تقریباً از یک سال پیش که ChatGPT منتشر شد، هوش مصنوعی مولد روزبه‌روز بیشتر رشد می‌کند؛ به طوری که شرکت ها به طور مداوم هر روز مدل‌های هوش مصنوعی را توسعه می‌دهند یا می‌پذیرند. گزارش جدید گارتنر نشان می‌دهد که این رشد در سال‌های آینده روند صعودی خود را حفظ خواهد کرد. این موسسه تحقیقاتی پیش‌بینی می‌کند که 80 درصد شرکت ها تا سال 2026 از APIهای مولد هوش مصنوعی (رابط برنامه‌نویسی) یا مدل‌هایی که توسط خودشان یا سایر شرکت‌ها توسعه یافته، استفاده خواهند کرد.
این بدان معناست که تنها طی سه سال، تعداد کسب‌وکارهایی که مدل‌های هوش مصنوعی مولد را اتخاذ کرده یا ایجاد می‌کنند، 16 برابر خواهد شد. زیرا طبق داده‌های گارتنر، کمتر از 5 درصد از شرکت‌ها در سال 2023 این کار را انجام داده‌اند.
آرون چاندراسکاران، معاون تحلیلگر برجسته در گارتنر می‌گوید: هوش مصنوعی مولد به اولویت اصلی مدیران ارشد تبدیل شده و باعث نوآوری فوق‌العاده‌ای در ابزارهای جدید و فراتر از مدل‌های پایه می‌شود.
این شرکت تحقیقاتی به برخی از نوآوری‌هایی که پیش‌بینی می‌شود در ده سال آینده تأثیرات گسترده‌ای بر سازمان‌ها بگذارد، از جمله برنامه‌های کاربردی مبتنی‌بر هوش مصنوعی، مدل‌های بنیادی، و هوش مصنوعی، اعتماد، ریسک و مدیریت امنیت (AI TRiSM) اشاره کرد.
برنامه‌های کاربردی مبتنی‌بر هوش مصنوعی مولد آنهایی هستند که از هوش مصنوعی مولد برای تکمیل کاری خاص استفاده می‌کنند. ChatGPT نمونه‌ای از برنامه‌های مولد فعال با هوش مصنوعی است، زیرا از هوش مصنوعی برای ترکیب پیام‌های متنی شما و ایجاد پاسخ استفاده می‌کند.
سازمان‌ها می‌توانند این برنامه‌ها را برای تسهیل کار کارمندان یا ارائه تجربیاتی برای مشتریان که خدمات و تجربه مشتری را بهبود می‌بخشد، اتخاذ کنند.
چاندراسکاران در این گزارش می‌گوید: متداول‌ترین الگوی امروزی برای قابلیت‌های تعبیه‌شده در GenAI، دسترسی کارمندان به کارهای تخصصی را از طریق مهندسی سریع با استفاده از زبان طبیعی به‌طور عمومی پیاده‌سازی می‌کند.
به عنوان مثالی بارز می‌توان به تعداد فزاینده شرکت های مشاوره‌ای که مدل‌های هوش مصنوعی خود را به کار می‌گیرند یا در حال توسعه هستند تا مشتریان بتوانند منابع مورد نیاز خود را از پایگاه‌های اطلاعاتی گسترده شرکت آسان‌تر پیدا کنند، اشاره کرد.
چالش‌های استفاده از هوش مصنوعی
چالشی که در مواجهه با این برنامه‌ها ایجاد می‌شود، این است که آنها مستعد توهم و پاسخ‌های نادرست هستند. همین امر قابل‌اطمینان‌بودن آنها را زیر سوال می‌برد.
مدل‌های بنیادی به مدل‌های یادگیری ماشینی اشاره دارند که زیربنای برنامه‌های هوش مصنوعی مولد هستند؛ برای مثال، GPT برای ChatGPT.
مدل‌های پایه بر روی حجم زیادی از داده‌ها آموزش داده می‌شوند و برای تامین انرژی برنامه‌های مختلف استفاده می‌شوند که می‌توانند طیف گسترده‌ای از وظایف را تکمیل کنند.
گارتنر مدل‌های پایه را در اوج انتظارات متورم در چرخه هیپ قرار داد و پیش‌بینی کرد که تا سال 2027، 60 درصد موارد استفاده از پردازش زبان طبیعی (NLP) را پشتیبانی خواهند کرد.
چاندراسکاران اضافه کرد: رهبران فناوری باید با مدل‌هایی با دقت بالا در تابلوهای امتیازات عملکردی شروع کنند، مدل‌هایی که از پشتیبانی اکوسیستم برتر برخوردارند و نرده‌های محافظ سازمانی کافی در مورد امنیت و حریم خصوصی دارند.
در نهایت، AI TRiSM به مجموعه راه‌حل‌هایی اشاره می‌کند که می‌تواند به مشکلاتی که مدل‌های هوش مصنوعی مولد را احاطه می‌کند، رسیدگی کرده و استقرار موفقیت‌آمیز آنها را تضمین کند.
برخی از ضعف‌های احتمالی مدل‌های هوش مصنوعی مولد عبارتند از: قابلیت اطمینان، اطلاعات غلط، تبعیض و تعصب، مشکلات مربوط به حریم خصوصی و مسائل مربوط به کپی رایت.
اگر این موارد به اندازه کافی مورد توجه قرار نگیرند می‌توانند برای سازمان‌ها مضر باشند. زیرا خطر درز داده‌های حساس و انتشار اطلاعات نادرست سراسر سازمان را تهدید می‌کند.
چاندراسکاران گفت: سازمان‌هایی که ضعف‌های هوش مصنوعی را به‌طور مداوم مدیریت نمی‌کنند، به‌طور تصاعدی تمایل دارند تا نتایج نامطلوبی مانند شکست‌ها و نقض‌های پروژه را تجربه کنند.
بنابراین AI TRiSM برای سازمان‌ها جهت به‌حداقل‌رساندن این خطرات و محافظت از اعضای سازمانشان بسیار مهم است.
دیدگاهتان را بنویسید