Bisakah MLOp yang berpusat pada manusia membantu AI memenuhi hype?

Bisakah MLOp yang berpusat pada manusia membantu AI memenuhi hype?

Kami sangat antusias untuk menghadirkan Remodel 2022 kembali secara langsung pada 19 Juli dan 20 – 28 Juli secara digital. Bergabunglah dengan AI dan para pemimpin knowledge untuk pembicaraan yang berwawasan luas dan peluang jaringan yang menarik. Daftar hari ini!


Konsep “AI yang berpusat pada manusia” telah merasuki semangat kecerdasan buatan selama beberapa tahun terakhir. Itu berkat, sebagian, kepada organisasi seperti Institut Stanford untuk AI yang Berpusat pada Manusia (HAI), yang diluncurkan pada 2019.

Namun menurut Dr. Vishal Sikka, pendiri dan CEO di Palo Alto, CA-based Sistem Vianai (yang juga mantan CEO Infosys dan menjabat sebagai anggota dewan penasihat di HAI), AI yang berpusat pada manusia lebih dari sekadar kata kunci yang dihipnotis atau kerangka filosofis. Meskipun berfokus pada bagaimana AI dapat memperkuat dan meningkatkan kinerja manusia, ini sebenarnya tentang membantu perusahaan membangun dan mengelola AI yang lebih baik.

“Perusahaan perlu memahami keadaan lanskap AI mereka — berapa banyak mannequin yang mereka miliki, apa yang mereka lakukan dengan mereka, apa yang seharusnya dilakukan oleh mannequin tersebut, apakah mereka melakukan apa yang seharusnya mereka lakukan,” katanya.

Untuk itu, Platform Vian H+AI MLOps perusahaan yang baru diluncurkan menggabungkan beberapa alat sumber terbuka, teknik eksklusif dan pengoptimalan serta pemikiran desain, dengan tujuan memberikan landasan untuk menghadirkan sistem AI yang berpusat pada manusia ke perusahaan dalam skala besar. Pengalaman pengguna terpadu memungkinkan Insinyur MLOps untuk mengoperasionalkan mannequin dengan cepat, terlepas dari alat yang digunakan oleh ilmuwan knowledge untuk membuat mannequin tersebut; serta plug and play dan membuat keputusan tentang komponen tanpa mengubah API.

Mendukung pengambilan keputusan manusia dengan AI

Alat-alat baru ini dimaksudkan untuk membantu perusahaan memanfaatkan sepenuhnya janji dan potensi AI untuk mendorong bisnis mereka, Sikka menjelaskan, sambil memastikan bahwa mode AI dan ML bertanggung jawab, dapat dijelaskan dan etis, dan, pada saat yang sama, mendukung pengambilan keputusan manusia. daripada menggantinya.

“Itu mengharuskan alat kami mengambil langkah mundur ke perspektif meta-teoritis pada mannequin, untuk mencoba memahami keterbatasannya,” kata Sikka. “Apa space di mana ia menghasilkan positif palsu dan negatif palsu? Apakah itu terjadi lebih dari yang terjadi ketika kita melatih mannequin atau ketika kita membangun mannequin? Bisakah kita melihat ke dalam itu dan melihat jenis ketidakpastian apa yang ada – ketidakpastian dalam knowledge, atau dalam mannequin?”

Hasilnya dimaksudkan untuk memenuhi kebutuhan unik AI perusahaan, tetapi dari sudut pandang manusia. Misalnya, Sikka menunjuk ke sistem Vianai yang dibangun menggunakan platform MLOps untuk salah satu financial institution terbesar di dunia, yang membantu penilai properti menilai properti mereka dengan lebih baik.

“Secara tradisional, mereka melihat perbandingan dan melakukan penyesuaian berdasarkan apakah, katakanlah, properti itu memiliki kolam renang, atau kejahatan di daerah itu lebih buruk, atau kebisingan dari jalan bebas hambatan lebih baik,” katanya. Vianai mampu membantu perusahaan memahami lebih dari 20.000 perbandingan dan seratus kali lebih banyak penyesuaian.

“Pada akhirnya, merekalah yang membuat keputusan tentang nilai properti, daripada melakukannya secara otomatis,” katanya. “Kami memberi mereka alat bagi penilai untuk menganalisis informasi jauh lebih cepat, pada jumlah knowledge yang jauh lebih besar, daripada yang bisa mereka lakukan.”

Sikka, yang saat ini juga menjadi anggota dewan direksi Oracle dan anggota dewan pengawas di BMW, mengatakan Vianai telah menghabiskan tiga tahun terakhir untuk membangun platform MLOps baru, yang menurutnya menjawab dua tantangan AI perusahaan yang sudah lama ada.

Mengatasi kinerja dan manajemen risiko

Yang pertama adalah membantu perusahaan mendapatkan kinerja yang lebih baik dari AI dengan mempercepat kecepatan mannequin dan throughput bahkan pada perangkat keras komoditas. “AI telah menjadi babi komputasi yang luar biasa,” katanya.

Misalnya, Schneider Electrical, salah satu perusahaan manufaktur elektronik terbesar di dunia, memiliki peralatan yang berada di daerah terpencil yang jauh dari awan, termasuk pabrik, di ladang minyak, dan di kapal. Perusahaan memiliki beberapa lusin mannequin AI kompleks yang berjalan di perangkat edge yang didistribusikan secara world. Tapi mereka berlari terlalu lambat – di sekitar body per detik gambar. Platform MLOps secara dramatis meningkatkan runtime dan menerapkan mannequin yang dioptimalkan ke perangkat edge.

“Salah satu solusinya adalah mendapatkan peralatan yang jauh lebih mahal dan lebih besar, tetapi bahkan jika Anda bisa mendapatkan peralatan itu di sana, akan membutuhkan waktu yang sangat lama untuk meningkatkan mesin,” jelasnya. “Kami memungkinkan mereka menjalankan ribuan body per detik, pada perangkat keras yang sama.”

Platform MLOps juga membahas kemampuan pemantauan risiko, seperti kualitas dan integritas knowledge, penyimpangan, ketidakpastian, bias, dan kemampuan untuk dijelaskan. “Perusahaan membutuhkan kemampuan untuk mengatasi keterbatasan mannequin ini,” kata Sikka. “Pada dasarnya, tergantung pada apakah perusahaan memahami apa yang dilakukan seorang mannequin? Dapatkah petugas risiko atau personel operasi memahami risiko dan tata kelola di sekitar mannequin?”

AI yang berpusat pada manusia membutuhkan pemikiran desain

Untuk memahami batasan itu, atau batasan mannequin AI, “Anda harus melampauinya,” tambahnya. “John McCarthy, bapak AI, biasa menyebutnya ‘mencoba memahami realitas di balik penampilan.’

Pada akhirnya, jelasnya, AI yang berpusat pada manusia adalah AI yang “rendah hati” yang berupaya memperkuat pekerjaan manusia dan meningkatkan penilaian manusia. Untuk melakukan itu membutuhkan kekuatan pemikiran desain – yaitu, memahami realitas bagaimana manusia akan terlibat dengan AI.

“Inti dari pembelajaran mesin adalah untuk memperbaiki situasi manusia, bukan untuk menggantikan penilaian orang tersebut,” katanya. “Anda tidak dapat memiliki AI yang berpusat pada manusia tanpa memahami desain aktivitas AI, bagaimana ia terhubung ke pengambilan keputusan manusia.”

Misi VentureBeat adalah menjadi alun-alun kota digital bagi para pengambil keputusan teknis untuk memperoleh pengetahuan tentang teknologi dan transaksi perusahaan yang transformatif. Pelajari lebih lanjut tentang keanggotaan.

Total
0
Shares
Leave a Reply

Your email address will not be published.

Related Posts