4 sposoby na pokonanie największych obaw związanych z generatywną sztuczną inteligencją

Generatywna sztuczna inteligencja może wydawać się magią, ale musisz zdawać sobie sprawę z pułapek. Czterech liderów biznesu wyjaśnia, jak radzić sobie z ryzykiem.

Generacyjna sztuczna inteligencja (AI) to magia dla niewprawnego oka.

Od podsumowywania tekstu po tworzenie obrazów i pisanie kodu — narzędzia takie jak ChatGPT OpenAI i Copilot firmy Microsoft pozwalają w ciągu kilku sekund uzyskać pozornie genialne rozwiązania trudnych pytań. Jednak magicznym zdolnościom generatywnej sztucznej inteligencji może towarzyszyć szereg nieprzydatnych sztuczek.

Niezależnie od tego, czy chodzi o względy etyczne, kwestie bezpieczeństwa czy halucynacje, użytkownicy muszą zdawać sobie sprawę z problemów, które mogą podważyć korzyści płynące z powstającej technologii. W tym artykule czterech liderów biznesu wyjaśnia, w jaki sposób można przezwyciężyć niektóre z głównych problemów związanych z generatywną sztuczną inteligencją.

1. Wykorzystuj nowe możliwości w sposób etyczny

Birgitte Aga, dyrektorka ds. innowacji i badań w Muzeum Muncha w Oslo w Norwegii, twierdzi, że wiele obaw związanych ze sztuczną inteligencją wynika z tego, że ludzie nie rozumieją jej potencjalnego wpływu - i nie bez powodu.

Nawet tak znane narzędzie generatywnej sztucznej inteligencji, jak ChatGPT, jest publicznie dostępne dopiero od nieco ponad 12 miesięcy. Chociaż wiele osób miało do czynienia z tą technologią, niewiele przedsiębiorstw korzystało z tego narzędzia w środowisku produkcyjnym.

Aga twierdzi, że organizacje powinny dać swoim pracownikom możliwość sprawdzenia, co nowe technologie mogą zrobić w bezpieczny sposób. „Uważam, że kluczowe znaczenie ma obniżenie progu umożliwiającego każdemu udział w programie” - mówi. „Ale to nie znaczy, że robimy to bezkrytycznie”.

Aga twierdzi, że gdy pracownicy omawiają możliwości wykorzystania sztucznej inteligencji, powinni również wziąć pod uwagę niektóre istotne kwestie etyczne, takie jak uprzedzenia, stereotypy i ograniczenia technologiczne.

Na czacie wideo z ZDNET wyjaśnia, jak muzeum współpracuje ze specjalistyczną technologią TCS, aby znaleźć sposoby wykorzystania sztucznej inteligencji, aby uczynić sztukę bardziej dostępną dla szerszej publiczności.

„Dzięki TCS naprawdę zgadzamy się na każdym spotkaniu, jeśli chodzi o naszą etykę i moralność” - mówi. „Znajdź współpracowników, z którymi naprawdę współpracujesz na tym poziomie, a następnie zacznij od nich budować, zamiast po prostu znajdować ludzi, którzy robią fajne rzeczy”.

2. Zbuduj grupę zadaniową w celu ograniczenia ryzyka

Avivah Litan, wybitna wiceprezes firmy Gartner, twierdzi, że jedną z kluczowych kwestii, o których należy pamiętać, jest presja na zmiany ze strony osób spoza działu IT.

„Firma chce działać pełną parą” - mówi, odnosząc się do przyjęcia generatywnych narzędzi sztucznej inteligencji przez profesjonalistów w całej organizacji, za zgodą osób odpowiedzialnych lub bez niej. „Osoby zajmujące się bezpieczeństwem i ryzykiem mają trudności z opanowaniem tego wdrożenia, śledzeniem, co robią ludzie i zarządzaniem ryzykiem”.

W rezultacie istnieje duże napięcie między dwiema grupami: ludźmi, którzy chcą korzystać ze sztucznej inteligencji, i ludźmi, którzy muszą zarządzać jej wykorzystaniem.

„Nikt nie chce tłumić innowacji, ale osoby zajmujące się bezpieczeństwem i ryzykiem nigdy wcześniej nie miały do czynienia z czymś takim” - mówi w czacie wideo z ZDNET. „Mimo że sztuczna inteligencja istnieje już od lat, nie musieli tak naprawdę martwić się żadną z tych technologii, aż do pojawienia się generatywnej sztucznej inteligencji”.

Litan twierdzi, że najlepszym sposobem rozwiania obaw jest utworzenie grupy zadaniowej ds. sztucznej inteligencji, która składa się z ekspertów z całej firmy i która bierze pod uwagę prywatność, bezpieczeństwo i ryzyko.

„Wtedy wszyscy są na tej samej stronie, więc wiedzą, jakie jest ryzyko, wiedzą, co modelka ma zrobić, i dzięki temu osiągają lepsze wyniki” - mówi.

Litan twierdzi, że badania Gartnera sugerują, że dwie trzecie organizacji nie utworzyło jeszcze grupy zadaniowej ds. sztucznej inteligencji. Zachęca wszystkie firmy do tworzenia tego rodzaju międzybiznesowego składu.

„Te grupy zadaniowe wspierają wspólne zrozumienie” - mówi. „Ludzie wiedzą, czego się spodziewać, a firma może stworzyć większą wartość”.

3. Unieruchom swoje modele, aby zmniejszyć halucynacje

Thierry Martin, starszy menedżer ds. strategii danych i analiz w Toyota Motors Europe, twierdzi, że jego największą obawą związaną z generatywną sztuczną inteligencją są halucynacje.

Widział tego rodzaju problemy na własnej skórze, testując generatywną sztuczną inteligencję do celów kodowania.

Wykraczając poza osobiste poszukiwania, Martin twierdzi, że przedsiębiorstwa muszą zwracać uwagę na używane przez siebie duże modele językowe (LLM), wymagane dane wejściowe i wyniki, jakie udostępniają.

„Potrzebujemy bardzo stabilnych, dużych modeli językowych” - mówi. „Wiele z najpopularniejszych obecnie modelek jest szkolonych w wielu dziedzinach, takich jak poezja, filozofia i treści techniczne. Kiedy zadajesz pytanie, otwierają się drzwi do halucynacji”.

W indywidualnym wywiadzie wideo dla ZDNET Martin podkreśla, że firmy muszą znaleźć sposoby na tworzenie bardziej powściągliwych modeli językowych.

„Chcę pozostać w obrębie bazy wiedzy, którą udostępniam” - mówi. „Wtedy, jeśli zapytam mój model o coś konkretnego, otrzymam właściwą odpowiedź. Dlatego chciałbym zobaczyć modele, które są bardziej powiązane z dostarczanymi przeze mnie danymi”.

Martin chce dowiedzieć się więcej o pionierskich rozwiązaniach, takich jak współpraca Snowflake z Nvidią, w ramach której obie firmy tworzą fabrykę sztucznej inteligencji, która pomaga przedsiębiorstwom przekształcać dane w niestandardowe, generatywne modele sztucznej inteligencji.

„Na przykład LLM, który doskonale radzi sobie z tworzeniem zapytań SQL dotyczących kodu Pythona, jest interesujący” - mówi. „ChatGPT i wszystkie inne narzędzia publiczne są dobre dla zwykłego użytkownika. Jeśli jednak połączysz tego rodzaju narzędzie z danymi przedsiębiorstwa, musisz zachować ostrożność”.

4. Postępuj powoli, aby złagodzić oczekiwania

Bev White, dyrektor generalna firmy specjalizującej się w rekrutacji Nash Squared, twierdzi, że jej największą obawą jest to, że praktyczna rzeczywistość wykorzystania generatywnej sztucznej inteligencji może bardzo różnić się od wizji.

„Było wiele szumu” - mówi w rozmowie wideo z ZDNET. „Było też wielu panikarzy, którzy twierdzili, że stracą miejsca pracy, a sztuczna inteligencja spowoduje masowe bezrobocie. Do tego dochodzi obawa o bezpieczeństwo danych i prywatność”.

White twierdzi, że należy pamiętać, że pierwsze 12 miesięcy generatywnej sztucznej inteligencji charakteryzowało się wyścigiem dużych firm technologicznych w zakresie udoskonalania i aktualizowania swoich modeli.

„Narzędzia te przeszły już wiele iteracji - i nie jest to przypadek” - mówi. „Osoby korzystające z tej technologii odkrywają zalety, ale muszą też uważać na zmiany w miarę pojawiania się każdej iteracji”.

White radzi dyrektorom ds. IT i innym menedżerom wyższego szczebla, aby postępowali ostrożnie. Nie bój się cofnąć o krok, nawet jeśli wydaje Ci się, że wszyscy pędzą do przodu.

„Myślę, że potrzebujemy czegoś namacalnego, co moglibyśmy wykorzystać jako poręcze. CISO w organizacjach muszą zacząć myśleć o generatywnej sztucznej inteligencji - a nasze dowody sugerują, że tak jest. Ponadto regulacje muszą nadążać za tempem zmian” - mówi.

„Może powinniśmy działać nieco wolniej, zanim zastanowimy się, co zrobić z technologią. To jakby wynaleźć niesamowitą rakietę, ale przed wystrzeleniem nie mieć wokół niej stabilizatorów i systemów bezpieczeństwa”.