση του απόλυτου κινδύνου ενός μοντέλου.»
- Οι εργαζόμενοι είναι νευρικοί και ανησυχούν για την τεχνητή νοημοσύνη
Η έκθεση παρακολούθησε επίσης πώς αλλάζει η στάση απέναντι στην τεχνητή νοημοσύνη καθώς αυξάνεται η ευαισθητοποίηση. Μια έρευνα διαπίστωσε ότι το 52% εκφράζει νευρικότητα για προϊόντα και υπηρεσίες τεχνητής νοημοσύνης και ότι αυτό το ποσοστό είχε αυξηθεί κατά 13% σε διάστημα 18 μηνών. Διαπίστωσε επίσης ότι μόνο το 54% των ενηλίκων συμφωνεί ότι τα προϊόντα και οι υπηρεσίες που χρησιμοποιούν τεχνητή νοημοσύνη έχουν περισσότερα οφέλη παρά μειονεκτήματα, ενώ το 36% φοβάται ότι μπορεί να τους πάρει τη δουλειά μέσα στα επόμενα πέντε χρόνια ( Εικόνα Η ).
Άλλες έρευνες που αναφέρονται στην Έκθεση Δείκτη AI διαπίστωσαν ότι το 53% των Αμερικανών αισθάνονται αυτήν τη στιγμή περισσότερο ανήσυχοι για την τεχνητή νοημοσύνη παρά ενθουσιασμένοι και ότι η πιο κοινή ανησυχία που έχουν είναι ο αντίκτυπός της στις θέσεις εργασίας. Τέτοιες ανησυχίες θα μπορούσαν να έχουν ιδιαίτερο αντίκτυπο στην ψυχική υγεία των εργαζομένων όταν οι τεχνολογίες τεχνητής νοημοσύνης αρχίσουν να ενσωματώνονται σε έναν οργανισμό, τον οποίο θα πρέπει να παρακολουθούν οι ηγέτες των επιχειρήσεων.
- Οι ΗΠΑ και η Κίνα δημιουργούν τα περισσότερα από τα σημερινά δημοφιλή LLM
Ο Μπεν Άμποτ της TechRepublic κάλυψε αυτή την τάση από την έκθεση του Στάνφορντ στο άρθρο του σχετικά με την κατασκευή μοντέλων θεμελίων AI στην περιοχή APAC . Όπως έγραψε:
«Η κυριαρχία των ΗΠΑ στην τεχνητή νοημοσύνη συνεχίστηκε καθ’ όλη τη διάρκεια του 2023. Η έκθεση του Stanford’s AI Index που δημοσιεύθηκε το 2024 διαπίστωσε ότι 61 αξιόλογα μοντέλα είχαν κυκλοφορήσει στις ΗΠΑ το 2023. Αυτό ήταν μπροστά από τα 15 νέα μοντέλα της Κίνας και τη Γαλλία, τη μεγαλύτερη συνεισφέρουσα από την Ευρώπη με οκτώ μοντέλα ( Εικόνα I ). Το Ηνωμένο Βασίλειο και η Ευρωπαϊκή Ένωση ως περιοχή παρήγαγαν 25 αξιόλογα μοντέλα – ξεπερνώντας την Κίνα για πρώτη φορά από το 2019 – ενώ η Σιγκαπούρη, με τρία μοντέλα, ήταν ο μόνος άλλος παραγωγός αξιοσημείωτων μεγάλων γλωσσικών μοντέλων στο APAC.
Μεθοδολογία
Η Έκθεση AI Index 2024 «παρακολουθεί, συγκεντρώνει και οπτικοποιεί δεδομένα που σχετίζονται με την τεχνητή νοημοσύνη». Βασίζεται σε έναν συνδυασμό αναλύσεων δεδομένων, ερευνών εμπειρογνωμόνων, ανασκοπήσεων βιβλιογραφίας και ποιοτικών αξιολογήσεων που διεξάγονται από παγκόσμιους ερευνητές για να παρέχει πληροφορίες για την κατάσταση και την πορεία της έρευνας AI.
Πηγή:techrepublic.com
