Den kunstige intelligens (AI) har oplevet bemærkelsesværdige fremskridt inden for feltet for generativ AI, hvilket har ført til en misforståelse blandt ledere om, at alle andre AI-teknologier vil blive overflødige. Dog er denne overvægtige fokus på generativ AI kontraproduktiv og begrænser potentialet for AI. Nøglen til at frigøre AI’s kraft ligger i at vedtage en sammenhængende og strategisk tilgang, der kombinerer generativ AI med andre former for AI.
I bund og grund besidder alle moderne AI-teknologier den grundlæggende evne til at genkende mønstre og lære af data. De forskellige typer af AI excellerer i forskellige anvendelser baseret på deres styrker. Generativ AI, såsom store sprogmodeller, bruges primært til indholdsoprettelse og kreativ problemløsning. På den anden side udnytter forudsigende AI, som har eksisteret i årevis, historiske data til at forudsige fremtidige begivenheder og give anbefalinger til beslutningstagning.
Misforståelsen opstår fra tendensen til at segregere AI-ressourcer, hvilket bremser AI’s fulde potentiale. Virksomheder undlader ofte at indse, at kombinationen af generativ og forudsigende AI kan producere overlegne resultater. Segmenterede tilgange ikke blot bremser adoptionen af AI, men bringer også investeringerne i forudsigende AI i fare, på trods af dets påviste afkast.
Fremtiden for AI ligger i at vedtage en En-I-tilgang, hvor virksomheder integrerer forskellige AI-teknologier i end-to-end-systemer, der er i stand til at udføre forskellige opgaver. Kyndige virksomheder har allerede omfavnet denne tilgang, hvilket gør det muligt for dem at skalere applikationer effektivt. De, som undlader at opbygge den nødvendige arkitektur til en En-I-tilgang nu, vil kæmpe for at indhente i fremtiden, når denne integrerede tilgang bliver mainstream.
Et bemærkelsesværdigt casestudie, der illustrerer kraften i En-I-tilgangen, er det bioteknologiske firma Insilico Medicine. Ved at kombinere generativ og forudsigende AI revolutionerede de processen for lægemiddeludvikling, hvilket markant reducerede omkostninger og tid. Traditionelt tager det adskillige år og millioner af dollars at få et lægemiddel til forsøgsstadiet. Insilico designede dog verdens første AI-designet stof på kun 18 måneder og til en brøkdel af omkostningerne.
I processen med at opdage lægemidler identificerede forudsigende AI målmolekyler relateret til en sjælden lungesygdom. Informationen blev derefter krydsrefereret med eksisterende viden for at identificere huller. Generativ AI blev derefter brugt til at udvikle potentielle stoflignende molekyler fra bunden. Forudsigende AI-algoritmer valgte de mest lovende molekyler til yderligere kliniske forsøg. Uden kombinationen af forudsigende og generativ AI ville de muligheder, som Insilico havde til rådighed, have været begrænsede.
For at vedtage en En-I-tilgang skal virksomheder forstå de forskellige interaktionsmåder for AI-teknologier. Tre udbredte tilstande er sekventiel, feedback-loop og standalone. Sekventiel tilstand indebærer, at man fodrer en AI-modells output ind i en anden. Feedback-loop-tilstand giver AI-modeller mulighed for iterativt at kommunikere og forbedre hinanden. Standalone-tilstand refererer til brugen af AI-modeller uafhængigt som integrerede komponenter i en større løsning.
Valget af tilstand afhænger af det specifikke forretningsproblem, der skal løses. Dog bør der opretholdes en En-I-perspektiv, selv når der bruges standalone-komponenter. Over tid, når AI og teknologi udvikler sig, forventes standalone-tilstand at blive undtagelsen snarere end normen.
**Ofte Stillede Spørgsmål (FAQ)**
**Q1: Hvad er generativ AI?**
A1: Generativ AI refererer til AI-teknologier, der primært bruges til indholdsoprettelse og kreativ problemløsning.
**Q2: Hvad er forudsigende AI?**
A2: Forudsigende AI bruger historiske data til at forudsige fremtidige begivenheder, forvente adfærd og give anbefalinger til beslutningstagning.
**Q3: Hvad er En-I-tilgangen?**
A3: En-I-tilgangen er en strategisk tilgang til AI, der kombinerer forskellige AI-teknologier, herunder generativ og forudsigende AI, for at opnå overlegne resultater.
**Q4: Hvordan kan AI-teknologier interagere med hinanden?**
A4: AI-teknologier kan interagere i sekventiel tilstand, hvor output fra en model bliver input til en anden model; feedback-loop-tilstand, hvor modeller iterativt kommunikerer og forbedrer hinanden; eller standalone-tilstand, hvor modeller bruges uafhængigt men stadig bidrager til en integreret løsning.
**Q5: Hvorfor er det vigtigt at vedtage en En-I-tilgang?**
A5: Ved at vedtage en En-I-tilgang tillader virksomheder at frigøre det fulde potentiale af AI ved at integrere forskellige AI-teknologier i end-to-end-systemer, der er i stand til at udføre forskellige opgaver. Denne tilgang muliggør skalering og bedre problemløsningsevner.
The source of the article is from the blog jomfruland.net