Forbedret forretningsforståelse er ved at opstå, mens virksomheder søger et taktisk forspring med implementeringen af AI-teknologier, der genererer tekst- og billeddata, kendt som “generative AI.” Blandt de mest fascinerende muligheder for virksomheder er skiftet fra offentlige store sprogmodeller (LLM’er) til skræddersyede, privatdriftede LLM’er.
Offentlige LLM’er er trænet på lettilgængelige data, men virksomheder står over for tre hovedbekymringer, når de bruger disse modeller. For det første er der en risiko for overtrædelse af datasikkerhed, da data, der sendes til LLM’er, ofte går gennem tredjeparts servere. Virksomheder skal udvise forsigtighed, når de udnytter følsomme firmainformationer eller personlige identificerbare data. Derudover kan gennemsigtigheden af LLM’er være tvivlsom på grund af deres ‘black box’ natur, hvor beslutningsprocessen forbliver skjult. Endelig er nøjagtigheden af en LLM’s svar i høj grad afhængig af kvaliteten af dens træningsdatasæt, hvilket rejser bekymringer om datakonsistens og muligheden for misinformation eller bias.
I lyset af disse udfordringer pålægger nogle virksomheder begrænsninger eller endda forbyder deres brug. SAP’s CTO, Jürgen Müller, anerkender LLM’ernes nytte, men påpeger vanskelighederne ved at anvende dem effektivt i virksomhedssammenhænge uden adgang til opdaterede, virksomhedsspecifikke oplysninger.
Virksomheder tiltrækkes i stigende grad af at udvikle deres private LLM’er for at overvinde risiciene forbundet med offentlige modeller. Ved at kombinere disse skræddersyede modeller med deres proprietære data kan virksomheder optimere svarenes nøjagtighed og sikre den sikre implementering af LLM’er. Et eksempel på en sådan innovation kommer fra PricewaterhouseCoopers (PwC), som tilpassede sit skatte-AI-assistentværktøj trænet på juridiske tekster, cases og PwC’s intellektuelle ejendom. Ved regelmæssigt at opdatere data for at afspejle ændringer i skattelovgivningen giver PwC’s private LLM mere præcis, gennemsigtig og pålidelig information inden for skatteområdet sammenlignet med konventionelle offentlige LLM’er.
The source of the article is from the blog cheap-sound.com