وقف Huang Renxun ، مرتديًا سترة جلدية ، على لوح تزلج أزرق ووقف بعض وضعيات ركوب الأمواج.
هذا ليس VidCon ، "مهرجان الإنترنت الأحمر" في الولايات المتحدة ، ولكنه مشهد في مؤتمر مطوري Snowflake ، وهي منصة بيانات معروفة في الولايات المتحدة.
في 26 يونيو بالتوقيت المحلي ، ناقش مؤسس Nvidia Huang Renxun والرئيس التنفيذي لشركة Snowflake فرانك سلوتمان "كيفية توفير الذكاء الاصطناعي التوليدي لمستخدمي المؤسسات". المضيف هو Greylock GP السابق ، وهو الآن مؤسس وكالة الاستثمار Conviction.
في الاجتماع ، مقارنة بالمدير المحترف الناضج والحصيف لـ "المضيف" فرانك ، كان "العراب في الجلد" مذهلًا كما هو الحال دائمًا ، ولم يقتصر الأمر على قوله إن التعاون بين الطرفين هو "نحن عشاق ، ولسنا مقاتلين" ( نحن عشاق ، ولسنا مقاتلين) ، ومن المزاح أكثر أن النموذج المدرب المقدم لـ Snowflake يعادل "خصم 10٪" للعملاء.
في نفس اليوم ، أطلقت Nvidia و Snowflake معًا خطوة كبيرة أخرى: تعاونت شركة الرقائق رقم 1 في العالم مع منصة البيانات السحابية الأكثر شيوعًا لإطلاق تعاون مشترك. ** يمكن لمستخدمي Snowflake استخدام نموذج الذكاء الاصطناعي المدربين مسبقًا من Nvidia مباشرة لتحليل بيانات الشركة الخاصة بهم على النظام الأساسي السحابي دون مغادرة النظام الأساسي ، وتطوير "تطبيقات الذكاء الاصطناعي" لبياناتهم الخاصة. **
قال Huang Renxun: "التغييرات الرئيسية الحالية تأتي من البيانات + خوارزمية الذكاء الاصطناعي + محرك الحوسبة. من خلال تعاوننا ، يمكننا جمع هذه النقاط الثلاث معًا."
نقاط الحديث:
نموذج لغة كبير + قاعدة بيانات خاصة بالمؤسسة = تطبيق AI لمشاكل محددة ؛
اعتادت أن تكون البيانات ذاهبة للعمل ، لكنها الآن تعمل على البيانات ، مما يسمح للحوسبة بالانتقال إلى حيث توجد البيانات ، وتجنب جزر البيانات ؛
تم تدريب نموذج ما قبل التدريب المقدم من Nvidia في مصنع Nvidia AI بتكلفة تصل إلى عشرات الملايين من الدولارات ، لذلك تم "خصم 0.5" استدعاء محرك الحوسبة على Snowflake ؛
في عصر البرمجيات 3.0 ، استنادًا إلى النماذج وقواعد البيانات ، يمكن للمؤسسات إنشاء تطبيقاتها الحصرية في غضون أيام قليلة ؛
في المستقبل ، ستكون الشركات قادرة على إنتاج العديد من الوكلاء الأذكياء وتشغيلهم ؛
بالنسبة للمؤسسات ، تكمن المشكلة الحقيقية في كيفية حشد البيانات المختلطة المهيكلة وغير المهيكلة. قد يؤدي هذا إلى تحديث نموذج العمل.
** فيما يلي المحتوى الرئيسي للحوار بين الطرفين تحرير جيك بارك: **
** 01 تحدث عن التعاون: جلب أفضل محرك حوسبة إلى البيانات الأكثر قيمة **
صريح:
تلعب NVIDIA حاليًا دورًا مهمًا في التاريخ. بالنسبة لنا ، القدرة على جلب البيانات والعلاقات للمؤسسات الكبيرة. نحن بحاجة إلى تمكين هذه التكنولوجيا ، ومكدس الخدمات بأكمله لاستخدامها بفعالية. لا أريد أن أصفها بأنها "مباراة صنعت في الجنة" ، لكن بالنسبة للشخص العادي ، فهي فرصة جيدة لدخول باب الفرصة هذا.
** هوانغ رينكسون: **
نحن عشاق ، ولسنا منافسين. ** نريد أن نجلب أفضل محرك حوسبة في العالم إلى البيانات الأكثر قيمة في العالم. إذا نظرنا إلى الوراء ، فأنا أعمل لفترة طويلة ، لكنني لست بهذا السن. فرانك ، أنت أكبر سنًا (يضحك). **
في الآونة الأخيرة ، البيانات ضخمة والبيانات ثمينة لأسباب معروفة. يجب أن تكون آمنة. نقل البيانات صعب ، وخطورة البيانات حقيقية. لذلك كان من الأسهل علينا إحضار محرك الحوسبة الخاص بنا إلى Snowflake. تدور شراكتنا حول تسريع Snowflake ، ولكنها تتعلق أيضًا بجلب الذكاء الاصطناعي إلى Snowflake. **
** الجوهر هو مزيج من البيانات + خوارزمية الذكاء الاصطناعي + محرك الحوسبة ، شراكتنا تجمع بين الأشياء الثلاثة معًا. ** بيانات قيمة بشكل لا يصدق ، ذكاء اصطناعي رائع بشكل لا يصدق ، محرك حسابي رائع بشكل لا يصدق.
ما يمكننا القيام به معًا هو مساعدة العملاء على أخذ بياناتهم الخاصة واستخدامها لكتابة تطبيقات الذكاء الاصطناعي. كما تعلم ، الاختراق الكبير هنا هو أنه لأول مرة يمكنك تطوير نموذج لغة كبير. تضعها أمام بياناتك ، ثم تتحدث إلى بياناتك كما لو كنت تتحدث إلى إنسان ، ويتم زيادة تلك البيانات في نموذج لغوي كبير.
الجمع بين نموذج لغة كبير بالإضافة إلى قاعدة معرفية يساوي تطبيق الذكاء الاصطناعي. ** هذا النموذج بسيط ، وهو نموذج لغة كبير يحول أي قاعدة معرفية للبيانات إلى تطبيق. **
فكر في جميع التطبيقات الرائعة التي كتبها الناس. في جوهرها ، كانت هناك دائمًا بعض البيانات القيمة. الآن لديك محرك استعلام عام لمحرك استعلام في المقدمة ، إنه ذكي للغاية ، يمكنك جعله يستجيب لك ، ولكن يمكنك أيضًا توصيله ببروكسي ، وهو الاختراق الذي تحققه قواعد بيانات Langchain و Vector. الأشياء الخارقة التي تغطي البيانات ونماذج اللغات الكبيرة تحدث في كل مكان ، ويريد الجميع القيام بذلك. وسوف نساعدك أنا وفرانك على القيام بذلك.
** 02 البرنامج 3.0: إنشاء تطبيق ذكاء اصطناعي لحل مشكلة معينة **
يستضيف:
نظرًا لأن المستثمر ينظر إلى هذا التغيير ، فإن البرنامج 1.0 عبارة عن رمز حتمي للغاية يكتبه المهندسون وظيفيًا ؛ يعمل البرنامج 2.0 على تحسين شبكة عصبية ببيانات تدريب معنونة تم جمعها بعناية.
أنتم يا رفاق تساعدون الناس على الاستفادة من البرنامج 3.0 ، وهو مجموعة من النماذج الأساسية القادرة بشكل لا يصدق بمفردهم ، لكنهم ما زالوا بحاجة إلى العمل مع بيانات المؤسسة ومجموعات البيانات المخصصة. من الأرخص بكثير مجرد تطوير تلك التطبيقات ضدهم.
** سؤال واحد لمن يبحث بعمق في هذا المجال ، النموذج الأساسي عام للغاية ، هل يمكنه فعل كل شيء؟ لماذا نحتاج إلى نماذج مخصصة وبيانات المؤسسة؟ **
صريح:
لذلك لدينا نماذج عامة جدًا يمكنها عمل الشعر ، وعمل ملخصات لـ "غاتسبي العظيم" ، وحل مسائل الرياضيات.
لكن في الأعمال التجارية ، لسنا بحاجة إلى هذه ، ما نحتاجه هو مساعد طيار لاكتساب رؤى غير عادية حول مجموعة بيانات ضيقة للغاية ولكنها معقدة للغاية.
نحن بحاجة إلى فهم نماذج الأعمال وديناميكيات الأعمال. لا يجب أن يكون هذا مكلفًا للغاية من الناحية الحسابية ، لأن النموذج لا يحتاج إلى التدريب على مليون شيء ، ولكنه يحتاج فقط إلى معرفة القليل جدًا ، ولكن الموضوعات العميقة.
على سبيل المثال. أنا عضو في مجلس إدارة Instacart وأحد عملائنا الكبار ، مثل DoorDash وجميع الشركات الأخرى التي تواجه مشكلة هي أنها تواصل تكثيف إنفاقها التسويقي ، ويأتي العميل ، ويضع العميل طلبًا والعميل أيضًا لا لن أعود أو أعود في غضون 90 يومًا ، وهو أمر غير مستقر للغاية. يسمون هذا زبد.
هذا هو تحليل المشكلات المعقدة لأنه يمكن أن يكون هناك العديد من الأسباب لعدم عودة العميل. يريد الناس العثور على إجابات لهذه الأسئلة ، وهي موجودة في البيانات ، وليس في الإنترنت العام ، ويمكن العثور عليها من خلال الذكاء الاصطناعي. هذا مثال على المكان الذي يمكن أن تولد فيه قيمة كبيرة.
يستضيف:
كيف يجب أن تتفاعل هذه النماذج مع بيانات المؤسسة؟
** هوانغ رينكسون: **
إن استراتيجيتنا ومنتجاتنا هي أحدث النماذج المدربة مسبقًا من جميع الأحجام ، وفي بعض الأحيان تحتاج إلى إنشاء نموذج كبير جدًا مدرب مسبقًا بحيث يمكن إنتاجه لتعليم النماذج الأصغر.
ويمكن تشغيل الطرز الأصغر على أي جهاز تقريبًا ، ربما مع زمن انتقال منخفض جدًا. ومع ذلك ، فإن قدرتها على التعميم ليست عالية ، وقد تكون قدرة اللقطة الصفرية (التعلم بدون عينة) أكثر محدودية.
لذلك قد يكون لديك عدة نماذج من أنواع وأحجام مختلفة ، ولكن في كل حالة عليك القيام بضبط دقيق تحت الإشراف ، عليك القيام بـ RLHF (التعلم المعزز مع ردود الفعل البشرية) بحيث يظل مع أهدافك ومبادئك باستمرار ، فأنت بحاجة لتضخيمها بشيء مثل قاعدة بيانات المتجهات ، بحيث يتم تجميعها جميعًا في نظام أساسي واحد. لدينا المهارات والمعرفة والنظام الأساسي الأساسي لمساعدتهم على إنشاء الذكاء الاصطناعي الخاص بهم ثم ربطه بالبيانات في Snowflake.
الآن ، ** لا ينبغي أن يكون هدف كل عميل مؤسسي هو التفكير في كيفية إنشاء نموذج لغة كبير ، يجب أن يكون هدفهم ، كيف يمكنني إنشاء تطبيق ذكاء اصطناعي لحل مشكلة معينة؟ ** قد يستغرق هذا التطبيق 17 سؤالاً ليخرج أخيرًا بالإجابة الصحيحة. وبعد ذلك قد تقول ، أريد أن أكتب برنامجًا ، يمكن أن يكون برنامج SQL ، ويمكن أن يكون برنامج Python ، حتى أتمكن من القيام بذلك تلقائيًا في المستقبل.
** لا يزال يتعين عليك توجيه هذا الذكاء الاصطناعي حتى يتمكن أخيرًا من إعطائك الإجابة الصحيحة. ** ولكن بعد ذلك ، يمكنك إنشاء تطبيق يمكنه العمل على مدار الساعة طوال أيام الأسبوع كوكيل (وكيل) ، والبحث عن المواقف ذات الصلة ، وإبلاغك مسبقًا. لذا فإن مهمتنا هي مساعدة العملاء على بناء تطبيقات الذكاء الاصطناعي هذه ، والتي تكون محددة ومخصصة مع حواجز الأمان.
في النهاية ، سنكون جميعًا مصنّعين أذكياء في المستقبل ، وسنوظف موظفين بالطبع ، لكننا سننشئ مجموعة من الوكلاء التي يمكن إنشاؤها باستخدام شيء مثل Lang Chain ، والنماذج المتصلة ، وقواعد المعرفة ، وواجهات برمجة التطبيقات الأخرى ، منتشرة في السحابة ، وربطها بجميع بيانات Snowflake.
يمكنك تشغيل أنظمة الذكاء الاصطناعي هذه على نطاق واسع وتحسين هذه الأنظمة بشكل مستمر. لذلك كل واحد منا سوف يصنع الذكاء الاصطناعي ، ويدير مصنعًا للذكاء الاصطناعي. سنضع البنية التحتية في قاعدة بيانات Snowflake ، حيث يمكن للعملاء استخدام بياناتهم ، وتدريب نماذجهم وتطويرها ، وتشغيل الذكاء الاصطناعي الخاص بهم ، لذلك سيكون Snowflake مستودع بياناتك وبنكك.
من خلال منجمهم الذهبي للبيانات ، سيدير الجميع مصانع الذكاء الاصطناعي على Snowflake. هذا هو الهدف.
** 03 على الرغم من أن "القنبلة النووية" باهظة الثمن ، فإن استخدام النموذج مباشرةً يعادل "خصم 10٪" **
** هوانغ رينكسون: **
لقد أنشأنا خمسة مصانع للذكاء الاصطناعي في NVIDIA ، أربعة منها هي أكبر 500 حاسوب عملاق في العالم ، والآخر على المحك. نستخدم هذه الحواسيب العملاقة لعمل نماذج ما قبل التدريب. لذلك عندما تستخدم خدمة Nemo AI الأساسية الخاصة بنا في Snowflake ، فإنك تحصل على أحدث طراز مُدرَّب مسبقًا تكلف بالفعل عشرات الملايين من الدولارات ، ناهيك عن البحث والتطوير. لذلك فهو مدرب مسبقًا.
ثم هناك مجموعة كاملة من الطرز الأخرى حوله والتي تُستخدم لضبط RLHF. كل هذه النماذج أغلى بكثير للتدريب.
لذا فقد قمت الآن بتكييف النموذج المدرب مسبقًا مع ميزاتك ، مع حواجز الحماية الخاصة بك ، محسّنًا لنوع المهارات أو الميزات التي تريدها ، معززة ببياناتك. لذلك ، سيكون هذا نهجًا أكثر فعالية من حيث التكلفة.
والأهم من ذلك ، خلال أيام وليس شهور. يمكنك تطوير تطبيقات AI التي تتصل ببياناتك في Snowflake.
يجب أن تكون قادرًا على إنشاء تطبيقات الذكاء الاصطناعي بسرعة في المستقبل.
لأننا نرى ذلك يحدث في الوقت الفعلي الآن. توجد بالفعل تطبيقات تسمح لك بالدردشة مع البيانات ، مثل ChatPDF.
يستضيف:
** نعم ، في عصر البرمجيات 3.0 ، تم تغطية 95٪ من تكاليف التدريب بالفعل من قبل الآخرين. **
** هوانغ رينكسون: **
(يضحك) نعم ، خصم 95٪ ، لا يمكنني تخيل صفقة أفضل.
يستضيف:
هذا هو الدافع الحقيقي ، وكمستثمر ، رأيت شركات صغيرة جدًا في مجال التحليلات والأتمتة والقانون وما إلى ذلك ، والتي حققت تطبيقاتها قيمة أعمال حقيقية في ستة أشهر أو أقل. جزء من ذلك هو أنهم بدأوا بهذه النماذج المدربة مسبقًا ، وهي فرصة كبيرة للشركات.
** هوانغ رينكسون: **
سيكون لدى كل شركة المئات ، وربما حتى 1000 تطبيق للذكاء الاصطناعي ، متصلة فقط بجميع أنواع البيانات في شركتك. لذا ، علينا جميعًا أن نكون جيدين في بناء هذه الأشياء.
** 04 كانت تستخدم البيانات للبحث عن الأعمال ، والآن أصبحت الأعمال تبحث عن البيانات **
يستضيف:
أحد الأسئلة التي ما زلت أسمعها من كبار رجال الأعمال هو أننا يجب أن نستثمر في الذكاء الاصطناعي ، هل نحتاج إلى حزمة جديدة؟ كيف يجب أن نفكر في الاتصال بمكدس البيانات الموجود لدينا؟
صريح:
أعتقد أنه يتطور. أصبحت النماذج تدريجيًا أكثر بساطة وأمانًا وأفضل إدارة. إذن ، ليس لدينا رؤية واضحة حقًا بأن هذه هي البنية المرجعية التي سيستخدمها الجميع؟ سيكون لدى البعض إعدادات لبعض الخدمات المركزية. تمتلك Microsoft إصدارًا من AI في Azure ، ويتفاعل العديد من عملائها مع Azure.
** لكننا لا نعرف النموذج الذي سيسود ، نعتقد أن السوق سيصنف نفسه على أساس أشياء مثل سهولة الاستخدام والتكلفة. ** هذه فقط البداية وليست الحالة النهائية.
كما سيتم إشراك قطاع الأمن ، وسيتم إصلاح قضية حق المؤلف. الآن بعد أن أصبحنا مفتونين بالتكنولوجيا ، سيتم التعامل مع مشاكل حقيقية في نفس الوقت.
** هوانغ رينكسون: **
نشهد الآن أول تغيير أساسي لمنصة الحوسبة منذ 60 عامًا. إذا كنت قد قرأت للتو بيانًا صحفيًا من IBM 360 ، فقد سمعت عن وحدات المعالجة المركزية وأنظمة الإدخال والإخراج الفرعية ووحدات التحكم DMA والذاكرة الافتراضية وتعدد المهام والحوسبة القابلة للتطوير والمتوافقة مع الإصدارات السابقة والخلفية ، وهذه المفاهيم ، في الواقع كل شيء عام 1964 ، وهذه لقد ساعدتنا المفاهيم في توسيع نطاق وحدات المعالجة المركزية على مدار العقود الستة الماضية.
استمر هذا التوسع لمدة 60 عامًا ، لكنه وصل إلى نهايته. يدرك الجميع الآن أنه لم يعد بإمكاننا توسيع نطاق وحدة المعالجة المركزية ، وفجأة ، يتغير البرنامج. تختلف طريقة كتابة البرنامج وطريقة تشغيله وما يمكن أن يفعله البرنامج كثيرًا عما كان عليه من قبل. نسمي البرنامج السابق 2.0. الآن أصبح البرنامج 3.0.
الحقيقة هي ، ** الحوسبة قد تغيرت بشكل أساسي. نرى ديناميكيتين أساسيتين تحدثان في نفس الوقت ، وهذا هو سبب اهتزاز الأشياء بعنف الآن. **
لسبب واحد ، لم يعد بإمكانك الاستمرار في شراء وحدات المعالجة المركزية. إذا اشتريت مجموعة أخرى من وحدات المعالجة المركزية في العام المقبل ، فلن تزيد سرعة الحوسبة لديك. لأن نهاية توسيع وحدة المعالجة المركزية قد حان. ستدفع مبلغًا أكبر ، ولن تحصل على المزيد من الإنتاجية. لذا ، ** الجواب هو أنه عليك الذهاب للتسريع (Nvidia Accelerated Computing Platform) **. تحدث الفائز بجائزة تورينج عن التسارع ، وكانت Nvidia رائدة في التسريع ، والحوسبة المتسارعة هنا الآن.
من ناحية أخرى ، خضع نظام تشغيل الكمبيوتر بأكمله لتغييرات عميقة. لدينا طبقة تسمى NVIDIA AI Enterprise ، وقد تم الآن دمج معالجة البيانات والتدريب ونشر التفكير فيها أو يتم دمجها في Snowflake. لذلك ، من بداية معالجة البيانات إلى النشر النهائي للنموذج الكبير ، الكل وراء تم تسريع محرك الحساب. سنقوم بتشغيل Snowflake ، حيث ستكون قادرًا على فعل المزيد ، وستكون قادرًا على فعل المزيد بموارد أقل.
إذا ذهبت إلى أي سحابة ، فسترى أن NVIDIA GPUs هي أغلى كيانات الحوسبة هناك. ولكن إذا وضعت عبئًا على ذلك ، فسترى أننا نقوم بذلك بسرعة كبيرة. يبدو الأمر كما لو كنت تحصل على خصم 95٪. نحن كيان الحوسبة الأغلى ثمناً ، لكننا التكلفة الإجمالية للملكية (TCO) الأكثر فعالية من حيث التكلفة.
لذا ، إذا كانت وظيفتك هي إدارة عبء العمل ، فربما تقوم بتدريب نموذج لغوي كبير ، وربما تعديل نموذج لغوي كبير ، إذا كنت تريد القيام بذلك ، فقم بالتأكيد بتسريع ذلك.
** تسريع كل عبء عمل ، وهذا هو إعادة تشكيل المكدس بأكمله. ** تتغير المعالجات بسببها ، تتغير أنظمة التشغيل بسببها ، وتختلف نماذج اللغات الكبيرة ، والطريقة التي تكتب بها تطبيقات الذكاء الاصطناعي مختلفة.
في المستقبل ، سنقوم جميعًا بكتابة الطلبات. علينا جميعًا ربط سياقنا وسياقنا ، مع بعض أوامر Python ، بنموذج لغة كبير وقاعدة بياناتنا الخاصة أو قاعدة بيانات الشركة ، وتطوير تطبيقاتنا الخاصة. سيكون الجميع مطور تطبيقات.
يستضيف:
لكن الشيء نفسه هو أنها لا تزال بياناتك. ما زلت بحاجة إلى ضبطه.
صريح:
اتضح أننا جميعًا نشعر أن الأسرع هو الأكثر تكلفة دائمًا. في الواقع ، فجأة ، يكون الأسرع أرخص ، وهو نوع من الحدس. لذلك في بعض الأحيان يرغب الناس في تقليل العرض ، معتقدين أنه أرخص ، وتبين أنه أكثر تكلفة.
التناقض الآخر مع التناقض السابق هو أن ** اعتادت أن تكون البيانات ستعمل (البيانات ستعمل) ، ولكن الآن ، يبحث العمل عن البيانات (العمل على البيانات). ** على مدار الستين عامًا الماضية ، أو أكثر ، كنا نسمح للبيانات بالانتقال إلى الأعمال ، مما أدى إلى وجود مستودعات معلومات على نطاق واسع. وإذا كنت تريد أن يكون لديك مصنع للذكاء الاصطناعي ، فسيكون من الصعب جدًا استخدام الطريقة السابقة. يجب أن نأتي بالحوسبة إلى مكان وجود البيانات. أعتقد أن ما نقوم به الآن هو الطريق الصحيح.
** 05 كيف يمكن للمؤسسات الحصول على أسرع وأكبر قيمة **
صريح:
كونك الأسرع والحصول على أكبر قيمة هما في الواقع مشكلتان مختلفتان تمامًا.
إذا كانت الأسرع ، ** فسترى قريبًا أن طريقة البحث المحسّن بالذكاء الاصطناعي موجودة على الإنترنت في كل مكان في قاعدة البيانات ، لأن هذه هي أسهل وظيفة يمكن إضافتها. ** إنه لأمر لا يصدق أنه حتى الشخص الأمي يمكنه الحصول على معلومات قيمة من البيانات الآن ، الدمقرطة النهائية للتفاعل. تم تحسين وظيفة البحث بشكل كبير ، ما عليك سوى طرح سؤال على الواجهة الرئيسية ، ويمكنهم إحضار هذه الأسئلة إلى البيانات لاستعلامهم الخاص. هذه هي الفاكهة المعلقة ، الأسهل ، نعتقد أنها المرحلة الأولى.
بعد ذلك ، نبدأ في التركيز حقًا على المشكلة الحقيقية ، وهي بيانات المؤسسة الخاصة ، والمختلطة الهيكلية ، وغير المهيكلة ، وكل ذلك ، كيف يمكننا تعبئة هذه البيانات؟ **
لقد أشرت بالفعل إلى معدل التغيير ومشكلات إدارة سلسلة التوريد التي تواجهها شركات C. عندما تكون سلسلة التوريد معقدة بشكل خاص ، إذا حدث حدث ما ، كيف يمكننا إعادة ضبط سلسلة التوريد لجعلها تعمل؟ ماذا يجب ان افعل الان تتكون سلسلة التوريد من العديد من الكيانات المختلفة ، وليس من مؤسسة واحدة. تاريخيا ، هذه مشكلة لم يتم حلها من قبل حسابيًا. لم تكن إدارة سلسلة التوريد منصة على الإطلاق ، إنها إلى حد كبير بريد إلكتروني ، وجدول بيانات ، مع بعض الاستثناءات الطفيفة. لذلك هذا مثير للغاية.
أو يمكننا إعادة حساب الاستثمار في مراكز الاتصال الكبيرة وتحسين أسعار التجزئة ، كما قلت ، هذه هي الإمكانية الحقيقية لإعادة تعريف نموذج الأعمال الذي كان الرؤساء التنفيذيون للشركات الكبيرة يتطلعون إليه. **
** 06 اقتراحات للمؤسسات: **
** هوانغ رينكسون: **
** أود أن أسأل نفسي ، رقم واحد ، ما هي قاعدة البيانات الأكثر قيمة بالنسبة لي؟ والشيء الثاني ، كنت أسأل نفسي ، إذا كان لدي شخص فائق ، فائق ، ذكي للغاية ، وجميع البيانات في المؤسسة مرت عبر هذا الذكاء الفائق ، ماذا سأطلب من هذا الشخص؟ **
هذا يختلف باختلاف شركة كل شخص. تعد قاعدة بيانات عملاء شركة فرانك مهمة للغاية لأنه يوجد بها العديد من العملاء. وشركتي الخاصة ، ليس لدي الكثير من العملاء ، ولكن بالنسبة لشركتي ، فإن سلسلة التوريد الخاصة بي معقدة للغاية ، وقاعدة بيانات التصميم الخاصة بي معقدة للغاية.
** بالنسبة إلى NVIDIA ، لا يمكننا إنشاء وحدة معالجة رسومات بدون ذكاء اصطناعي. لأنه لا يمكن لأي من مهندسينا القيام بالكثير من التكرار والاستكشاف لنا مثل الذكاء الاصطناعي. ** لذلك عندما اقترحنا الذكاء الاصطناعي ، كان التطبيق الأول في شركتنا الخاصة. علاوة على ذلك ، من المستحيل تصميم Hopper (منتج الحوسبة الفائقة NVIDIA) بدون الذكاء الاصطناعي.
سنقوم أيضًا بتطبيق الذكاء الاصطناعي الخاص بنا على بياناتنا الخاصة. قاعدة بيانات الأخطاء لدينا هي حالة استخدام مثالية لهذا الغرض. إذا نظرت إلى مقدار الكود في NVIDIA AI ، فلدينا المئات من حزم البرامج التي تعمل مجتمعة على تمكين أحد التطبيقات من العمل. بعض الأشياء التي نعمل عليها الآن هي كيفية استخدام الذكاء الاصطناعي لمعرفة كيفية تصحيح الأمان ، وأفضل طريقة للحفاظ عليه ، حتى لا نضطر إلى التدخل في طبقة التطبيق العليا بأكملها أثناء التوافق مع الإصدارات السابقة .
هذا ما يمكن أن يوفره لك الذكاء الاصطناعي. يمكننا استخدام نموذج لغة كبير للإجابة على هذه الأسئلة ، والعثور على إجابة لنا ، أو الكشف عن شيء ما لنا ، ومن ثم يمكن للمهندسين إصلاحه. أو يمكن أن يوصي الذكاء الاصطناعي بإحدى طرق الإصلاح ، ويمكن للمهندسين البشريين تأكيد ما إذا كانت طريقة إصلاح جيدة.
لا أعتقد أن الجميع يدرك مقدار الذكاء والبصيرة والتأثير المخفي في البيانات التي يعالجونها كل يوم. ** لهذا السبب نحتاج جميعًا إلى المشاركة والمساعدة في تحقيق هذا المستقبل.
الآن ، ولأول مرة ، يمكن توصيل البيانات التي تخزنها في مستودع البيانات بمصنع الذكاء الاصطناعي. ** ستكون قادرًا على إنتاج معلومات استخباراتية ، وهي أغلى سلعة في العالم. أنت تجلس على منجم ذهب من الموارد الطبيعية - بيانات مملوكة لشركتك ، ونحن الآن نربطها بمحرك ذكاء اصطناعي ، والطرف الآخر يولد ذكاء المعلومات بشكل مباشر كل يوم ، مع كمية لا تصدق من الذكاء المتدفق في من الطرف الآخر ، حتى أثناء النوم ، فإنه يستمر في الخروج. إنه أفضل شيء على الإطلاق.
شاهد النسخة الأصلية
المحتوى هو للمرجعية فقط، وليس دعوة أو عرضًا. لا يتم تقديم أي مشورة استثمارية أو ضريبية أو قانونية. للمزيد من الإفصاحات حول المخاطر، يُرجى الاطلاع على إخلاء المسؤولية.
Huang Renxun: تم بيع قوة حوسبة Nvidia's AI بخصم 10٪
المؤلف | Ling Zijun، Li Yuan
المحرر | جينغ يو
وقف Huang Renxun ، مرتديًا سترة جلدية ، على لوح تزلج أزرق ووقف بعض وضعيات ركوب الأمواج.
هذا ليس VidCon ، "مهرجان الإنترنت الأحمر" في الولايات المتحدة ، ولكنه مشهد في مؤتمر مطوري Snowflake ، وهي منصة بيانات معروفة في الولايات المتحدة.
في 26 يونيو بالتوقيت المحلي ، ناقش مؤسس Nvidia Huang Renxun والرئيس التنفيذي لشركة Snowflake فرانك سلوتمان "كيفية توفير الذكاء الاصطناعي التوليدي لمستخدمي المؤسسات". المضيف هو Greylock GP السابق ، وهو الآن مؤسس وكالة الاستثمار Conviction.
في الاجتماع ، مقارنة بالمدير المحترف الناضج والحصيف لـ "المضيف" فرانك ، كان "العراب في الجلد" مذهلًا كما هو الحال دائمًا ، ولم يقتصر الأمر على قوله إن التعاون بين الطرفين هو "نحن عشاق ، ولسنا مقاتلين" ( نحن عشاق ، ولسنا مقاتلين) ، ومن المزاح أكثر أن النموذج المدرب المقدم لـ Snowflake يعادل "خصم 10٪" للعملاء.
في نفس اليوم ، أطلقت Nvidia و Snowflake معًا خطوة كبيرة أخرى: تعاونت شركة الرقائق رقم 1 في العالم مع منصة البيانات السحابية الأكثر شيوعًا لإطلاق تعاون مشترك. ** يمكن لمستخدمي Snowflake استخدام نموذج الذكاء الاصطناعي المدربين مسبقًا من Nvidia مباشرة لتحليل بيانات الشركة الخاصة بهم على النظام الأساسي السحابي دون مغادرة النظام الأساسي ، وتطوير "تطبيقات الذكاء الاصطناعي" لبياناتهم الخاصة. **
قال Huang Renxun: "التغييرات الرئيسية الحالية تأتي من البيانات + خوارزمية الذكاء الاصطناعي + محرك الحوسبة. من خلال تعاوننا ، يمكننا جمع هذه النقاط الثلاث معًا."
نقاط الحديث:
** فيما يلي المحتوى الرئيسي للحوار بين الطرفين تحرير جيك بارك: **
** 01 تحدث عن التعاون: جلب أفضل محرك حوسبة إلى البيانات الأكثر قيمة **
صريح:
تلعب NVIDIA حاليًا دورًا مهمًا في التاريخ. بالنسبة لنا ، القدرة على جلب البيانات والعلاقات للمؤسسات الكبيرة. نحن بحاجة إلى تمكين هذه التكنولوجيا ، ومكدس الخدمات بأكمله لاستخدامها بفعالية. لا أريد أن أصفها بأنها "مباراة صنعت في الجنة" ، لكن بالنسبة للشخص العادي ، فهي فرصة جيدة لدخول باب الفرصة هذا.
** هوانغ رينكسون: **
نحن عشاق ، ولسنا منافسين. ** نريد أن نجلب أفضل محرك حوسبة في العالم إلى البيانات الأكثر قيمة في العالم. إذا نظرنا إلى الوراء ، فأنا أعمل لفترة طويلة ، لكنني لست بهذا السن. فرانك ، أنت أكبر سنًا (يضحك). **
في الآونة الأخيرة ، البيانات ضخمة والبيانات ثمينة لأسباب معروفة. يجب أن تكون آمنة. نقل البيانات صعب ، وخطورة البيانات حقيقية. لذلك كان من الأسهل علينا إحضار محرك الحوسبة الخاص بنا إلى Snowflake. تدور شراكتنا حول تسريع Snowflake ، ولكنها تتعلق أيضًا بجلب الذكاء الاصطناعي إلى Snowflake. **
** الجوهر هو مزيج من البيانات + خوارزمية الذكاء الاصطناعي + محرك الحوسبة ، شراكتنا تجمع بين الأشياء الثلاثة معًا. ** بيانات قيمة بشكل لا يصدق ، ذكاء اصطناعي رائع بشكل لا يصدق ، محرك حسابي رائع بشكل لا يصدق.
ما يمكننا القيام به معًا هو مساعدة العملاء على أخذ بياناتهم الخاصة واستخدامها لكتابة تطبيقات الذكاء الاصطناعي. كما تعلم ، الاختراق الكبير هنا هو أنه لأول مرة يمكنك تطوير نموذج لغة كبير. تضعها أمام بياناتك ، ثم تتحدث إلى بياناتك كما لو كنت تتحدث إلى إنسان ، ويتم زيادة تلك البيانات في نموذج لغوي كبير.
الجمع بين نموذج لغة كبير بالإضافة إلى قاعدة معرفية يساوي تطبيق الذكاء الاصطناعي. ** هذا النموذج بسيط ، وهو نموذج لغة كبير يحول أي قاعدة معرفية للبيانات إلى تطبيق. **
فكر في جميع التطبيقات الرائعة التي كتبها الناس. في جوهرها ، كانت هناك دائمًا بعض البيانات القيمة. الآن لديك محرك استعلام عام لمحرك استعلام في المقدمة ، إنه ذكي للغاية ، يمكنك جعله يستجيب لك ، ولكن يمكنك أيضًا توصيله ببروكسي ، وهو الاختراق الذي تحققه قواعد بيانات Langchain و Vector. الأشياء الخارقة التي تغطي البيانات ونماذج اللغات الكبيرة تحدث في كل مكان ، ويريد الجميع القيام بذلك. وسوف نساعدك أنا وفرانك على القيام بذلك.
** 02 البرنامج 3.0: إنشاء تطبيق ذكاء اصطناعي لحل مشكلة معينة **
يستضيف:
نظرًا لأن المستثمر ينظر إلى هذا التغيير ، فإن البرنامج 1.0 عبارة عن رمز حتمي للغاية يكتبه المهندسون وظيفيًا ؛ يعمل البرنامج 2.0 على تحسين شبكة عصبية ببيانات تدريب معنونة تم جمعها بعناية.
أنتم يا رفاق تساعدون الناس على الاستفادة من البرنامج 3.0 ، وهو مجموعة من النماذج الأساسية القادرة بشكل لا يصدق بمفردهم ، لكنهم ما زالوا بحاجة إلى العمل مع بيانات المؤسسة ومجموعات البيانات المخصصة. من الأرخص بكثير مجرد تطوير تلك التطبيقات ضدهم.
** سؤال واحد لمن يبحث بعمق في هذا المجال ، النموذج الأساسي عام للغاية ، هل يمكنه فعل كل شيء؟ لماذا نحتاج إلى نماذج مخصصة وبيانات المؤسسة؟ **
صريح:
لذلك لدينا نماذج عامة جدًا يمكنها عمل الشعر ، وعمل ملخصات لـ "غاتسبي العظيم" ، وحل مسائل الرياضيات.
لكن في الأعمال التجارية ، لسنا بحاجة إلى هذه ، ما نحتاجه هو مساعد طيار لاكتساب رؤى غير عادية حول مجموعة بيانات ضيقة للغاية ولكنها معقدة للغاية.
نحن بحاجة إلى فهم نماذج الأعمال وديناميكيات الأعمال. لا يجب أن يكون هذا مكلفًا للغاية من الناحية الحسابية ، لأن النموذج لا يحتاج إلى التدريب على مليون شيء ، ولكنه يحتاج فقط إلى معرفة القليل جدًا ، ولكن الموضوعات العميقة.
على سبيل المثال. أنا عضو في مجلس إدارة Instacart وأحد عملائنا الكبار ، مثل DoorDash وجميع الشركات الأخرى التي تواجه مشكلة هي أنها تواصل تكثيف إنفاقها التسويقي ، ويأتي العميل ، ويضع العميل طلبًا والعميل أيضًا لا لن أعود أو أعود في غضون 90 يومًا ، وهو أمر غير مستقر للغاية. يسمون هذا زبد.
هذا هو تحليل المشكلات المعقدة لأنه يمكن أن يكون هناك العديد من الأسباب لعدم عودة العميل. يريد الناس العثور على إجابات لهذه الأسئلة ، وهي موجودة في البيانات ، وليس في الإنترنت العام ، ويمكن العثور عليها من خلال الذكاء الاصطناعي. هذا مثال على المكان الذي يمكن أن تولد فيه قيمة كبيرة.
يستضيف:
كيف يجب أن تتفاعل هذه النماذج مع بيانات المؤسسة؟
** هوانغ رينكسون: **
إن استراتيجيتنا ومنتجاتنا هي أحدث النماذج المدربة مسبقًا من جميع الأحجام ، وفي بعض الأحيان تحتاج إلى إنشاء نموذج كبير جدًا مدرب مسبقًا بحيث يمكن إنتاجه لتعليم النماذج الأصغر.
ويمكن تشغيل الطرز الأصغر على أي جهاز تقريبًا ، ربما مع زمن انتقال منخفض جدًا. ومع ذلك ، فإن قدرتها على التعميم ليست عالية ، وقد تكون قدرة اللقطة الصفرية (التعلم بدون عينة) أكثر محدودية.
لذلك قد يكون لديك عدة نماذج من أنواع وأحجام مختلفة ، ولكن في كل حالة عليك القيام بضبط دقيق تحت الإشراف ، عليك القيام بـ RLHF (التعلم المعزز مع ردود الفعل البشرية) بحيث يظل مع أهدافك ومبادئك باستمرار ، فأنت بحاجة لتضخيمها بشيء مثل قاعدة بيانات المتجهات ، بحيث يتم تجميعها جميعًا في نظام أساسي واحد. لدينا المهارات والمعرفة والنظام الأساسي الأساسي لمساعدتهم على إنشاء الذكاء الاصطناعي الخاص بهم ثم ربطه بالبيانات في Snowflake.
الآن ، ** لا ينبغي أن يكون هدف كل عميل مؤسسي هو التفكير في كيفية إنشاء نموذج لغة كبير ، يجب أن يكون هدفهم ، كيف يمكنني إنشاء تطبيق ذكاء اصطناعي لحل مشكلة معينة؟ ** قد يستغرق هذا التطبيق 17 سؤالاً ليخرج أخيرًا بالإجابة الصحيحة. وبعد ذلك قد تقول ، أريد أن أكتب برنامجًا ، يمكن أن يكون برنامج SQL ، ويمكن أن يكون برنامج Python ، حتى أتمكن من القيام بذلك تلقائيًا في المستقبل.
** لا يزال يتعين عليك توجيه هذا الذكاء الاصطناعي حتى يتمكن أخيرًا من إعطائك الإجابة الصحيحة. ** ولكن بعد ذلك ، يمكنك إنشاء تطبيق يمكنه العمل على مدار الساعة طوال أيام الأسبوع كوكيل (وكيل) ، والبحث عن المواقف ذات الصلة ، وإبلاغك مسبقًا. لذا فإن مهمتنا هي مساعدة العملاء على بناء تطبيقات الذكاء الاصطناعي هذه ، والتي تكون محددة ومخصصة مع حواجز الأمان.
في النهاية ، سنكون جميعًا مصنّعين أذكياء في المستقبل ، وسنوظف موظفين بالطبع ، لكننا سننشئ مجموعة من الوكلاء التي يمكن إنشاؤها باستخدام شيء مثل Lang Chain ، والنماذج المتصلة ، وقواعد المعرفة ، وواجهات برمجة التطبيقات الأخرى ، منتشرة في السحابة ، وربطها بجميع بيانات Snowflake.
يمكنك تشغيل أنظمة الذكاء الاصطناعي هذه على نطاق واسع وتحسين هذه الأنظمة بشكل مستمر. لذلك كل واحد منا سوف يصنع الذكاء الاصطناعي ، ويدير مصنعًا للذكاء الاصطناعي. سنضع البنية التحتية في قاعدة بيانات Snowflake ، حيث يمكن للعملاء استخدام بياناتهم ، وتدريب نماذجهم وتطويرها ، وتشغيل الذكاء الاصطناعي الخاص بهم ، لذلك سيكون Snowflake مستودع بياناتك وبنكك.
من خلال منجمهم الذهبي للبيانات ، سيدير الجميع مصانع الذكاء الاصطناعي على Snowflake. هذا هو الهدف.
** 03 على الرغم من أن "القنبلة النووية" باهظة الثمن ، فإن استخدام النموذج مباشرةً يعادل "خصم 10٪" **
** هوانغ رينكسون: **
لقد أنشأنا خمسة مصانع للذكاء الاصطناعي في NVIDIA ، أربعة منها هي أكبر 500 حاسوب عملاق في العالم ، والآخر على المحك. نستخدم هذه الحواسيب العملاقة لعمل نماذج ما قبل التدريب. لذلك عندما تستخدم خدمة Nemo AI الأساسية الخاصة بنا في Snowflake ، فإنك تحصل على أحدث طراز مُدرَّب مسبقًا تكلف بالفعل عشرات الملايين من الدولارات ، ناهيك عن البحث والتطوير. لذلك فهو مدرب مسبقًا.
ثم هناك مجموعة كاملة من الطرز الأخرى حوله والتي تُستخدم لضبط RLHF. كل هذه النماذج أغلى بكثير للتدريب.
لذا فقد قمت الآن بتكييف النموذج المدرب مسبقًا مع ميزاتك ، مع حواجز الحماية الخاصة بك ، محسّنًا لنوع المهارات أو الميزات التي تريدها ، معززة ببياناتك. لذلك ، سيكون هذا نهجًا أكثر فعالية من حيث التكلفة.
والأهم من ذلك ، خلال أيام وليس شهور. يمكنك تطوير تطبيقات AI التي تتصل ببياناتك في Snowflake.
يجب أن تكون قادرًا على إنشاء تطبيقات الذكاء الاصطناعي بسرعة في المستقبل.
لأننا نرى ذلك يحدث في الوقت الفعلي الآن. توجد بالفعل تطبيقات تسمح لك بالدردشة مع البيانات ، مثل ChatPDF.
يستضيف:
** نعم ، في عصر البرمجيات 3.0 ، تم تغطية 95٪ من تكاليف التدريب بالفعل من قبل الآخرين. **
** هوانغ رينكسون: **
(يضحك) نعم ، خصم 95٪ ، لا يمكنني تخيل صفقة أفضل.
يستضيف:
هذا هو الدافع الحقيقي ، وكمستثمر ، رأيت شركات صغيرة جدًا في مجال التحليلات والأتمتة والقانون وما إلى ذلك ، والتي حققت تطبيقاتها قيمة أعمال حقيقية في ستة أشهر أو أقل. جزء من ذلك هو أنهم بدأوا بهذه النماذج المدربة مسبقًا ، وهي فرصة كبيرة للشركات.
** هوانغ رينكسون: **
سيكون لدى كل شركة المئات ، وربما حتى 1000 تطبيق للذكاء الاصطناعي ، متصلة فقط بجميع أنواع البيانات في شركتك. لذا ، علينا جميعًا أن نكون جيدين في بناء هذه الأشياء.
** 04 كانت تستخدم البيانات للبحث عن الأعمال ، والآن أصبحت الأعمال تبحث عن البيانات **
يستضيف:
أحد الأسئلة التي ما زلت أسمعها من كبار رجال الأعمال هو أننا يجب أن نستثمر في الذكاء الاصطناعي ، هل نحتاج إلى حزمة جديدة؟ كيف يجب أن نفكر في الاتصال بمكدس البيانات الموجود لدينا؟
صريح:
أعتقد أنه يتطور. أصبحت النماذج تدريجيًا أكثر بساطة وأمانًا وأفضل إدارة. إذن ، ليس لدينا رؤية واضحة حقًا بأن هذه هي البنية المرجعية التي سيستخدمها الجميع؟ سيكون لدى البعض إعدادات لبعض الخدمات المركزية. تمتلك Microsoft إصدارًا من AI في Azure ، ويتفاعل العديد من عملائها مع Azure.
** لكننا لا نعرف النموذج الذي سيسود ، نعتقد أن السوق سيصنف نفسه على أساس أشياء مثل سهولة الاستخدام والتكلفة. ** هذه فقط البداية وليست الحالة النهائية.
كما سيتم إشراك قطاع الأمن ، وسيتم إصلاح قضية حق المؤلف. الآن بعد أن أصبحنا مفتونين بالتكنولوجيا ، سيتم التعامل مع مشاكل حقيقية في نفس الوقت.
** هوانغ رينكسون: **
نشهد الآن أول تغيير أساسي لمنصة الحوسبة منذ 60 عامًا. إذا كنت قد قرأت للتو بيانًا صحفيًا من IBM 360 ، فقد سمعت عن وحدات المعالجة المركزية وأنظمة الإدخال والإخراج الفرعية ووحدات التحكم DMA والذاكرة الافتراضية وتعدد المهام والحوسبة القابلة للتطوير والمتوافقة مع الإصدارات السابقة والخلفية ، وهذه المفاهيم ، في الواقع كل شيء عام 1964 ، وهذه لقد ساعدتنا المفاهيم في توسيع نطاق وحدات المعالجة المركزية على مدار العقود الستة الماضية.
استمر هذا التوسع لمدة 60 عامًا ، لكنه وصل إلى نهايته. يدرك الجميع الآن أنه لم يعد بإمكاننا توسيع نطاق وحدة المعالجة المركزية ، وفجأة ، يتغير البرنامج. تختلف طريقة كتابة البرنامج وطريقة تشغيله وما يمكن أن يفعله البرنامج كثيرًا عما كان عليه من قبل. نسمي البرنامج السابق 2.0. الآن أصبح البرنامج 3.0.
الحقيقة هي ، ** الحوسبة قد تغيرت بشكل أساسي. نرى ديناميكيتين أساسيتين تحدثان في نفس الوقت ، وهذا هو سبب اهتزاز الأشياء بعنف الآن. **
لسبب واحد ، لم يعد بإمكانك الاستمرار في شراء وحدات المعالجة المركزية. إذا اشتريت مجموعة أخرى من وحدات المعالجة المركزية في العام المقبل ، فلن تزيد سرعة الحوسبة لديك. لأن نهاية توسيع وحدة المعالجة المركزية قد حان. ستدفع مبلغًا أكبر ، ولن تحصل على المزيد من الإنتاجية. لذا ، ** الجواب هو أنه عليك الذهاب للتسريع (Nvidia Accelerated Computing Platform) **. تحدث الفائز بجائزة تورينج عن التسارع ، وكانت Nvidia رائدة في التسريع ، والحوسبة المتسارعة هنا الآن.
من ناحية أخرى ، خضع نظام تشغيل الكمبيوتر بأكمله لتغييرات عميقة. لدينا طبقة تسمى NVIDIA AI Enterprise ، وقد تم الآن دمج معالجة البيانات والتدريب ونشر التفكير فيها أو يتم دمجها في Snowflake. لذلك ، من بداية معالجة البيانات إلى النشر النهائي للنموذج الكبير ، الكل وراء تم تسريع محرك الحساب. سنقوم بتشغيل Snowflake ، حيث ستكون قادرًا على فعل المزيد ، وستكون قادرًا على فعل المزيد بموارد أقل.
إذا ذهبت إلى أي سحابة ، فسترى أن NVIDIA GPUs هي أغلى كيانات الحوسبة هناك. ولكن إذا وضعت عبئًا على ذلك ، فسترى أننا نقوم بذلك بسرعة كبيرة. يبدو الأمر كما لو كنت تحصل على خصم 95٪. نحن كيان الحوسبة الأغلى ثمناً ، لكننا التكلفة الإجمالية للملكية (TCO) الأكثر فعالية من حيث التكلفة.
لذا ، إذا كانت وظيفتك هي إدارة عبء العمل ، فربما تقوم بتدريب نموذج لغوي كبير ، وربما تعديل نموذج لغوي كبير ، إذا كنت تريد القيام بذلك ، فقم بالتأكيد بتسريع ذلك.
** تسريع كل عبء عمل ، وهذا هو إعادة تشكيل المكدس بأكمله. ** تتغير المعالجات بسببها ، تتغير أنظمة التشغيل بسببها ، وتختلف نماذج اللغات الكبيرة ، والطريقة التي تكتب بها تطبيقات الذكاء الاصطناعي مختلفة.
في المستقبل ، سنقوم جميعًا بكتابة الطلبات. علينا جميعًا ربط سياقنا وسياقنا ، مع بعض أوامر Python ، بنموذج لغة كبير وقاعدة بياناتنا الخاصة أو قاعدة بيانات الشركة ، وتطوير تطبيقاتنا الخاصة. سيكون الجميع مطور تطبيقات.
يستضيف:
لكن الشيء نفسه هو أنها لا تزال بياناتك. ما زلت بحاجة إلى ضبطه.
صريح:
اتضح أننا جميعًا نشعر أن الأسرع هو الأكثر تكلفة دائمًا. في الواقع ، فجأة ، يكون الأسرع أرخص ، وهو نوع من الحدس. لذلك في بعض الأحيان يرغب الناس في تقليل العرض ، معتقدين أنه أرخص ، وتبين أنه أكثر تكلفة.
التناقض الآخر مع التناقض السابق هو أن ** اعتادت أن تكون البيانات ستعمل (البيانات ستعمل) ، ولكن الآن ، يبحث العمل عن البيانات (العمل على البيانات). ** على مدار الستين عامًا الماضية ، أو أكثر ، كنا نسمح للبيانات بالانتقال إلى الأعمال ، مما أدى إلى وجود مستودعات معلومات على نطاق واسع. وإذا كنت تريد أن يكون لديك مصنع للذكاء الاصطناعي ، فسيكون من الصعب جدًا استخدام الطريقة السابقة. يجب أن نأتي بالحوسبة إلى مكان وجود البيانات. أعتقد أن ما نقوم به الآن هو الطريق الصحيح.
** 05 كيف يمكن للمؤسسات الحصول على أسرع وأكبر قيمة **
صريح:
كونك الأسرع والحصول على أكبر قيمة هما في الواقع مشكلتان مختلفتان تمامًا.
إذا كانت الأسرع ، ** فسترى قريبًا أن طريقة البحث المحسّن بالذكاء الاصطناعي موجودة على الإنترنت في كل مكان في قاعدة البيانات ، لأن هذه هي أسهل وظيفة يمكن إضافتها. ** إنه لأمر لا يصدق أنه حتى الشخص الأمي يمكنه الحصول على معلومات قيمة من البيانات الآن ، الدمقرطة النهائية للتفاعل. تم تحسين وظيفة البحث بشكل كبير ، ما عليك سوى طرح سؤال على الواجهة الرئيسية ، ويمكنهم إحضار هذه الأسئلة إلى البيانات لاستعلامهم الخاص. هذه هي الفاكهة المعلقة ، الأسهل ، نعتقد أنها المرحلة الأولى.
بعد ذلك ، نبدأ في التركيز حقًا على المشكلة الحقيقية ، وهي بيانات المؤسسة الخاصة ، والمختلطة الهيكلية ، وغير المهيكلة ، وكل ذلك ، كيف يمكننا تعبئة هذه البيانات؟ **
لقد أشرت بالفعل إلى معدل التغيير ومشكلات إدارة سلسلة التوريد التي تواجهها شركات C. عندما تكون سلسلة التوريد معقدة بشكل خاص ، إذا حدث حدث ما ، كيف يمكننا إعادة ضبط سلسلة التوريد لجعلها تعمل؟ ماذا يجب ان افعل الان تتكون سلسلة التوريد من العديد من الكيانات المختلفة ، وليس من مؤسسة واحدة. تاريخيا ، هذه مشكلة لم يتم حلها من قبل حسابيًا. لم تكن إدارة سلسلة التوريد منصة على الإطلاق ، إنها إلى حد كبير بريد إلكتروني ، وجدول بيانات ، مع بعض الاستثناءات الطفيفة. لذلك هذا مثير للغاية.
أو يمكننا إعادة حساب الاستثمار في مراكز الاتصال الكبيرة وتحسين أسعار التجزئة ، كما قلت ، هذه هي الإمكانية الحقيقية لإعادة تعريف نموذج الأعمال الذي كان الرؤساء التنفيذيون للشركات الكبيرة يتطلعون إليه. **
** 06 اقتراحات للمؤسسات: **
** هوانغ رينكسون: **
** أود أن أسأل نفسي ، رقم واحد ، ما هي قاعدة البيانات الأكثر قيمة بالنسبة لي؟ والشيء الثاني ، كنت أسأل نفسي ، إذا كان لدي شخص فائق ، فائق ، ذكي للغاية ، وجميع البيانات في المؤسسة مرت عبر هذا الذكاء الفائق ، ماذا سأطلب من هذا الشخص؟ **
هذا يختلف باختلاف شركة كل شخص. تعد قاعدة بيانات عملاء شركة فرانك مهمة للغاية لأنه يوجد بها العديد من العملاء. وشركتي الخاصة ، ليس لدي الكثير من العملاء ، ولكن بالنسبة لشركتي ، فإن سلسلة التوريد الخاصة بي معقدة للغاية ، وقاعدة بيانات التصميم الخاصة بي معقدة للغاية.
** بالنسبة إلى NVIDIA ، لا يمكننا إنشاء وحدة معالجة رسومات بدون ذكاء اصطناعي. لأنه لا يمكن لأي من مهندسينا القيام بالكثير من التكرار والاستكشاف لنا مثل الذكاء الاصطناعي. ** لذلك عندما اقترحنا الذكاء الاصطناعي ، كان التطبيق الأول في شركتنا الخاصة. علاوة على ذلك ، من المستحيل تصميم Hopper (منتج الحوسبة الفائقة NVIDIA) بدون الذكاء الاصطناعي.
سنقوم أيضًا بتطبيق الذكاء الاصطناعي الخاص بنا على بياناتنا الخاصة. قاعدة بيانات الأخطاء لدينا هي حالة استخدام مثالية لهذا الغرض. إذا نظرت إلى مقدار الكود في NVIDIA AI ، فلدينا المئات من حزم البرامج التي تعمل مجتمعة على تمكين أحد التطبيقات من العمل. بعض الأشياء التي نعمل عليها الآن هي كيفية استخدام الذكاء الاصطناعي لمعرفة كيفية تصحيح الأمان ، وأفضل طريقة للحفاظ عليه ، حتى لا نضطر إلى التدخل في طبقة التطبيق العليا بأكملها أثناء التوافق مع الإصدارات السابقة .
هذا ما يمكن أن يوفره لك الذكاء الاصطناعي. يمكننا استخدام نموذج لغة كبير للإجابة على هذه الأسئلة ، والعثور على إجابة لنا ، أو الكشف عن شيء ما لنا ، ومن ثم يمكن للمهندسين إصلاحه. أو يمكن أن يوصي الذكاء الاصطناعي بإحدى طرق الإصلاح ، ويمكن للمهندسين البشريين تأكيد ما إذا كانت طريقة إصلاح جيدة.
لا أعتقد أن الجميع يدرك مقدار الذكاء والبصيرة والتأثير المخفي في البيانات التي يعالجونها كل يوم. ** لهذا السبب نحتاج جميعًا إلى المشاركة والمساعدة في تحقيق هذا المستقبل.
الآن ، ولأول مرة ، يمكن توصيل البيانات التي تخزنها في مستودع البيانات بمصنع الذكاء الاصطناعي. ** ستكون قادرًا على إنتاج معلومات استخباراتية ، وهي أغلى سلعة في العالم. أنت تجلس على منجم ذهب من الموارد الطبيعية - بيانات مملوكة لشركتك ، ونحن الآن نربطها بمحرك ذكاء اصطناعي ، والطرف الآخر يولد ذكاء المعلومات بشكل مباشر كل يوم ، مع كمية لا تصدق من الذكاء المتدفق في من الطرف الآخر ، حتى أثناء النوم ، فإنه يستمر في الخروج. إنه أفضل شيء على الإطلاق.