Еще в мае 2024 года Tata Consultancy Services (TCS) провела исследование, которое показало, что компании хотели использовать ИИ для инноваций и роста доходов, но не знали, как это сделать.
Теперь TCS заключила партнерское соглашение с Nvidia, чтобы ускорить внедрение искусственного интеллекта в ряде отраслей, используя свою инфраструктуру для разработки индивидуальных решений искусственного интеллекта для таких отраслей, как производство, автомобилестроение, финансы и розничная торговля, на основе больших языковых моделей.
Я поговорил с Анупамом Сингхалом, президентом производственного отдела TCS, о том, как работают эти инструменты искусственного интеллекта, какую пользу они могут принести бизнесу и как снизить риски использования искусственного интеллекта (если таковые имеются) в этих отраслях.
Содержание
- 1 Когда вы думаете о языковых моделях, на ум не сразу приходит производственная или автомобильная промышленность. Можете ли вы рассказать мне больше о связи между языковыми моделями и о том, как они могут помочь производству и ряду других отраслей?
- 2 TCS оптимизирует программы LLM на основе отраслевого опыта. Что входит в этот процесс и какие гарантии существуют, чтобы гарантировать, что модель не дает неоптимальных предложений для решения отраслевых проблем?
- 3 Существует ли риск того, что человеческий опыт будет потерян, поскольку мы все больше полагаемся на ИИ?
Когда вы думаете о языковых моделях, на ум не сразу приходит производственная или автомобильная промышленность. Можете ли вы рассказать мне больше о связи между языковыми моделями и о том, как они могут помочь производству и ряду других отраслей?
Хотя на первый взгляд языковые модели могут показаться более подходящими для текстовых задач, и мы часто связываем их со сценариями использования B2C, они также обладают значительным потенциалом для революционного преобразования таких отраслей, как производство и автомобилестроение, как в B2B, так и в B2B2C случаях.
Мы уже видим, как этот потенциал реализуется благодаря нашим решениям для производства, готового к будущему. Здесь мы также меняем циклы ремонта и обслуживания, а также профилактическое обслуживание. Мы используем языковые модели для анализа исторических данных и выявления закономерностей, которые могут помочь выявить потенциальные сбои оборудования, сократить время простоев и оптимизировать графики технического обслуживания. Кроме того, используя генеративный искусственный интеллект и SLM (специализированные языковые модели), мы можем преобразовать повседневную деятельность специалиста по ремонту и обслуживанию, чтобы сократить время, необходимое в цикле ремонта/обслуживания.
Языковые модели также меняют устойчивость цепочки поставок. Анализируя данные о цепочке поставок, эти модели могут оптимизировать уровень запасов, улучшить логистику и смягчить сбои в цепочке поставок.
TCS оптимизирует программы LLM на основе отраслевого опыта. Что входит в этот процесс и какие гарантии существуют, чтобы гарантировать, что модель не дает неоптимальных предложений для решения отраслевых проблем?
Точная настройка LLM для конкретных отраслевых приложений — это тщательный процесс. Во-первых, мы создаем высококачественный отраслевой набор данных, используя наш отраслевой опыт и клиентскую экосистему, гарантируя, что он охватывает широкий спектр сценариев и крайних случаев. Затем мы используем предварительно обученные и сразу готовые к использованию языковые модели в качестве основы и оптимизируем их на основе отраслевых наборов данных.
Затем наши инженеры играют решающую роль в мониторинге производительности модели, обеспечении обратной связи и внесении необходимых корректировок. За счет ввода интуитивных корректировок и неявных знаний точность модели повышается. После того как эти сведения собраны и введены в модель, мы внедряем строгие этические принципы, чтобы гарантировать, что модель генерирует справедливые и объективные результаты. Подход TCS к мониторингу на основе агентов определяет соответствующие ограничения для обеспечения непрерывного мониторинга ответов.
Наш недавно выпущенный пакет TCS Manufacturing AI for Industrials, построенный на технологическом стеке NVIDIA, является прекрасным примером точно настроенного LLM/SLM для этого сектора.
Хотя наши технологии являются передовыми, мы рассматриваем их как средство для достижения цели, а не саму цель. Ее главная цель — изменить повседневную жизнь граждан. Наши решения призваны поддерживать людей, а не заменять их. Хотя ИИ может выполнять рутинные задачи, анализировать большие объемы данных и выявлять закономерности, которые в противном случае были бы упущены, человеческое суждение, креативность и критическое мышление по-прежнему необходимы для принятия сложных решений и определения стратегического направления.
Наша цель — создать синергетические отношения, в которых ИИ дополняет человеческие возможности и позволяет нам достигать большей эффективности и инноваций. Например, мы помогли крупной компании, производящей строительные материалы, вывести предложение на рынок в 1,5 раза быстрее, используя генеративный искусственный интеллект для получения ключевой информации о правильной конфигурации и автоматизации создания проектов предложений. Это усилило производительность труда рабочих, а не заменило их.
Хотя LLM могут давать результаты, имитирующие обучающие данные, а в некоторых случаях генерация данных может быть синтетической, LLM также способны генерировать новые идеи и творческие решения для множества различных отраслевых проблем. Анализируя большие объемы данных и выявляя основные закономерности, эти модели могут раскрыть скрытые возможности и инновационные подходы, которые могут быть не очевидны для экспертов.
Например, TCS в настоящее время разрабатывает решение под названием Mobility AI, которое является частью нашего пакета TCS Mobility Suite. Одним из вариантов использования этого решения является расшифровка знака парковки с интервалом в микросекунду и рекомендация следующего наилучшего действия. Эти идеи позволяют принимать решения, которые люди не могут принять в этот микромомент поездки водителя, и иллюстрируют, как GenAI может изменить этот опыт в будущем мобильности.
Однако важно отметить, что ИИ — это инструмент, и его эффективность зависит от того, как он используется. Человеческое лидерство и надзор имеют решающее значение для обеспечения ответственного и этичного использования ИИ.
Существует ли риск того, что человеческий опыт будет потерян, поскольку мы все больше полагаемся на ИИ?
ИИ не умаляет человеческий опыт, а, скорее, может его повысить. Автоматизируя рутинные задачи, ИИ позволяет работникам сосредоточиться на более ценных видах деятельности, требующих творчества, решения проблем и сочувствия. Кроме того, ИИ может предоставить ценную информацию и поддержку, позволяя людям принимать более обоснованные решения. Ключевым моментом является рассмотрение ИИ как инструмента, который расширяет возможности людей, а не угрозы. Работая вместе, люди и ИИ могут добиться замечательных результатов.
Больше от TechRadar Pro
