تزايد القدرة التجارية هو معلم بارز يظهر حيث يبحث الشركات عن حافة تكتيكية من خلال تطبيق تقنيات الذكاء الاصطناعي التي تولد بيانات نصية وصور، المعروفة باسم “الذكاء الاصطناعي الإبداعي”. من بين الآفاق الأكثر إثارة للاهتمام للشركات هو التحول من النماذج اللغوية الكبيرة العامة إلى النماذج اللغوية الكبيرة المخصصة التي تشغلها الشركات بشكل خاص.
النماذج اللغوية الكبيرة العامة تتم تدريبها على بيانات متاحة على نطاق واسع، ولكن تواجه الشركات ثلاث مخاوف رئيسية عند استخدام هذه النماذج. أولًا، هناك خطر انتهاك خصوصية البيانات، حيث تمر البيانات المُقدَّمة للنماذج اللغوية الكبيرة غالبًا عبر خوادم تابعة لأطراف ثالثة. يجب على الشركات أن تمارس الحذر عند الاعتماد على معلومات الشركة الحساسة أو البيانات الشخصية التي يمكن تحديدها. بالإضافة إلى ذلك، يمكن أن تكون شفافية النماذج اللغوية الكبيرة مشكوكًا فيها، نظرًا لطبيعتها “الصندوق الأسود” حيث يظل عملية اتخاذ القرار غامضة. وأخيرًا، يعتمد دقة إجابة النموذج اللغوي الكبير بشكل كبير على جودة بيانات التدريب، مما يثير مخاوف حول تناسق البيانات واحتمال حدوث الإشاعات أو الانحياز.
وسط هذه التحديات، تفرض بعض الشركات قيودًا أو تمنع حتى استخدامها. يُعترف كبير مستشاري SAP، يورغن مولر، بفائدة النماذج اللغوية الكبيرة ولكنه يشير إلى صعوبة تطبيقها بشكل فعال في الأعمال دون الوصول إلى معلومات الشركة الحديثة الخاصة.
تجذب الشركات تطوير النماذج اللغوية الكبيرة الخاصة بها للتغلب على المخاطر المرتبطة بالنماذج العامة. من خلال دمج هذه النماذج المخصصة مع بياناتها الخاصة، يمكن للشركات تحسين دقة الاستجابة وضمان نشر آمن للنماذج اللغوية الكبيرة. تأتي مثالًا على هذه الابتكار من برايس ووترهاوس كوبرز (PwC)، الذي عدل أداة مساعدة AI الضريبية التي تم تدريبها على النصوص القانونية ودراسات الحالة وملكية PwC. من خلال تحديث البيانات بانتظام ليعكس التغييرات في قانون الضرائب، توفر النماذج اللغوية الكبيرة الخاصة بـ PwC معلومات أكثر دقة وشفافية وموثوقية في مجال الضرائب مقارنة بالنماذج اللغوية الكبيرة العامة التقليدية.
The source of the article is from the blog reporterosdelsur.com.mx