Les opinions exprimées par les contributeurs d’Entrepreneur sont les leurs.
L’intelligence artificielle (IA) et l’apprentissage automatique (ML) ne sont pas des concepts nouveaux. De même, l’exploitation du cloud pour les charges de travail IA/ML n’est pas particulièrement nouvelle ; Amazon SageMaker a par exemple été lancé en 2017. Cependant, on constate un regain d’intérêt pour les services qui exploitent l’IA sous ses différentes formes, compte tenu du buzz actuel autour de cette technologie. IA générative (GenAI).
GenAI a récemment attiré beaucoup d’attention, et à juste titre. Cela a un grand potentiel pour changer la donne dans la façon dont les entreprises et leurs employés fonctionnent. Homme d’État une recherche publiée en 2023 a indiqué que 35 % des personnes du secteur technologique avaient utilisé GenAI pour les aider dans leurs tâches professionnelles.
Il existe des cas d’utilisation qui peuvent être appliqués à presque tous les secteurs. L’adoption d’outils basés sur GenAI ne se limite pas aux seuls connaisseurs en technologie. Tirer parti du cloud pour ces outils réduit les barrières à l’entrée et accélère l’innovation potentielle.
En rapport: C’est la sauce secrète derrière une technologie d’IA et de ML efficace
Comprendre les bases
IA, ML, apprentissage profond (DL) et GenAI ? Tant de termes – quelle est la différence ?
L’IA peut être transformée en un programme informatique conçu pour imiter l’intelligence humaine. Cela n’a pas besoin d’être complexe ; cela pourrait être aussi simple qu’une instruction if/else ou un arbre de décision. Le ML va encore plus loin en créant des modèles qui utilisent des algorithmes pour apprendre des modèles de données sans être programmés explicitement.
Les modèles DL cherchent à refléter la même structure du cerveau humain, composée de nombreuses couches de neurones, et sont excellents pour identifier des modèles complexes tels que les relations hiérarchiques. GenAI est un sous-ensemble de DL et se caractérise par sa capacité à générer de nouveaux contenus basés sur les modèles appris à partir d’énormes ensembles de données.
À mesure que ces méthodes deviennent plus performantes, elles deviennent également plus complexes. Une plus grande complexité s’accompagne d’un plus grand besoin de calcul et de données. C’est là que les offres cloud deviennent inestimables.
Offres cloud peuvent généralement être classés dans l’une des trois catégories suivantes : infrastructure, plates-formes et services gérés. Vous pouvez également les voir appelés Infrastructure-as-a-Service (IaaS), Platform-as-a-Service (PaaS) et Software-as-a-Service (SaaS).
Les offres IaaS offrent la possibilité d’avoir un contrôle total sur la façon dont vous formez, déployez et surveillez vos solutions d’IA. À ce niveau, du code personnalisé est généralement écrit et une expérience en science des données est nécessaire.
Les offres PaaS offrent toujours un contrôle raisonnable et vous permettent de tirer parti de l’IA sans nécessairement avoir besoin d’une compréhension détaillée. Dans cet espace, les exemples incluent des services comme Amazon Bedrock.
Les offres SaaS résolvent généralement un problème particulier en utilisant l’IA sans exposer la technologie sous-jacente. Les exemples ici incluent Amazon Rekognition pour la reconnaissance d’images, Amazon Q Developer pour augmenter l’efficacité de l’ingénierie logicielle ou Amazon Comprehend pour traitement du langage naturel.
Applications pratiques
Les entreprises du monde entier exploitent l’IA depuis des années, voire des décennies. Pour illustrer la variété des cas d’utilisation dans tous les secteurs, jetez un œil à ces trois exemples de Chemin de la loi, Attention et Nasdaq.
En rapport: 5 façons pratiques pour les entrepreneurs d’ajouter l’IA à leur boîte à outils aujourd’hui
Défis et considérations
Bien que les opportunités soient nombreuses, exploiter la puissance de l’IA et du ML comporte certaines considérations. Il existe de nombreux commentaires de l’industrie sur l’éthique et l’IA responsable. Il est essentiel d’y réfléchir correctement lors du passage d’une solution d’IA à la production.
De manière générale, à mesure que les solutions d’IA deviennent plus complexes, leur explicabilité diminue. Cela signifie qu’il devient plus difficile pour une entreprise de comprendre pourquoi un intrant donné aboutit à un résultat donné. Ceci est plus problématique dans certains secteurs que dans d’autres – gardez cela à l’esprit lorsque vous planifiez votre utilisation de l’IA. Un niveau approprié d’explicabilité est un élément essentiel de l’utilisation responsable de l’IA.
Le éthique de l’IA sont tout aussi importants à considérer. Quand n’a-t-il pas de sens d’utiliser l’IA ? Une bonne règle de base consiste à déterminer si les décisions prises par votre modèle seraient contraires à l’éthique ou immorales si un humain prenait la même décision. Par exemple, si un modèle refusait tous les prêts accordés à des candidats présentant une certaine caractéristique, cela serait considéré comme contraire à l’éthique.
Commencer
Alors, par où les entreprises devraient-elles commencer avec l’IA/ML dans le cloud ? Nous avons couvert les bases, quelques exemples de la manière dont d’autres organisations ont appliqué l’IA à leurs problèmes et abordé les défis et les considérations liées au fonctionnement de l’IA.
Le point de départ de la feuille de route de toute entreprise vers le succès adoption de l’IA est l’identification des opportunités. Recherchez les domaines de l’entreprise où des tâches répétitives sont effectuées, en particulier ceux où il existe des tâches de prise de décision basées sur l’interprétation des données. De plus, examinez les domaines dans lesquels les gens effectuent une analyse manuelle ou une génération de texte.
Une fois les opportunités identifiées, les objectifs et les critères de réussite peuvent être définis. Ceux-ci doivent être clairs et permettre de quantifier facilement si cette utilisation de l’IA est responsable et utile.
Ce n’est qu’une fois cela défini que vous pourrez commencer à construire. Commencez petit et prouvez le concept. Parmi les solutions mentionnées, celles situées à l’extrémité SaaS et PaaS du spectre vous permettront de démarrer plus rapidement grâce à une courbe d’apprentissage plus courte. Cependant, il y aura des cas d’utilisation plus complexes où un plus grand contrôle sera nécessaire.
Lorsque vous évaluez le succès d’un exercice PoC, soyez critique et ne le voyez pas à travers des lunettes teintées de rose. Autant vous, vos dirigeants ou vos investisseurs voudront peut-être utiliser l’IA, si ce n’est pas le cas. le bon outil pour le travail, alors il vaut mieux ne pas l’utiliser. GenAI est présenté par certains comme la solution miracle qui résoudra tous les problèmes – ce n’est pas le cas. Cela a un grand potentiel et va perturber le fonctionnement de nombreuses industries, mais ce n’est pas la réponse à tout.
Après une évaluation réussie, vient le temps de rendre la capacité opérationnelle. Pensez ici à des aspects tels que la surveillance et l’observabilité. Comment s’assurer que la solution ne fait pas de mauvaises prédictions ? Que faites-vous si les caractéristiques des données que vous avez utilisées pour entraîner le modèle ML ne représentent plus le monde réel ? Construire et former une solution d’IA ne représente que la moitié de l’histoire.
En rapport: Libérer le succès de l’IA – Informations d’entreprises de premier plan sur l’exploitation de l’intelligence artificielle
L’IA et le ML sont des technologies établies et sont là pour rester. Les exploiter grâce à la puissance du cloud définira les entreprises de demain.
GenAI est à son apogée et nous verrons bientôt les meilleurs cas d’utilisation émerger de cette frénésie. Afin de trouver ces cas d’utilisation, les organisations doivent penser de manière innovante et expérimenter.
Tirez les enseignements de cet article, identifiez quelques opportunités, prouvez la faisabilité, puis opérationnalisez. Il y a une valeur importante à réaliser, mais elle nécessite le soin et l’attention voulus.
décembre 3, 2024
Comment utiliser la puissance du cloud pour accélérer l’adoption de l’IA
Les opinions exprimées par les contributeurs d’Entrepreneur sont les leurs.
L’intelligence artificielle (IA) et l’apprentissage automatique (ML) ne sont pas des concepts nouveaux. De même, l’exploitation du cloud pour les charges de travail IA/ML n’est pas particulièrement nouvelle ; Amazon SageMaker a par exemple été lancé en 2017. Cependant, on constate un regain d’intérêt pour les services qui exploitent l’IA sous ses différentes formes, compte tenu du buzz actuel autour de cette technologie. IA générative (GenAI).
GenAI a récemment attiré beaucoup d’attention, et à juste titre. Cela a un grand potentiel pour changer la donne dans la façon dont les entreprises et leurs employés fonctionnent. Homme d’État une recherche publiée en 2023 a indiqué que 35 % des personnes du secteur technologique avaient utilisé GenAI pour les aider dans leurs tâches professionnelles.
Il existe des cas d’utilisation qui peuvent être appliqués à presque tous les secteurs. L’adoption d’outils basés sur GenAI ne se limite pas aux seuls connaisseurs en technologie. Tirer parti du cloud pour ces outils réduit les barrières à l’entrée et accélère l’innovation potentielle.
En rapport: C’est la sauce secrète derrière une technologie d’IA et de ML efficace
Comprendre les bases
IA, ML, apprentissage profond (DL) et GenAI ? Tant de termes – quelle est la différence ?
L’IA peut être transformée en un programme informatique conçu pour imiter l’intelligence humaine. Cela n’a pas besoin d’être complexe ; cela pourrait être aussi simple qu’une instruction if/else ou un arbre de décision. Le ML va encore plus loin en créant des modèles qui utilisent des algorithmes pour apprendre des modèles de données sans être programmés explicitement.
Les modèles DL cherchent à refléter la même structure du cerveau humain, composée de nombreuses couches de neurones, et sont excellents pour identifier des modèles complexes tels que les relations hiérarchiques. GenAI est un sous-ensemble de DL et se caractérise par sa capacité à générer de nouveaux contenus basés sur les modèles appris à partir d’énormes ensembles de données.
À mesure que ces méthodes deviennent plus performantes, elles deviennent également plus complexes. Une plus grande complexité s’accompagne d’un plus grand besoin de calcul et de données. C’est là que les offres cloud deviennent inestimables.
Offres cloud peuvent généralement être classés dans l’une des trois catégories suivantes : infrastructure, plates-formes et services gérés. Vous pouvez également les voir appelés Infrastructure-as-a-Service (IaaS), Platform-as-a-Service (PaaS) et Software-as-a-Service (SaaS).
Les offres IaaS offrent la possibilité d’avoir un contrôle total sur la façon dont vous formez, déployez et surveillez vos solutions d’IA. À ce niveau, du code personnalisé est généralement écrit et une expérience en science des données est nécessaire.
Les offres PaaS offrent toujours un contrôle raisonnable et vous permettent de tirer parti de l’IA sans nécessairement avoir besoin d’une compréhension détaillée. Dans cet espace, les exemples incluent des services comme Amazon Bedrock.
Les offres SaaS résolvent généralement un problème particulier en utilisant l’IA sans exposer la technologie sous-jacente. Les exemples ici incluent Amazon Rekognition pour la reconnaissance d’images, Amazon Q Developer pour augmenter l’efficacité de l’ingénierie logicielle ou Amazon Comprehend pour traitement du langage naturel.
Applications pratiques
Les entreprises du monde entier exploitent l’IA depuis des années, voire des décennies. Pour illustrer la variété des cas d’utilisation dans tous les secteurs, jetez un œil à ces trois exemples de Chemin de la loi, Attention et Nasdaq.
En rapport: 5 façons pratiques pour les entrepreneurs d’ajouter l’IA à leur boîte à outils aujourd’hui
Défis et considérations
Bien que les opportunités soient nombreuses, exploiter la puissance de l’IA et du ML comporte certaines considérations. Il existe de nombreux commentaires de l’industrie sur l’éthique et l’IA responsable. Il est essentiel d’y réfléchir correctement lors du passage d’une solution d’IA à la production.
De manière générale, à mesure que les solutions d’IA deviennent plus complexes, leur explicabilité diminue. Cela signifie qu’il devient plus difficile pour une entreprise de comprendre pourquoi un intrant donné aboutit à un résultat donné. Ceci est plus problématique dans certains secteurs que dans d’autres – gardez cela à l’esprit lorsque vous planifiez votre utilisation de l’IA. Un niveau approprié d’explicabilité est un élément essentiel de l’utilisation responsable de l’IA.
Le éthique de l’IA sont tout aussi importants à considérer. Quand n’a-t-il pas de sens d’utiliser l’IA ? Une bonne règle de base consiste à déterminer si les décisions prises par votre modèle seraient contraires à l’éthique ou immorales si un humain prenait la même décision. Par exemple, si un modèle refusait tous les prêts accordés à des candidats présentant une certaine caractéristique, cela serait considéré comme contraire à l’éthique.
Commencer
Alors, par où les entreprises devraient-elles commencer avec l’IA/ML dans le cloud ? Nous avons couvert les bases, quelques exemples de la manière dont d’autres organisations ont appliqué l’IA à leurs problèmes et abordé les défis et les considérations liées au fonctionnement de l’IA.
Le point de départ de la feuille de route de toute entreprise vers le succès adoption de l’IA est l’identification des opportunités. Recherchez les domaines de l’entreprise où des tâches répétitives sont effectuées, en particulier ceux où il existe des tâches de prise de décision basées sur l’interprétation des données. De plus, examinez les domaines dans lesquels les gens effectuent une analyse manuelle ou une génération de texte.
Une fois les opportunités identifiées, les objectifs et les critères de réussite peuvent être définis. Ceux-ci doivent être clairs et permettre de quantifier facilement si cette utilisation de l’IA est responsable et utile.
Ce n’est qu’une fois cela défini que vous pourrez commencer à construire. Commencez petit et prouvez le concept. Parmi les solutions mentionnées, celles situées à l’extrémité SaaS et PaaS du spectre vous permettront de démarrer plus rapidement grâce à une courbe d’apprentissage plus courte. Cependant, il y aura des cas d’utilisation plus complexes où un plus grand contrôle sera nécessaire.
Lorsque vous évaluez le succès d’un exercice PoC, soyez critique et ne le voyez pas à travers des lunettes teintées de rose. Autant vous, vos dirigeants ou vos investisseurs voudront peut-être utiliser l’IA, si ce n’est pas le cas. le bon outil pour le travail, alors il vaut mieux ne pas l’utiliser. GenAI est présenté par certains comme la solution miracle qui résoudra tous les problèmes – ce n’est pas le cas. Cela a un grand potentiel et va perturber le fonctionnement de nombreuses industries, mais ce n’est pas la réponse à tout.
Après une évaluation réussie, vient le temps de rendre la capacité opérationnelle. Pensez ici à des aspects tels que la surveillance et l’observabilité. Comment s’assurer que la solution ne fait pas de mauvaises prédictions ? Que faites-vous si les caractéristiques des données que vous avez utilisées pour entraîner le modèle ML ne représentent plus le monde réel ? Construire et former une solution d’IA ne représente que la moitié de l’histoire.
En rapport: Libérer le succès de l’IA – Informations d’entreprises de premier plan sur l’exploitation de l’intelligence artificielle
L’IA et le ML sont des technologies établies et sont là pour rester. Les exploiter grâce à la puissance du cloud définira les entreprises de demain.
GenAI est à son apogée et nous verrons bientôt les meilleurs cas d’utilisation émerger de cette frénésie. Afin de trouver ces cas d’utilisation, les organisations doivent penser de manière innovante et expérimenter.
Tirez les enseignements de cet article, identifiez quelques opportunités, prouvez la faisabilité, puis opérationnalisez. Il y a une valeur importante à réaliser, mais elle nécessite le soin et l’attention voulus.
Source link
Partager :
Articles similaires