كيفية تحسين هيكل الذكاء الاصطناعي التوليدي للشركات

استعرضت شركة F5، وعلى لسان محمد أبو خاطر، نائب الرئيس الإقليمي للمبيعات في منطقة الشرق الأوسط وتركيا وإفريقيا لدى F5، مجموعة من النصائح التي تساعد الشركات على تحسين هيكل الذكاء الاصطناعي التوليدي لديها.

وتأتي هذه الدراسة في الوقت الذي لا تزال الحوارات حول الذكاء الاصطناعي التوليدي دائرة في كل مكان، وفقاً لبيان صحفي وصل موقع “بزنس برس”.

ومن الأسئلة المطروحة حالياً: ما المواضيع الأكثر رواجاً في الوقت الحالي؟ وكيف يسهم الذكاء الاصطناعي في جعل العالم مكاناً أفضل؟ وأين تكمن القيمة التجارية منه؟ 

وتزداد أهمية هذه الأسئلة عند الأخذ بالاعتبار التحديات التي تواجه المؤسسات التي تحاول معرفة ما إذا كان يتعين عليها نشر الذكاء الاصطناعي التوليدي في عمليات الذكاء الاصطناعي (AIOps) الخاصة بها ومتى؟

وتهدف النصائح الخمس المذكورة أدناه إلى مساعدة المؤسسات التي تتطلع إلى فهم أثر الذكاء الاصطناعي التوليدي على الممارسات الخاصة بالبيانات التشغيلية وتحسين الجداول الزمنية لاعتماد تكنولوجيا الذكاء الاصطناعي التوليدي بما يتوافق مع ميزانياتها وممارساتها وثقافاتها الحالية.

1- نماذج الذكاء الاصطناعي التوليدي تفضّل البيانات شبه المنظمة وغير المنظمة

تعد البيانات التشغيلية مزيجاً من مجموعات البيانات شبه المنظمة (الأشياء) والبيانات غير المنظمة. وتتمتع نماذج اللغات الكبيرة (LLMs) بقدر جيد من المرونة والفعالية عند جمعها مع هذا النوع من صيغ البيانات، ما يجعل من نماذج اللغات الكبيرة التكنولوجيا الأمثل لتحليل مجموعات البيانات التشغيلية.

2– لا تحتاج المؤسسات إلى بناء نماذج

لن تحتاج المؤسسات التي تركز على تحديد الأساليب التي يتم استخدامها من قبل النماذج المختلفة من أجل أداء مهامها، إلى بناء نماذجها الخاصة. 

على سبيل المثال، يعتبر نموذج التعرف على الكيانات المسماة (NER) فرعاً من معالجة اللغة الطبيعية(NLP) ويعتبر أسلوباً فعالاً في ترسيخ العناصر الأساسية في مجموعات البيانات شبه المنظمة.

3– جاذبية البيانات هي أمر حقيقي

تعتبر جاذبية البيانات قوة أساسية مؤثرة على اتخاذ القرارات المتعلقة بما إذا كان من الضروري تقريب الحوسبة من مواضع إنشاء البيانات، أو نقل البيانات إلى موضع قريب من أماكن نشر الحوسبة. وكلما زاد حجم البيانات ازدادت قوة الجاذبية ما يؤدي إلى زيادة سعة الحوسبة المتموضعة بالقرب منها.

4– يجب عدم تجاهل البيانات المنعزلة وضرورة التعامل معها

أصبح كسر حواجز عزلة البيانات بهدف تبسيط وتسريع تحليل البيانات التشغيلية أكثر أهمية من أي وقت مضى وذلك بالتزامن مع قيام الذكاء الاصطناعي بالمعالجة. لكن يبدو على المدى المنظور أن البيانات المنعزلة ستبقى موجودة، إن لم تنتشر كذلك.

وعند الحديث عن الوصول إلى البيانات المخزنة في مواقع متعددة، فإن الخيارات المتاحة هي نسخ ونقل البيانات أو إنشاء طبقة بيانات منطقية تستخدم استعلامات موحدة لكن دون نقل البيانات.

5– عدم التخوّف من التحول الرقمي

عندما تقوم الحلول بإضافة التحول الرقمي فإنها تتوسع من خلال تحويل المعرفة الضمنية للخبراء في مجالات خصوصية البيانات وعمليات الأمن الإلكتروني (SecOps)، إلى ممارسة قابلة للتكرار مدعومة بعمليات الذكاء الاصطناعي (AIOps) والتي يمكن تنفيذها بواسطة الآلات.