Norėdami apsaugoti įmonės maržas, verslo lyderiai turi investuoti į tvirtą AI valdymą, kad galėtų saugiai valdyti AI infrastruktūrą.
Vertinant įmonės programinės įrangos pritaikymą, pasikartojantis modelis lemia, kaip technologijos bręsta įvairiose pramonės šakose. Kaip neseniai nurodė Robas Thomasas, IBM SVP ir CCO, programinė įranga paprastai pereina nuo atskiro produkto į platformą, o vėliau iš platformos į pagrindinę infrastruktūrą, visiškai pakeičiant valdymo taisykles.
Pradiniame produkto etape griežta įmonės kontrolė dažnai atrodo labai naudinga. Uždara kūrimo aplinka kartojasi greitai ir tiksliai valdo galutinio vartotojo patirtį. Jie fiksuoja ir sutelkia finansinę vertę viename įmonės subjekte, o šis metodas tinkamai veikia ankstyvojo produkto kūrimo ciklų metu.
Tačiau IBM analizė pabrėžia, kad lūkesčiai visiškai pasikeičia, kai technologija tampa pagrindiniu sluoksniu. Kai kitos institucinės sistemos, išorės rinkos ir plačios operacinės sistemos priklauso nuo programinės įrangos, vyraujantys standartai prisitaiko prie naujos realybės. Infrastruktūros mastu atvirumas nustoja būti ideologine pozicija ir tampa labai praktiška būtinybe.
Šiuo metu dirbtinis intelektas peržengia šį slenkstį įmonės architektūros krūvoje. Modeliai vis dažniau tiesiogiai įterpiami į būdus, kaip organizacijos apsaugo savo tinklus, kuria šaltinio kodą, vykdo automatizuotus sprendimus ir kuria komercinę vertę. AI veikia mažiau kaip eksperimentinė priemonė, o labiau kaip pagrindinė veiklos infrastruktūra.
Neseniai atlikus ribotą Anthropic Claude Mythos modelio peržiūrą, rizika valdantys įmonių vadovai labiau atkreipė dėmesį į šią realybę. Anthropic praneša, kad šis konkretus modelis gali aptikti ir išnaudoti programinės įrangos pažeidžiamumą tokiu lygiu, kuris atitiktų keletą žmonių ekspertų.
Reaguodama į šią galią, Anthropic pradėjo projektą Glasswing – uždarą iniciatyvą, skirtą pirmiausia perduoti šias pažangias galimybes tiesiai į tinklo gynėjų rankas. IBM požiūriu, ši plėtra verčia technologijų pareigūnus susidoroti su tiesioginiais struktūriniais pažeidžiamumu. Jei autonominiai modeliai turi galimybę rašyti išnaudojimus ir formuoti bendrą saugumo aplinką, Thomas pažymi, kad sutelkus šių sistemų supratimą nedaugelyje technologijų pardavėjų, reikia rimtai eksploatuoti.
Kai modeliai pasiekia infrastruktūros būseną, IBM teigia, kad pagrindinė problema nebėra tik tai, ką šios mašininio mokymosi programos gali vykdyti. Prioritetu tampa tai, kaip šios sistemos kuriamos, valdomos, tikrinamos ir aktyviai tobulinamos ilgą laiką.
Kadangi pagrindinės sistemos tampa sudėtingesnės ir didėja įmonės svarba, išlaikyti uždarus plėtros vamzdynus tampa nepaprastai sunku apginti. Nė vienas pardavėjas negali sėkmingai numatyti visų operacijų reikalavimų, priešingos atakos vektoriaus ar sistemos gedimo režimo.
Nepermatomų AI struktūrų įdiegimas sukelia didelę esamos tinklo architektūros trintį. Sujungus uždarus patentuotus modelius su nusistovėjusiomis įmonės vektorinėmis duomenų bazėmis arba labai jautriais vidiniais duomenų rinkiniais, dažnai atsiranda didelių trikčių šalinimo kliūčių. Kai atsiranda anomalių rezultatų arba padidėja haliucinacijų dažnis, komandoms trūksta vidinio matomumo, reikalingo diagnozuoti, ar klaida atsirado dėl paieškos papildyto kartos dujotiekio ar bazinio modelio svorio.
Integruojant pasenusią vietinę architektūrą su labai ribotais debesų modeliais, kasdienėse operacijose taip pat atsiranda didelė delsa. Kai įmonės duomenų valdymo protokolai griežtai draudžia siųsti neskelbtiną klientų informaciją į išorinius serverius, technologijų komandoms belieka bandyti pašalinti ir anonimizuoti duomenų rinkinius prieš juos apdorojant. Šis nuolatinis duomenų sanitarinis apdorojimas sukuria didžiulę veiklos trukmę.
Be to, didėjančios skaičiavimo išlaidos, susijusios su nuolatiniais API iškvietimais į užrakintus modelius, mažina tikslią pelno maržą, kurią šios autonominės sistemos turėtų padidinti. Dėl neskaidrumo tinklo inžinieriai negali tiksliai nustatyti aparatinės įrangos diegimo dydžio, todėl įmonės verčiamos sudaryti brangias perteklinio aprūpinimo sutartis, kad išlaikytų pradines funkcijas.
Kodėl atvirojo kodo AI yra būtinas veiklos atsparumui
Prieigos prie galingų programų ribojimas yra suprantamas žmogaus instinktas, labai panašus į atsargumą. Tačiau, kaip pabrėžia Thomas, esant didžiuliam infrastruktūros mastu, saugumas paprastai gerėja per griežtą išorinę priežiūrą, o ne dėl griežto slėpimo.
Tai yra ilgalaikė atvirojo kodo programinės įrangos kūrimo pamoka. Atvirojo kodo kodas nepanaikina įmonės rizikos. Vietoj to, IBM teigia, kad ji aktyviai keičia, kaip organizacijos valdo šią riziką. Atviras pagrindas leidžia platesnei tyrėjų, įmonių kūrėjų ir saugumo gynėjų bazei ištirti architektūrą, atskleisti pagrindinius trūkumus, patikrinti pagrindines prielaidas ir sutvirtinti programinę įrangą realiomis sąlygomis.
Kibernetinio saugumo operacijose platus matomumas retai būna operatyvinio atsparumo priešas. Tiesą sakant, matomumas dažnai yra griežta būtina sąlyga norint pasiekti tą atsparumą. Technologijos, kurios laikomos labai svarbiomis, paprastai išlieka saugesnės, kai didesnės populiacijos gali mesti iššūkį, patikrinti jų logiką ir prisidėti prie nuolatinio tobulėjimo.
Thomas atkreipia dėmesį į vieną iš seniausių klaidingų nuomonių apie atvirojo kodo technologijas: įsitikinimą, kad jos neišvengiamai paverčia verslo naujovėmis. Praktiškai atvira infrastruktūra paprastai išstumia rinkos konkurenciją aukščiau technologijų krūvos. Atviros sistemos perduoda finansinę vertę, o ne ją sunaikina.
Kai bendri skaitmeniniai pagrindai bręsta, komercinė vertė perkeliama į sudėtingą diegimą, sistemos suderinimą, nuolatinį patikimumą, patikimumo mechaniką ir specifinę srities patirtį. IBM pozicija teigia, kad ilgalaikiai komerciniai laimėtojai yra ne tie, kuriems priklauso pagrindinis technologinis sluoksnis, o organizacijos, kurios supranta, kaip efektyviausiai jį pritaikyti.
Pastebėjome, kad šis identiškas modelis išryškėjo ankstesnių kartų įmonės įrankių, debesų infrastruktūros ir operacinėse sistemose. Atviri fondai istoriškai išplėtė kūrėjų dalyvavimą, paspartino kartotinį tobulėjimą ir sukūrė visiškai naujas, didesnes rinkas, sukurtas ant šių bazinių sluoksnių. Įmonių vadovai vis dažniau mano, kad atvirasis kodas yra labai svarbus infrastruktūros modernizavimui ir atsirandančioms dirbtinio intelekto galimybėms. IBM prognozuoja, kad dirbtinis intelektas greičiausiai laikysis šios tikslios istorinės trajektorijos.
Žvelgdami į platesnę pardavėjų ekosistemą, pagrindiniai hiperskaluotojai koreguoja savo verslo pozicijas, kad atitiktų šią realybę. Užuot įsitraukę į grynas ginklavimosi varžybas, kad sukurtų didžiausias patentuotas juodąsias dėžes, labai pelningi integratoriai daug dėmesio skiria orkestravimo įrankiams, kurie leidžia įmonėms pakeisti pagrindinius atvirojo kodo modelius, atsižvelgiant į konkrečius darbo krūvio poreikius. Pabrėždama savo nuolatinę lyderystę šioje srityje, IBM yra pagrindinis šių metų AI & Big Data Expo Šiaurės Amerikoje rėmėjas, kur šios besivystančios atviros įmonės infrastruktūros strategijos bus pagrindinis dėmesys.
Šis metodas visiškai apeina ribojantį tiekėjo blokavimą ir leidžia įmonėms nukreipti mažiau reikalaujančias vidines užklausas į mažesnius ir labai efektyvius atvirus modelius, taip išsaugant brangius skaičiavimo išteklius sudėtingai, klientui skirtai autonominei logikai. Atsiedami taikymo sluoksnį nuo konkretaus pagrindo modelio, technologijų pareigūnai gali išlaikyti veiklos judrumą ir apsaugoti savo pagrindą.
Įmonės AI ateitis reikalauja skaidraus valdymo
Kita pragmatiška atvirų modelių naudojimo priežastis yra produkto kūrimo įtaka. IBM pabrėžia, kad siaura prieiga prie pagrindinio kodo natūraliai lemia siauras veiklos perspektyvas. Priešingai, nuo to, kas gali dalyvauti, tiesiogiai priklauso, kokios programos galiausiai sukurtos.
Suteikus plačią prieigą vyriausybėms, įvairioms institucijoms, pradedančioms įmonėms ir įvairiems tyrėjams galima aktyviai daryti įtaką technologijų vystymuisi ir komerciniam pritaikymui. Šis įtraukus požiūris skatina funkcines naujoves, kartu didindamas struktūrinį prisitaikymą ir būtiną viešąjį teisėtumą.
Kaip teigia Thomas, kai autonominis AI prisiima pagrindinės įmonės infrastruktūros vaidmenį, pasitikėjimas neskaidrumu nebegali būti sistemos saugos organizavimo principas. Patikimiausias saugios programinės įrangos projektas suporavo atvirus pagrindus su plačia išorine priežiūra, aktyvia kodo priežiūra ir rimtu vidiniu valdymu.
Kai dirbtinis intelektas visam laikui pereina į infrastruktūros etapą, IBM tvirtina, kad identiška logika vis dažniau tiesiogiai taikoma patiems pagrindiniams modeliams. Kuo didesnė įmonės priklausomybė nuo technologijos, tuo didesnis atitinkamas atvirumo reikalavimo pagrindas.
Jei šios savarankiškos darbo eigos tikrai tampa pasaulinės prekybos pagrindu, skaidrumas nustoja būti atsitiktinių diskusijų objektu. IBM teigimu, tai yra absoliutus, nediskutuotinas projektavimo reikalavimas bet kuriai moderniai įmonės architektūrai.
Taip pat žiūrėkite: Kodėl tokios kompanijos kaip „Apple“ kuria AI agentus su apribojimais
Norite daugiau sužinoti apie AI ir didelius duomenis iš pramonės lyderių? Peržiūrėkite „AI & Big Data Expo“, vykstančią Amsterdame, Kalifornijoje ir Londone. Išsamus renginys yra „TechEx“ dalis ir vyksta kartu su kitais pagrindiniais technologijų renginiais, įskaitant „Cyber Security & Cloud Expo“. Norėdami gauti daugiau informacijos, spustelėkite čia.
AI naujienas teikia TechForge Media. Čia rasite kitus būsimus įmonių technologijų renginius ir internetinius seminarus.
