Хиймэл оюун ухааны компани гэж юу вэ?

Товчхондоо: Хиймэл оюун ухааны компани гэдэг нь гол бүтээгдэхүүн, үнэ цэнэ эсвэл өрсөлдөх давуу тал нь хиймэл оюун ухаанаас хамаардаг компани юм. Хиймэл оюун ухааныг устгавал санал нь унах эсвэл эрс муудна. Хэрэв хиймэл оюун ухаан маргааш бүтэлгүйтсэн ч та хүснэгт эсвэл үндсэн програм хангамжаар бүтээгдэхүүнээ нийлүүлж чадвал та хиймэл оюун ухаанаар ажилладаг болохоос хиймэл оюун ухаанаар ажилладаггүй байх магадлалтай. Жинхэнэ хиймэл оюун ухааны компаниуд өгөгдөл, үнэлгээ, байршуулалт болон давталтын давталтын давталтаар ялгардаг.

Гол дүгнэлтүүд:

Гол хамаарал: Хэрэв хиймэл оюун ухааныг арилгах нь бүтээгдэхүүнийг эвдэж байгаа бол та хиймэл оюун ухааны компанийг харж байна.

Энгийн тест: Хэрэв та хиймэл оюун ухаангүйгээр доголж чадвал танд хиймэл оюун ухаан идэвхжсэн байх магадлалтай.

Үйл ажиллагааны дохио: Дрифт, үнэлгээний багц, хоцрогдол, алдааны горимуудын талаар хэлэлцдэг багууд ихэвчлэн шаргуу ажилладаг.

Буруу ашиглалтаас хамгаалах: Загварууд эвдэрсэн үед хамгаалалтын хашлага, хяналт, буцаах төлөвлөгөө гарга.

Худалдан авагчийн няхуур байдал: Шаардлага хангасан механизм, үзүүлэлт, тодорхой өгөгдлийн засаглалаар хиймэл оюун ухаанаар угаахаас зайлсхий.

"Хиймэл оюун ухааны компани" гэдэг нь маш чөлөөтэй эргэлддэг тул бүх зүйлийг нэг дор, юу ч биш гэсэн эрсдэлтэй байдаг. Нэг стартап нь автомат гүйцээх хайрцгийг нэмсэн тул хиймэл оюун ухааны статустай гэж мэдэгддэг. Өөр нэг компани загваруудыг сургаж, багаж хэрэгсэл үйлдвэрлэж, бүтээгдэхүүнээ тээвэрлэж, үйлдвэрлэлийн орчинд байршуулдаг ... гэхдээ л нэг хувин руу бөөгнөрдөг.

Тиймээс шошго нь илүү хурц ирмэгтэй байх шаардлагатай. Хиймэл оюун ухаанд суурилсан бизнес болон машин сургалтын бага зэрэг хэрэглээтэй стандарт бизнесийн хоорондох ялгаа нь юу хайхаа мэдсэний дараа хурдан илэрдэг.

Үүний дараа таны унших дуртай нийтлэлүүд:

🔗 Хиймэл оюун ухааныг нэмэгдүүлэх арга хэрхэн ажилладаг вэ?
Загварууд зургийг цэвэрхэн томруулахын тулд хэрхэн дэлгэрэнгүй мэдээлэл нэмдэг талаар суралц.

🔗 Хиймэл оюун ухааны код ямар харагддаг вэ?
Үүсгэсэн кодын жишээ болон түүний бүтэц хэрхэн хийгдсэнийг үзнэ үү.

🔗 Хиймэл оюун ухааны алгоритм гэж юу вэ?
Хиймэл оюун ухаанд суралцах, урьдчилан таамаглах, оновчтой болгоход тусалдаг алгоритмуудыг ойлгох.

🔗 Хиймэл оюун ухааны урьдчилсан боловсруулалт гэж юу вэ?
Сургалтанд зориулж өгөгдлийг цэвэрлэж, шошголож, форматлах алхмуудыг олж мэдээрэй.

---

Хиймэл оюун ухааны компани гэж юу вэ: үнэн зөв тодорхойлолт ✅

Практик тодорхойлолт:

Хиймэл оюун ухааны компани гэдэг нь гол бүтээгдэхүүн, үнэ цэнэ эсвэл өрсөлдөх давуу тал нь хиймэл оюун ухаанаас хамаардаг бизнес юм . Өөрөөр хэлбэл, хэрэв та хиймэл оюун ухааныг устгавал компанийн "зүйл" нуран унах эсвэл эрс дордох болно. ( OECD , NIST AI RMF )

"Бид хакатон дээр нэг удаа хиймэл оюун ухаан ашигласан" биш. "Бид холбоо барих хуудсанд чатбот нэмсэн" биш. Үүнтэй төстэй:

• Бүтээгдэхүүн нь хиймэл оюун ухааны систем (эсвэл нэг талаас нөгөө талаас ажилладаг) (OECD)

• Тус компанийн давуу тал нь загвар, өгөгдөл, үнэлгээ, давталтаас үүдэлтэй (Google Cloud MLOps, NIST AI RMF Playbook - Measure)

• Хиймэл оюун ухаан бол онцлог биш - энэ бол хөдөлгүүр 🧠⚙️

Гэдэсний шинжилгээг хялбархан хийж болно:

Хиймэл оюун ухаан маргааш бүтэлгүйтнэ гэж төсөөлөөд үз дээ. Хэрэв хэрэглэгчид танд мөнгө төлсөөр байгаа бөгөөд та хүснэгт эсвэл үндсэн програм хангамжийг ашиглахад бэрхшээлтэй байгаа бол та хиймэл оюун ухаантай биш, харин хиймэл оюун ухаантай байх магадлалтай.

Тийм ээ, дунд хэсэг нь бүдэг байна. Яг л манантай цонхоор авсан зураг шиг... тийм ч сайн зүйрлэл биш ч гэсэн санааг нь ойлголоо 😄

---

“Хиймэл оюун ухаант компани” болон “Хиймэл оюун ухаант компани”-ын ялгаа (энэ хэсэгт маргааныг хэмнэсэн) 🥊

Орчин үеийн ихэнх бизнесүүд хиймэл оюун ухааны ямар нэгэн хэлбэрийг ашигладаг. Зөвхөн энэ нь тэднийг хиймэл оюун ухааны компани болгодоггүй. (OECD)

Ихэвчлэн хиймэл оюун ухааны компани:

• Хиймэл оюун ухааны чадавхийг шууд зардаг (загварууд, хамтран нисгэгчид, ухаалаг автоматжуулалт)

• Үндсэн бүтээгдэхүүн болгон өмчийн хиймэл оюун ухааны системийг бий болгодог

• Үндсэн функц болгон хиймэл оюун ухааны инженерчлэл, үнэлгээ, байршуулалтыг чухалчилдаг (Google Cloud MLOps)

• Өгөгдлөөс тасралтгүй суралцаж, гүйцэтгэлийг гол үзүүлэлт болгон сайжруулдаг 📈 (Google MLOps Whitepaper)

Ихэвчлэн хиймэл оюун ухаанаар ажилладаг компани:

• Зардлыг бууруулах, ажлын урсгалыг хурдасгах эсвэл зорилтот түвшинг сайжруулахын тулд дотооддоо хиймэл оюун ухааныг ашигладаг

• Өөр зүйл зардаг хэвээрээ байна (жижиглэнгийн бараа, банкны үйлчилгээ, ложистик, хэвлэл мэдээлэл гэх мэт)

• Уламжлалт програм хангамжаар хиймэл оюун ухааныг орлож, "өөрөө байж" чадна

Жишээнүүд (зориудаар ерөнхий, учир нь брэндийн мэтгэлцээн нь зарим хүмүүсийн хувьд хобби байдаг):

• Банк залилан илрүүлэхийн тулд хиймэл оюун ухаан ашиглаж байна - хиймэл оюун ухаанаар идэвхжүүлсэн

• Бараа материалын урьдчилсан тооцоонд хиймэл оюун ухаан ашигладаг жижиглэн худалдаачин - хиймэл оюун ухаанаар идэвхжүүлсэн

• Бүтээгдэхүүн нь хиймэл оюун ухааны хэрэглэгчийн дэмжлэгийн агент болох компани - магадгүй хиймэл оюун ухааны компани

• Загварын хяналт, үнэлгээ, байршуулалтын хэрэгслүүдийг борлуулдаг платформ - Хиймэл оюун ухааны компани (дэд бүтэц) (Google Cloud MLOps)

Тийм ээ... таны шүдний эмч цагийн хуваарь сануулахын тулд хиймэл оюун ухаан ашиглаж магадгүй. Энэ нь тэднийг хиймэл оюун ухааны компани болгохгүй 😬🦷

---

Хиймэл оюун ухааны компанийн сайн хувилбарыг юу бүрдүүлдэг вэ 🏗️

Бүх хиймэл оюун ухааны компаниуд адилхан бүтээгддэггүй бөгөөд зарим нь үнэндээ голдуу сэтгэл хөдлөл, венчур капитал байдаг. сайн хувилбар нь дахин дахин илэрдэг хэд хэдэн шинж чанарыг хуваалцах хандлагатай байдаг:

• Асуудлыг тодорхой эзэмших: тэд "бүх зүйлд зориулсан хиймэл оюун ухаан" биш, харин тодорхой асуудлыг шийддэг.

• Хэмжиж болох үр дүн: нарийвчлал, цаг хэмнэлт, зардал буурсан, алдаа бага, хөрвүүлэлт өндөр - ямар нэгэн зүйлийг сонгоод хянах (NIST AI RMF)

• Өгөгдлийн сахилга бат: өгөгдлийн чанар, зөвшөөрөл, засаглал болон санал хүсэлтийн давталтууд нь заавал байх албагүй (NIST AI RMF)

• Үнэлгээний соёл: тэд загваруудыг насанд хүрэгчдийн адил - жишиг үзүүлэлт, захын тохиолдлууд болон хяналт шинжилгээгээр шалгадаг 🔍 (Google Cloud MLOps, Datadog)

• Байршуулалтын бодит байдал: систем нь зөвхөн демо хувилбаруудад төдийгүй өдөр тутмын замбараагүй нөхцөлд ажилладаг

• Хамгаалах боломжтой давуу тал: домэйн өгөгдөл, түгээлт, ажлын урсгалын интеграци, эсвэл өмчийн хэрэгслүүд (зөвхөн "бид API гэж нэрлэдэг" биш)

Гайхалтайгаар хэлж болох шинж тэмдэг:

• Хэрэв баг хоцрогдол, шилжилт, үнэлгээний багц, хий үзэгдэл болон бүтэлгүйтлийн горимуудынтэд жинхэнэ хиймэл оюун ухааны ажил хийж байгаа байх. (IBM - Model шилжилт, OpenAI - хий үзэгдэл, Google Cloud MLOps)

• Хэрэв тэд ихэвчлэн "ухаалаг мэдрэмжүүдтэй синерги хийх хувьсгал" гэж ярьдаг бол... та үүнийг мэдэж байгаа байх 😅

---

Харьцуулсан хүснэгт: хиймэл оюун ухааны компаниудын нийтлэг “төрлүүд” болон тэдний юу зарж байгаа нь 📊🤝

Доорх нь (өдөр тутмын бизнесийн нэгэн адил) хурдан бөгөөд бага зэрэг төгс бус харьцуулсан хүснэгт юм. Үнэ нь яг тоо биш, харин "ердийн үнийн хэв маяг" юм, учир нь энэ нь маш их хэлбэлздэг.

Сонголт / “Төрөл”	Шилдэг үзэгчид	Үнэ (ердийн)	Яагаад ажилладаг вэ
Суурийн загвар бүтээгч	Хөгжүүлэгчид, аж ахуйн нэгжүүд, бүгд л... бараг л	Хэрэглээнд суурилсан, том гэрээнүүд	Хүчтэй ерөнхий загварууд нь платформ болж хувирдаг - "үйлдлийн систем шиг" давхарга (OpenAI API үнийн бодлого)
Босоо хиймэл оюун ухааны аппликейшн (хууль эрх зүй, анагаах ухаан, санхүү гэх мэт)	Тодорхой ажлын урсгалтай багууд	Захиалга + суудлын үнэ	Домэйн хязгаарлалт нь эмх замбараагүй байдлыг бууруулдаг; нарийвчлал нь (зөв хийгдсэн үед) өсч болно
Мэдлэгийн ажлын хиймэл оюун ухааны туслах нисгэгч	Борлуулалт, дэмжлэг, шинжээч, үйл ажиллагаа эрхлэгчид	Хэрэглэгч бүрийн сар бүр	Цагийг хурдан хэмнэдэг, өдөр тутмын хэрэгслүүдтэй нэгтгэдэг... сайн үед наалдамхай (Microsoft 365 Copilot-н үнэ)
MLOps / Model Ops платформ	Үйлдвэрлэл дэх хиймэл оюун ухааны багууд	Аж ахуйн нэгжийн гэрээ (заримдаа хэцүү)	Хяналт, байршуулалт, засаглал - сонирхолгүй боловч зайлшгүй шаардлагатай (Google Cloud MLOps)
Өгөгдөл + Шошгоны Компани	Загвар бүтээгчид, аж ахуйн нэгжүүд	Даалгавар тус бүр, шошго тус бүр, холимог	Илүү сайн өгөгдөл нь гайхмаар олон удаа "илүү загвар"-ыг давдаг (MIT Слоан / Эндрю Нг өгөгдөл төвтэй хиймэл оюун ухааны талаар)
Ирмэгийн хиймэл оюун ухаан / Төхөөрөмж дээрх хиймэл оюун ухаан	Техник хангамж + IoT, нууцлалд чухал ач холбогдолтой байгууллагууд	Төхөөрөмж тус бүрийн лиценз	Бага хоцрогдол + нууцлал; мөн офлайн горимд ажилладаг (маш том боломж) (NVIDIA, IBM)
Хиймэл оюун ухааны зөвлөгөө / интегратор	Хиймэл оюун ухаанаас гаралтай бус байгууллагууд	Төсөлд суурилсан, тогтвор суурьшилтай ажилтнууд	Дотоод ажилд авахаас илүү хурдан хөдөлдөг - гэхдээ практик дээр авьяас чадвараас хамаарна
Үнэлгээ / Аюулгүй ажиллагааны багаж хэрэгсэл	Багуудын тээвэрлэлтийн загварууд	Шаталсан захиалга	Чимээгүй бүтэлгүйтлээс зайлсхийхэд тусалдаг - тийм ээ, энэ нь маш чухал (NIST AI RMF, OpenAI - хий үзэгдэл)

Нэг зүйлийг анзаараарай. “Хиймэл оюун ухааны компани” гэдэг нь маш өөр бизнесийг хэлж болно. Зарим нь загвар зардаг. Зарим нь загвар бүтээгчдэд зориулсан хүрз зардаг. Зарим нь бэлэн бүтээгдэхүүн зардаг. Нэг л шошго, огт өөр бодит байдал.

---

Хиймэл оюун ухааны компаниудын үндсэн архетипүүд (мөн тэдний юуг буруу хийдэг вэ) 🧩

Хүмүүс энд л бүдрдэг учраас арай илүү гүнзгийрүүлэн авч үзье.

1) Загвар өмсөгчдийг тэргүүлэгч компаниуд 🧠

Эдгээр загваруудыг угсрах эсвэл нарийн тохируулах. Тэдний давуу тал нь ихэвчлэн:

• судалгааны авьяас чадвар

• тооцооллын оновчлол

• үнэлгээ болон давталтын гогцоо

• өндөр хүчин чадалтай үйлчилгээний дэд бүтэц (Google MLOps Whitepaper)

Нийтлэг алдаа:

• Тэд "илүү сайн загвар" гэдэг нь автоматаар "илүү сайн бүтээгдэхүүн" гэсэн үгтэй тэнцүү гэж үздэг.
  Гэхдээ тийм биш. Хэрэглэгчид загвар худалдаж авдаггүй, харин үр дүнг худалдаж авдаг.

2) Бүтээгдэхүүнд анхаарлаа хандуулдаг хиймэл оюун ухааны компаниуд 🧰

Эдгээр нь ажлын урсгалд хиймэл оюун ухааныг суулгадаг. Тэд дараах байдлаар хождог:

• түгээлт

• UX болон интеграцчилал

• хүчтэй санал хүсэлтийн давталт

• түүхий оюун ухаанаас илүү найдвартай байдал

Нийтлэг алдаа:

• Тэд зэрлэг байгальд загварын зан төлөвийг дутуу үнэлдэг. Жинхэнэ хэрэглэгчид таны системийг шинэ, бүтээлч аргаар эвдэх болно. Өдөр бүр.

3) Дэд бүтцийн хиймэл оюун ухааны компаниуд ⚙️

Хяналт, байршуулалт, засаглал, үнэлгээ, зохион байгуулалтын талаар бодоорой. Тэд дараах байдлаар ялдаг:

• мэс заслын өвдөлтийг бууруулах

• эрсдэлийн удирдлага

• хиймэл оюун ухааныг давтагдах боломжтой бөгөөд аюулгүй болгох (NIST AI RMF, Google Cloud MLOps)

Нийтлэг алдаа:

• Тэд ахисан түвшний багуудад зориулж бүтээдэг бөгөөд бусад бүх хүмүүсийг үл тоомсорлодог, дараа нь яагаад нэвтрүүлэлт удаан байгааг гайхдаг.

4) Өгөгдөлд төвлөрсөн хиймэл оюун ухааны компаниуд 🗂️

Эдгээр нь өгөгдлийн дамжуулах хоолой, шошгололт, синтетик өгөгдөл болон өгөгдлийн засаглалд анхаарлаа хандуулдаг. Тэд дараах байдлаар ялдаг:

• сургалтын дохионы чанарыг сайжруулах

• дуу чимээг бууруулах

• мэргэшлийг бий болгох (MIT Слоан / өгөгдөл төвтэй хиймэл оюун ухааны чиглэлээр Эндрю Нг)

Нийтлэг алдаа:

• Тэд "өгөгдөл бүхнийг шийддэг" гэж хэт их зардаг. Өгөгдөл хүчтэй ч танд сайн загварчлал, хүчтэй бүтээгдэхүүний сэтгэлгээ хэрэгтэй хэвээр байна.

---

Хиймэл оюун ухааны компанийн дотор юу байдаг вэ: ойролцоогоор 🧱

Хэрэв та хөшигний ардаас харвал ихэнх жинхэнэ хиймэл оюун ухааны компаниуд ижил төстэй дотоод бүтэцтэй байдаг. Үргэлж биш ч гэсэн олон удаа.

Өгөгдлийн давхарга 📥

• цуглуулах болон шингээх

• шошгололт эсвэл сул хяналт

• нууцлал, зөвшөөрөл, хадгалалт

• санал хүсэлтийн давталт (хэрэглэгчийн залруулга, үр дүн, хүний ​​хяналт) (NIST AI RMF)

Загварын давхарга 🧠

• үндсэн загваруудыг сонгох (эсвэл эхнээс нь сургах)

• нарийн тохируулга, нэрэлт, шуурхай инженерчлэл (тийм ээ, одоо ч чухал)

• хайлтын системүүд (хайлт + зэрэглэл + вектор мэдээллийн сан) (RAG баримт бичиг (Lewis et al., 2020), Oracle - вектор хайлт)

• үнэлгээний багцууд болон туршилтын багцууд (Google Cloud MLOps)

Бүтээгдэхүүний давхарга 🧑💻

• Тодорхой бус байдлыг зохицуулдаг UX (итгэлийн дохио, "хяналтын" төлөвүүд)

• хашлага (бодлого, татгалзал, аюулгүй дуусгах) (NIST AI RMF)

• ажлын урсгалын интеграци (имэйл, CRM, баримт бичиг, тасалбар гэх мэт)

Оп давхарга 🛠️

• зөрүү болон доройтлын хяналт (IBM - Model drift, Google Cloud MLOps)

• Ослын хариу арга хэмжээ болон буцаан олголт (Uber - байршуулалтын аюулгүй байдал)

• зардлын менежмент (тооцоолол нь өлсгөлөн бяцхан мангас байж болно)

• засаглал, аудит, хандалтын хяналт (NIST AI RMF, ISO/IEC 42001 тойм)

Хэн ч сурталчилдаггүй хэсэг нь:

• хүний ​​үйл явц - шүүмжлэгчид, өргөжилт, чанарын баталгаа, хэрэглэгчийн санал хүсэлтийн шугам хоолой.
  Хиймэл оюун ухаан бол "тохируулаад мартчих" биш. Энэ нь цэцэрлэгжүүлэлттэй илүү төстэй. Эсвэл гэрийн тэжээвэр енот тэжээхтэй адил. Энэ нь хөөрхөн байж болох ч хэрэв та харахгүй бол гал тогоог чинь бүрэн сүйрүүлэх болно 😬🦝

---

Бизнесийн загварууд: хиймэл оюун ухааны компаниуд хэрхэн мөнгө олдог вэ 💸

Хиймэл оюун ухааны компаниуд мөнгө олох хэд хэдэн нийтлэг хэлбэрт багтах хандлагатай байдаг:

• Хэрэглээнд суурилсан (хүсэлт тутамд, токен тутамд, минут тутамд, зураг тутамд, даалгавар тутамд) (OpenAI API үнэ, OpenAI токен)

• Суудлын захиалга (хэрэглэгч тутамд сард) (Microsoft 365 Copilot-н үнэ)

• Үр дүнд суурилсан үнэ (ховор боловч хүчтэй - хөрвүүлэлт эсвэл шийдвэрлэсэн тасалбар тутамд төлбөр төлдөг)

• Байгууллагын гэрээ (дэмжлэг, нийцэл, Үйлчилгээний гэрээ, захиалгат байршуулалт)

• Лиценз (төхөөрөмж дээрх, суулгагдсан, OEM загвар) (NVIDIA)

Олон хиймэл оюун ухааны компаниуд тулгарч буй хурцадмал байдал:

• Үйлчлүүлэгчид урьдчилан таамаглаж болох зардлыг хүсдэг 😌

• Хиймэл оюун ухааны зардал хэрэглээ болон загварын сонголтоос хамааран хэлбэлзэж болно 😵

Тиймээс сайн хиймэл оюун ухааны компаниуд дараах зүйлсийг маш сайн хийдэг:

• боломжтой үед даалгавруудыг хямд загварууд руу чиглүүлэх

• кэшийн үр дүн

• багцлах хүсэлтүүд

• контекстийн хэмжээг хянах

• "Хязгааргүй түр зуурын спираль"-ийг үгүйсгэдэг UX зохион бүтээх (бид бүгд үүнийг хийсэн...)

---

Гол асуулт: Хиймэл оюун ухааны компанийг юу хамгаалж чадах вэ 🏰

Энэ бол хамгийн халуун хэсэг нь. Олон хүн шуудууг "манай загвар илүү дээр" гэж боддог. Заримдаа тийм байдаг ч ихэнхдээ ... үгүй.

Хамгаалалтын нийтлэг давуу талууд:

• Өмчийн мэдээлэл (ялангуяа домэйнд хамаарах)

• Түгээлт (хэрэглэгчид аль хэдийн амьдарч байгаа ажлын урсгалд суулгагдсан)

• Шилжилтийн зардал (интеграци, үйл явцын өөрчлөлт, багийн зуршил)

• Брэндийн итгэлцэл (ялангуяа өндөр эрсдэлтэй домэйнүүдийн хувьд)

• Үйл ажиллагааны шилдэг байдал (найдвартай хиймэл оюун ухааныг өргөн хүрээнд тээвэрлэх нь хэцүү) (Google Cloud MLOps)

• Хүний гогцоо дахь системүүд (эрлийз шийдлүүд нь цэвэр автоматжуулалтаас илүү гүйцэтгэлтэй байж болно) (NIST AI RMF, Европын Холбооны AI тухай хууль - хүний ​​хяналт (14-р зүйл))

Бага зэрэг эвгүй үнэн:
Хоёр компани ижил үндсэн загварыг ашиглаж болох ч үр дүн нь тэс өөр хэвээр байна. Ялгаа нь ихэвчлэн загварын эргэн тойрон дахь бүх зүйлд байдаг - бүтээгдэхүүний дизайн, үнэлгээ, өгөгдлийн давталт, алдааг хэрхэн зохицуулдаг.

---

Хиймэл оюун ухаанаар угаалга хийхийг хэрхэн таних вэ (өөрөөр хэлбэл "бид гялалзсан өнгө нэмээд үүнийгээ оюун ухаан гэж нэрлэдэг") 🚩

Хэрэв та хиймэл оюун ухааны компанийг байгальд юу болохыг үнэлж байгаа бол дараах аюулын дохионуудыг анхаарч үзээрэй

• Хиймэл оюун ухааны чадавхийг тодорхой тайлбарлаагүй: маш их маркетинг, механизм байхгүй

• Демо ид шид: гайхалтай демо, захын тохиолдлуудын талаар огт дурдаагүй

• Үнэлгээний түүх байхгүй: тэд найдвартай байдлыг хэрхэн шалгадаг талаар тайлбарлаж чадахгүй (Google Cloud MLOps)

• Гараар долгионтой өгөгдлийн хариултууд: өгөгдөл хаанаас ирсэн эсвэл хэрхэн зохицуулагддаг нь тодорхойгүй (NIST AI RMF)

• Хяналтын төлөвлөгөө байхгүй: тэд загварууд хазайдаггүй юм шиг жүжиглэдэг (IBM - Загварын хазайлт)

• Тэд бүтэлгүйтлийн горимыг тайлбарлаж чадахгүй: бүх зүйл "төгс төгөлдөр" (юу ч төгс биш) (OpenAI - хий үзэгдэл)

Ногоон тугнууд (тайвшруулах эсрэг тал) ✅:

• Тэд гүйцэтгэлийг хэрхэн хэмждэгээ харуулдаг

• Тэд сандралгүйгээр хязгаарлалтын талаар ярьдаг

• Тэд хүний ​​хяналт болон өргөжилттэй (NIST AI RMF, Европын Холбооны AI тухай хууль - хүний ​​хяналт (14-р зүйл))

• Тэд нууцлал болон нийцлийн хэрэгцээг ойлгодог (NIST AI RMF, Европын Холбооны AI хуулийн тойм)

• Тэд сэтгэл хөдлөлдөө автахгүйгээр "бид тэгдэггүй" гэж хэлж чадна 😅

---

Хэрэв та нэгийг бүтээж байгаа бол: хиймэл оюун ухааны компани болох практик шалгах хуудас 🧠📝

Хэрэв та “хиймэл оюун ухаанаар ажилладаг”-аас “хиймэл оюун ухаанаар ажилладаг компани” руу шилжих гэж байгаа бол дараах байдлаар ажиллах боломжтой арга зам байна

• Засахын тулд мөнгө төлж ч магадгүй хангалттай олон хүнд хохирол учруулдаг нэг ажлын урсгалаас эхэл

• Багажны үр дүнг эрт (хэмжээг нь тохируулахаас өмнө)

• Бодит хэрэглэгчийн тохиолдлуудаас үнэлгээний багц үүсгэх (Google Cloud MLOps)

• Эхний өдрөөс эхлэн санал хүсэлтийн давталт нэмэх

• Хашлага хашлагыг дараа нь бодож олоод хэрэггүй, харин дизайны нэг хэсэг болго (NIST AI RMF)

• Хэт их барьж болохгүй - найдвартай нарийн шаантагтай тээвэрлээрэй

• Байршуулалтыг сүүлийн алхам биш, бүтээгдэхүүн мэтээр авч үзээрэй (Google Cloud MLOps)

Түүнчлэн, үр дүнтэй эсрэг зөвлөгөө:

• Хиймэл оюун ухаан зөв байх үед биш, харин буруу байх үед юу болох талаар илүү их цаг зарцуул.
  Энэ бол итгэлцлийг олж авах эсвэл алдах явдал юм. (NIST AI RMF)

---

Төгсгөлийн хураангуй 🧠✨

Тэгэхээр ... хиймэл оюун ухааны компани гэж юу болох нь энгийн нэг асуултад хариулдаг:

Энэ бол хиймэл оюун ухаан нь чимэглэл биш, харин хөдөлгүүр нь болсон компани юм . Хэрэв та хиймэл оюун ухааныг арилгаад бүтээгдэхүүн нь утга учиртай болохоо больсон (эсвэл давуу талаа алдсан) бол та жинхэнэ хиймэл оюун ухааны компанийг харж байгаа байх. Хэрэв хиймэл оюун ухаан бол олон хэрэгслийн зөвхөн нэг нь юм бол үүнийг хиймэл оюун ухаанаар ажилладаг гэж нэрлэх нь илүү зөв юм.

Хоёулаа зүгээр. Дэлхий ертөнцөд хоёулаа хэрэгтэй. Гэхдээ та хөрөнгө оруулалт хийх, ажилд авах, програм хангамж худалдаж авах, эсвэл танд робот зарж байгаа юу эсвэл нүдтэй картон хайчилбар зарж байгаа юу гэдгийг олж мэдэх гэж оролдох үед шошго чухал юм 🤖👀

---

Бодит жишээ: Хиймэл оюун ухааны дэмжлэгийн ангиллын компани байгуулах 

Хувилбар

Жижиг стартап компани Shopify маягийн цахим худалдааны дэлгүүрүүдэд зориулж хиймэл оюун ухааны дэмжлэгийн ангиллын туслах бүтээж байна гэж төсөөлөөд үз дээ. Энэ бол жинхэнэ компанийн кейс судалгаа биш, харин зохиомол жишээ юм.

Энэ бүтээгдэхүүн нь зүгээр л тусламжийн ширээнд чатбот нэмдэггүй. Үүний гол ажил бол ирж буй хэрэглэгчийн саналыг унших, асуудлыг ангилах, хариу өгөх, буцаан олголтын эрсдэлийн тохиолдлуудыг тэмдэглэх, мэдрэмтгий аливаа зүйлийг хүний ​​агент руу чиглүүлэх явдал юм.

Хиймэл оюун ухааныг устгаснаар бүтээгдэхүүн нь ихэвчлэн үндсэн шошголох хэрэгсэл болж хувирдаг. Энэ нь гол утга нь ангилал, урьдчилсан таамаглал, сэргээлт, тасралтгүй сайжруулалтаас хамаардаг тул хиймэл оюун ухааныг идэвхжүүлсэн тусламжийн нэмэлтээс илүү хиймэл оюун ухааны компанитай илүү ойр болгодог.

Туслахад юу хэрэгтэй вэ

Туслагчийг үр дүнтэй болгохын тулд багт дараахь зүйлс хэрэгтэй болно

Хувийн мэдээллийг устгасан сүүлийн 3-6 сарын хэрэглэгчийн дэмжлэгийн тасалбарууд

Батлагдсан буцаан олголт, буцаалт, тээвэрлэлт болон хөнгөлөлтийн бодлогын жагсаалт

Хүний "сайн" хариултын жишээнүүд

Гэмтсэн бараа, хоцорсон хүргэлт, буцаан олголтын хүсэлт, захиалга дутуу, бүтээгдэхүүний асуулт, ууртай үйлчлүүлэгч гэх мэт тасалбарын ангиллын багц

Хиймэл оюун ухаан хариулахын оронд хэзээ даамжирч эхлэх ёстой вэ гэдэг дүрэм

Агентуудад зориулсан энгийн санал хүсэлтийн товчлуур: "хүлээн зөвшөөрсөн", "зассан" эсвэл "татгалзсан"

Жишээ заавар

Та цахим худалдааны дэлгүүрийн дэмжлэгийн ангиллын туслах юм. Харилцагчийн мессеж бүрийг уншаад дөрвөн зүйлийг буцаана уу: тасалбарын ангилал, яаралтай байдлын түвшин, санал болгосон хариулт, илгээхээсээ өмнө хүн шалгах шаардлагатай эсэх.

Буцаан олголтын маргаан, хууль эрх зүйн заналхийлэл, эмнэлгийн нэхэмжлэл, төлбөрийн асуудал, доромжилсон мессеж, үйлчлүүлэгчийн захиалгын мэдээлэл дутуу байгаа тохиолдлуудыг үргэлж хурцатгаж байгаарай.

Зөвхөн дэлгүүрийн батлагдсан бодлогын баримт бичгийг ашиглана уу. Хэрэв хариулт нь бодлогод байхгүй бол хүний ​​хяналт шаардлагатай гэж хэлээрэй. Буцаан олголтын дүрэм, хүргэлтийн огноо, хөнгөлөлтийн код эсвэл хяналтын мэдээллийг зохиож болохгүй.

Үүнийг хэрхэн шалгах вэ

Үүнийг жинхэнэ бүтээгдэхүүн болгон борлуулахаасаа өмнө баг нь жижиг үнэлгээний багц ажиллуулах хэрэгтэй.

Жишээ нь:

Зөв ангилал аль хэдийн мэдэгдэж байгаа 100 хуучин дэмжлэгийн тасалбарыг турших

Нэг мессежинд үг үсгийн алдаа, захиалгын дугаар дутуу, сэтгэл хөдлөлийн хэллэг эсвэл олон асуудалтай дор хаяж 20 төгс бус тасалбар оруулна уу

Хиймэл оюун ухааны ангиллыг хүний ​​ангилалтай харьцуул

Эскалация дүрмийг дагаж мөрдсөн эсэхийг шалгана уу

Санал болгож буй хариултуудыг "илгээх боломжтой", "засварлах шаардлагатай" эсвэл "буруу" гэж үнэлэхийг хоёр дэмжлэг үзүүлэгчээс хүс

Үр дүнг зөвхөн туршилтаар нэг удаа биш, долоо хоног бүр хянаж байгаарай

Үр дүн

Жишээ үр дүн: ажлын урсгалыг ашиглахаас өмнө болон дараа 100 дээжийн тасалбарын цагийг тооцоолоход үндэслэсэн.

Гараар ангилах: 100 тасалбар × тус бүр 2.5 минут = 250 минут

Хиймэл оюун ухааны тусламжтайгаар ангилах: 100 тасалбар × тус бүр 45 секундын хянах хугацаа = 75 минут

Хэмнэсэн хугацаа: 100 тасалбар тутамд 175 минут буюу 70%

Хөөргөхөөс өмнөх ангиллын нарийвчлалын зорилт: 100 тасалбараас дор хаяж 90 нь зөв ангилагдсан

Аюулгүй байдлын зорилтот түвшин: Шаардлагатай хүний ​​хяналт шалгалтын ангилалд 0 эскалация алгассан

Худалдан авагч өөрийн тусламжийн ширээн дотор 100 тасалбарын тестийг ажиллуулж, хиймэл оюун ухааны ангиллыг түүхэн хүний ​​​​шошготой харьцуулж эдгээр тоонуудыг баталгаажуулж болно.

Юу буруу болж болох вэ

Хамгийн том эрсдэл нь хиймэл оюун ухаан муу сонсогдож байгаад биш, харин буруу байгаа ч өөртөө итгэлтэй сонсогдож байгаад оршино.

Нийтлэг алдаануудад дараахь зүйлс орно

Хиймэл оюун ухаан зөвшөөрч чадахгүй байгаа буцаан олголтыг амлах

Хуучирсан бодлогын баримт бичгүүдийг ашиглах

Зөв чиглүүлэлтийн оронд зөвхөн "сайхан харагдах хариултууд"-ыг хэмжих

Буцаан олголт, аюул заналхийлэл эсвэл эмзэг үйлчлүүлэгчид гэх мэт зах зээлийн тохиолдлуудыг үл тоомсорлох

Өндөр эрсдэлтэй тасалбарын хүний ​​хяналтыг алгасах

Юуг туршсанаа тайлбарлалгүйгээр "95% автоматжуулалт" гэж мэдэгдэж байна

Ноцтой хиймэл оюун ухааны компани эдгээрийг эвгүй тайлбар биш харин бүтээгдэхүүний дизайны асуудал гэж үзэх болно.

Практик хоол

Энэ жишээ нь жинхэнэ хиймэл оюун ухааны үнэ цэнэ болон хиймэл оюун ухааны чимэглэлийн хоорондох ялгааг харуулж байна. Тус компани нь стек доторх хаа нэгтээ загвар ашигладаг учраас "хиймэл оюун ухаан" биш юм. Энэ нь хиймэл оюун ухааны компани юм, учир нь ангилал, сэргээлт, үнэлгээ, өргөтгөл, санал хүсэлтийн гогцоо нь бүтээгдэхүүний хөдөлгүүр юм.

Түгээмэл асуултууд

Хиймэл оюун ухаант компани болон хиймэл оюун ухаант компанийг юу харьцуулдаг вэ?

Хиймэл оюун ухаанаар ажилладаг компани нь гол бүтээгдэхүүн, үнэ цэнэ эсвэл өрсөлдөх давуу тал нь хиймэл оюун ухаанаас хамаардаг компани юм - хиймэл оюун ухааныг хасвал санал нь унах эсвэл эрс мууддаг. Хиймэл оюун ухаанаар ажилладаг компани үйл ажиллагаагаа сайжруулахын тулд хиймэл оюун ухааныг ашигладаг (урьдчилсан мэдээ гаргах эсвэл залилан мэхлэлтийг илрүүлэх гэх мэт) боловч үндсэндээ хиймэл оюун ухаанаас бусад зүйлийг зардаг. Энгийн тест: хэрэв хиймэл оюун ухаан маргааш бүтэлгүйтэж, та үндсэн програм хангамжаар ажиллаж чадвал та хиймэл оюун ухаанаар ажилладаг байх магадлалтай.

Бизнес үнэхээр хиймэл оюун ухааны компани мөн эсэхийг би хэрхэн хурдан мэдэх вэ?

Хэрэв хиймэл оюун ухаан ажиллахаа больвол юу болохыг авч үзье. Хэрэв хэрэглэгчид төлбөрөө төлсөөр байгаа бөгөөд бизнес нь хүснэгт эсвэл уламжлалт програм хангамжтай хамт суларч байвал энэ нь хиймэл оюун ухаанд суурилсан биш байх магадлалтай. Жинхэнэ хиймэл оюун ухааны компаниуд мөн тодорхой үйл ажиллагааны нэр томьёогоор ярих хандлагатай байдаг: үнэлгээний багц, хоцрогдол, шилжилт, хий үзэгдэл, хяналт, алдааны горимууд. Хэрэв энэ бүхэн маркетинг бөгөөд механизмгүй бол энэ нь аюултай дохио юм.

Хиймэл оюун ухааны компани болохын тулд та өөрийн загвараа сургах шаардлагатай юу?

Үгүй. Олон хиймэл оюун ухааны компаниуд одоо байгаа загварууд дээр үндэслэн хүчтэй бүтээгдэхүүн бүтээдэг бөгөөд хиймэл оюун ухаан нь бүтээгдэхүүний хөдөлгүүр болсон үед ч гэсэн хиймэл оюун ухаанд суурилсан бүтээгдэхүүн гэж тооцогддог. Хамгийн чухал нь загвар, өгөгдөл, үнэлгээ, давталтын давталт нь гүйцэтгэл болон ялгаралтыг бий болгодог эсэх юм. Өмчийн өгөгдөл, ажлын урсгалын интеграци, нарийн үнэлгээ нь эхнээс нь сургалт явуулаагүй ч жинхэнэ давуу талыг бий болгож чадна.

Хиймэл оюун ухааны компаниудын үндсэн төрлүүд юу вэ, тэдгээр нь юугаараа ялгаатай вэ?

Нийтлэг төрөлд суурь загвар бүтээгчид, босоо хиймэл оюун ухааны аппликейшнууд (хууль эрх зүйн эсвэл эмнэлгийн хэрэгсэл гэх мэт), мэдлэгийн ажлын хамтран туршилтын програмууд, MLOps/загварын үйлдлийн платформууд, өгөгдөл болон шошгоны бизнесүүд, захын/төхөөрөмж дээрх хиймэл оюун ухаан, зөвлөх үйлчилгээ/интеграторууд, үнэлгээ/аюулгүй байдлын хэрэгслийн үйлчилгээ үзүүлэгчид орно. Тэд бүгд "хиймэл оюун ухааны компаниуд" байж болох ч тэд маш өөр зүйл зардаг: загварууд, бэлэн бүтээгдэхүүнүүд эсвэл үйлдвэрлэлийн хиймэл оюун ухааныг найдвартай, удирдах боломжтой болгодог дэд бүтэц.

Хиймэл оюун ухааны компаниудын ердийн стек ямар харагддаг вэ?

Олон хиймэл оюун ухааны компаниуд ойролцоогоор нэг стекийг хуваалцдаг: өгөгдлийн давхарга (цуглуулга, шошгололт, засаглал, санал хүсэлтийн давталт), загварын давхарга (үндсэн загвар сонгох, нарийн тохируулга, RAG/вектор хайлт, үнэлгээний багц), бүтээгдэхүүний давхарга (тодорхойгүй байдлын UX, хамгаалалтын хашлага, ажлын урсгалын интеграци) болон үйл ажиллагааны давхарга (хэвийлт, ослын хариу арга хэмжээ, зардлын хяналт, аудит)). Хүний үйл явц - хянагч, өсөлт, чанарын баталгаа - ихэвчлэн тааламжгүй гол тулгуур болдог.

Хиймэл оюун ухааны компани зөвхөн туршилтын үзүүлбэрүүд төдийгүй "жинхэнэ ажил" хийж байгааг ямар үзүүлэлтүүд харуулж байна вэ?

Илүү хүчтэй дохио бол бүтээгдэхүүнтэй холбоотой хэмжигдэхүйц үр дүн юм: нарийвчлал, цаг хэмнэсэн, зардал буурсан, алдаа багатай эсвэл хөрвүүлэлт өндөр байх - эдгээр үзүүлэлтийг үнэлэх, хянах тодорхой аргатай хослуулсан. Бодит багууд жишиг үзүүлэлтүүдийг бий болгож, давуу талуудыг туршиж, байршуулсны дараа гүйцэтгэлийг хянадаг. Тэд мөн загвар нь зөвхөн зөв үед биш, харин хэзээ буруу байгааг төлөвлөдөг, учир нь итгэлцэл нь алдааг зохицуулахаас хамаардаг.

Хиймэл оюун ухааны компаниуд хэрхэн мөнгө олдог вэ, худалдан авагчид ямар үнийн зангануудыг анхаарах ёстой вэ?

Нийтлэг загваруудад хэрэглээнд суурилсан үнэ (хүсэлт/токен/даалгавар тус бүр), суудал дээр суурилсан захиалга, үр дүнд суурилсан үнэ (ховор), SLA-тай байгуулсан аж ахуйн нэгжийн гэрээ, суулгагдсан эсвэл төхөөрөмж дээрх хиймэл оюун ухааны лиценз зэрэг орно. Гол зөрчилдөөн нь урьдчилан таамаглах чадвар юм: хэрэглэгчид тогтвортой зардлыг хүсдэг бол хиймэл оюун ухааны зардал нь хэрэглээ болон загварын сонголтоос хамааран хэлбэлзэж болно. Хүчирхэг борлуулагчид үүнийг хямд загварууд руу чиглүүлэх, кэш хийх, багцлах, контекстийн хэмжээг хянах замаар зохицуулдаг.

Хэрэв хүн бүр ижил төстэй загваруудыг ашиглаж чадвал хиймэл оюун ухааны компанийг юу хамгаалж чадах вэ?

Ихэнхдээ шуудуу нь зүгээр л "илүү сайн загвар" биш юм. Хамгаалалт нь өмчийн домэйн өгөгдөл, хэрэглэгчид аль хэдийн амьдарч буй ажлын урсгалын доторх тархалт, интеграци болон зуршлаас зардлыг шилжүүлэх, өндөр эрсдэлтэй салбаруудад брэндийн итгэлцэл, найдвартай хиймэл оюун ухааныг тээвэрлэх үйл ажиллагааны шилдэг байдлаас үүдэлтэй байж болно. Хүний оролцоотой системүүд нь цэвэр автоматжуулалтаас илүү гүйцэтгэлтэй байж болно. Хоёр баг ижил загварыг ашиглаж, эргэн тойрон дахь бүх зүйл дээр үндэслэн маш өөр үр дүнд хүрч чадна.

Борлуулагч эсвэл стартапыг үнэлэхдээ хиймэл оюун ухааны угаалгыг хэрхэн таних вэ?

Тодорхой хиймэл оюун ухааны чадваргүй, тодорхой бус мэдэгдэл, захын тохиолдолгүй "демо ид шид", үнэлгээ, өгөгдлийн засаглал, хяналт, алдааны горимыг тайлбарлах чадваргүй байхыг анхаараарай. "Бараг төгс" гэх мэт хэт өөртөө итгэлтэй мэдэгдэл нь бас нэг анхааруулах тэмдэг юм. Ногоон тугуудад ил тод хэмжилт, тодорхой хязгаарлалт, хэлбэлзлийн хяналтын төлөвлөгөө, хүний ​​хяналт эсвэл өсөлтийн замыг сайн тодорхойлсон зэрэг орно. "Бид үүнийг хийдэггүй" гэж хэлж чаддаг компани бүх зүйлийг амладаг компаниас илүү найдвартай байдаг.

Лавлагаа

1. OECD - oecd.ai

2. OECD - oecd.org

3. Үндэсний Стандарт, Технологийн Хүрээлэн (NIST) - NIST AI RMF (AI 100-1) - nist.gov

4. NIST хиймэл оюун ухааны эрсдэлийн удирдлагын хүрээ (AI RMF) гарын авлага - Хэмжилт - nist.gov

5. Google Cloud - MLOps: Машин сургалтын тасралтгүй хүргэлт ба автоматжуулалтын шугам хоолой - google.com

6. Google - MLOps-ийн мэргэжилтний гарын авлага (Цагаан цаас) - google.com

7. Google Cloud - MLOps гэж юу вэ? - google.com

8. Datadog - LLM үнэлгээний хүрээний шилдэг туршлагууд - datadoghq.com

9. IBM - Загварын шилжилт - ibm.com

10. OpenAI - Хэлний загварууд яагаад хий үзэгдэлтэй байдаг вэ - openai.com

11. OpenAI - API үнэ - openai.com

12. OpenAI тусламжийн төв - Токен гэж юу вэ, тэдгээрийг хэрхэн тоолох вэ - openai.com

13. Microsoft - Microsoft 365 Copilot-н үнэ - microsoft.com

14. MIT Слоаны Менежментийн Сургууль - Яагаад өгөгдөлд төвлөрсөн хиймэл оюун ухааны цаг болсон бэ - mit.edu

15. NVIDIA - Хиймэл оюун ухаан гэж юу вэ? - nvidia.com

16. IBM - Edge ба үүлэн хиймэл оюун ухаан - ibm.com

17. Uber - Машины дадлагын загвар байршуулах аюулгүй байдлын түвшинг дээшлүүлж байна - uber.com

18. Олон улсын стандартчиллын байгууллага (ISO) - ISO/IEC 42001 тойм - iso.org

19. arXiv - Мэдлэгийг эрчимжүүлсэн NLP даалгавруудад зориулсан сэргээн засварлах-өргөтгөсөн үе (Lewis et al., 2020) - arxiv.org

20. Oracle - Вектор хайлт - oracle.com

21. Хиймэл Оюун Ухааны тухай хууль (ЕХ) - Хүний хяналт (14-р зүйл) - artificialintelligenceact.eu

22. Европын Комисс - Хиймэл оюун ухааны зохицуулалтын хүрээ (Хиймэл оюун ухааны тухай хуулийн тойм) - europa.eu

23. YouTube - youtube.com

24. Хиймэл оюун ухааны туслах дэлгүүр - Хиймэл оюун ухааныг дээшлүүлэх нь хэрхэн ажилладаг вэ - aiassistantstore.com

25. Хиймэл оюун ухааны туслах дэлгүүр - Хиймэл оюун ухааны код ямар харагддаг вэ - aiassistantstore.com

26. Хиймэл оюун ухааны туслах дэлгүүр - Хиймэл оюун ухааны алгоритм гэж юу вэ - aiassistantstore.com

27. Хиймэл оюун ухааны туслах дэлгүүр - Хиймэл оюун ухааны урьдчилсан боловсруулалт гэж юу вэ - aiassistantstore.com

Албан ёсны хиймэл оюун ухааны туслах дэлгүүрээс хамгийн сүүлийн үеийн хиймэл оюун ухааныг олоорой

Бидний тухай