Новий рік принесе впровадження штучного інтелекту такими способами, яких ми раніше не бачили, після повторного калібрування того, що, як ми тепер знаємо, може бути досягнуто на підприємстві. Графи знань які підтримують комплексний штучний інтелект, буде переднім і центральним, оскільки вони додають паливо для перетворення неструктурованої інформації в практичні знання. Поряд з іншими інструментами, як GraphRAG що роблять Генеративний ШІ (GenAI) більш ефективними, вони продовжуватимуть прокладати шлях до інтеграції ШІ в наше повсякденне життя.
Реалістичні погляди на те, що можна зробити з моделями Generative AI, принесуть рік складного AI
Організації починають використовувати потенціал GenAI для вирішення реальних проблем. У новому році ми побачимо, як він буде прийнятий раніше небаченим способом, але коли справа доходить до впровадження ШІ для корпоративних користувачів, самих моделей все ще недостатньо для вирішення складних проблем. Візьмемо, наприклад, нас, людей, ми розумніші та ефективніші з інструментами, і ми змогли досягти набагато більшого, маючи доступ до калькуляторів, бібліотеки та комп’ютера. Ми не можемо очікувати, що мовні моделі виконають усе, що нам потрібно на цьому етапі, особливо в корпоративних умовах, без відповідних інструментів. Додавання графів знань, які підтримують складні робочі навантаження штучного інтелекту, дозволить широко використовувати системи та отримувати переваги всередині підприємства.
Революція в ранжуванні інформації з GraphRAG
На початку існування Інтернету основними пошуковими системами були AltaVista та Lycos. Пошуковий запит індексує всі слова на сторінці та пропонує результати в порядку ранжування сторінок. Згодом Google переосмислив це, подивившись, як це зробити сторінки пов’язані одна з одною. Сторінки ставали важливішими, якщо на них вказували інші важливі сторінки. Це рекурсивне правило було можливим лише тоді, коли ви дивилися на Інтернет як на графік. Ось як ми отримали Google і рейтинг сторінок, які ми знаємо сьогодні. Далі, коли Google почав перетворювати текстові дані в граф знань у 2012 роціми побачили еволюцію того, як користувачі отримували структуровану інформацію про об’єкти реального світу під час пошуку.
У наступному році відбудеться подібний прогрес, який ми спостерігали в Інтернеті, від пошуку за ключовими словами до пошуку на основі мережевих і графічних структур. Пошук на основі перетвореного тексту на структуроване представлення також відбуватиметься з мовними моделями, що принесе величезну користь підприємствам. У міру розвитку GenAI ми починаємо спостерігати щось подібне з використанням GenAI ганчіркаякий перетворює кожне слово чи кожну частину документа у вектор, що дозволяє нам взяти запитання та зіставити його з окремими словами в документі.
Я вважаю, що наступна ітерація пошуку перейде до використання комбінації графу знань і RAG. Це робить перехресні посилання на документи та швидко знаходить, що вони мають щось спільне, і зв’язує це як зв’язок, оскільки це працює, щоб відповісти на запит. Ймовірно, з часом більшу частину того, що ми задокументували, буде перетворено на структуровану інформацію, яка буде поміщена в графи знань, які дозволять обґрунтовувати, коли нас просять ввести пошуковий запит. Буде наголос на швидкому перетворенні неструктурованої текстової інформації в структуровану інформацію для символічного знання, щоб воно стало дієвим.
Інтерфейс Інтернету змінюється, наше повсякденне життя побачить впровадження ШІ раніше робочої сили
Як людина, яка виросла на Google, неминуче помічає, що інтерфейс Інтернету починає змінюватися. Зростання впровадження ChatGPT перетворилося на основний механізм спілкування наступного покоління з Інтернетом. Оскільки ми продовжуємо спостерігати це впровадження у 2025 році та пізніше, це матиме значний вплив на розвиток таких галузей, як реклама, для збереження конкурентної переваги.
Як і більшість технологічних інновацій, ми спочатку впровадимо їх у своє особисте життя. Я вірю, що ми побачимо, що це станеться з особистими помічниками, такими як Siri або Alexa, які базуються на мовних моделях, які розуміють і розвивають природні моделі для наших повсякденних звичок. Оскільки ми починаємо спостерігати, як люди більше покладаються на особисту допомогу поза роботою, очікування мати подібних помічників на їхніх робочих місцях підуть їхнім прикладом.
Перекалібрування бюджету для впровадження Generative AI на підприємстві
Тепер, коли пік ажіотажу щодо ШІ позаду, люди набагато прагматичніші у своєму підході до GenAI. За останні півтора року багато хто витратив значну частину своїх бюджетів на GenAI, і вони, можливо, відклали інші важливі сфери ІТ-сліду та даних на другий план і недостатньо інвестували. Тож наступного року ми побачимо, що багато організацій краще калібруватимуть бюджет, щоб робити більше. Тепер, коли ми маємо видимість і видимість того, як GenAI може працювати чи не працювати в організації, ці підприємства можуть збалансувати інвестиції між GenAI та всіма іншими важливими ініціативами.