یک مطالعه اخیر توسط Accenture نشان می‌دهد که کسب‌وکارهایی که از فناوری‌های پیشرفته هوش مصنوعی مانند مدل‌های زبانی بزرگ و هوش مصنوعی مولد استفاده می‌کنند، قادر به افزایش درآمد تا 10 درصد هستند که 2.6 برابر بیشتر از کسب‌وکارهایی است که از این فناوری استفاده نمی‌کنند.

در عصر هوش مصنوعی و مدل‌های زبانی بزرگ (LLM)، علم داده و هوش مصنوعی به طور فزاینده‌ای در گردش‌های کاری ادغام می‌شوند. با این حال، پیاده‌سازی و به‌کارگیری مدل‌های هوش مصنوعی در عملیات تجاری نیز با چالش‌های بسیاری روبرو است.

به گفته آقای نگوین ون توان، مدیرعامل شرکت هایراتک، واحدی که از سیستم و زیرساخت هوش مصنوعی برای پروژه بازسازی عکس‌های شهدا پشتیبانی می‌کند، تقاضا برای سیستم‌های تجهیزات مورد استفاده برای آموزش و مربیگری هوش مصنوعی در جهان بیشتر از عرضه بازار است. خریداران حتی باید شش ماه قبل از عرضه، تجهیزات را از تأمین‌کنندگان سفارش دهند تا این تجهیزات را دریافت کنند.

چه کسی دریاچه را خلق کرد؟ ۲.JPG
پسری در حال چت با یک دختر مجازی هوش مصنوعی است. عکس: ChatGPT

جهان «تشنه» زیرساخت‌های سخت‌افزاری برای خدمت به هوش مصنوعی است. در همین حال، سیستم‌های هوش مصنوعی اغلب به صورت متمرکز و با هزینه‌های بسیار گزاف آموزش داده می‌شوند. این مانعی برای به‌کارگیری هوش مصنوعی در عملیات تجاری است.

بسیاری از کسب‌وکارها در ویتنام از سرویس‌های ابری برای استقرار مدل‌های هوش مصنوعی استفاده می‌کنند. با این حال، این روش در مقیاس بزرگ پرهزینه است و فاقد انعطاف‌پذیری در گردش کار است.

در رویداد اخیر، آقای نگوین ون جیاپ، مدیر کل لنوو ویتنام، گفت که برای به‌کارگیری بیشتر هوش مصنوعی در فرآیند عملیات و تولید، کسب‌وکارها روند جدیدی را در استفاده از ایستگاه‌های کاری یکپارچه با هوش مصنوعی در پیش گرفته‌اند.

بسیاری از سازمان‌ها به دلیل نگرانی در مورد امنیت و هزینه‌های آموزش داده‌ها، به سمت میزبانی خصوصی و توسعه مدل‌های زبانی بزرگ (LLM) و مدل‌های زبانی کوچک (SLM) حرکت می‌کنند.

این امر نه تنها گردش کار را بهینه می‌کند، بلکه به صاحبان مشاغل کمک می‌کند تا ضمن ترویج نوآوری در بسیاری از زمینه‌ها، تصمیمات به موقع بگیرند.

ایستگاه‌های کاری با داشتن CPUها و GPUهای با کارایی بالا، برای تسریع توسعه، تنظیم و آموزش مدل هوش مصنوعی در مقیاس‌های کوچک‌تر و هزینه‌های پایین‌تر نسبت به فضای ابری طراحی شده‌اند.

استفاده از داده‌های محلی نه تنها امن‌تر است، بلکه به دانشمندان داده اجازه می‌دهد تا مدل‌های هوش مصنوعی را در یک حلقه بسته و سریع‌تر آموزش دهند و در نتیجه زمان رسیدن به نتایج نهایی را کاهش دهند.

آموزش هوش مصنوعی.jpg
بسیاری از سازمان‌ها در حال توسعه مدل‌های زبان بزرگ (LLM) و مدل‌های زبان کوچک (SLM) خصوصی به صورت داخلی از طریق ایستگاه‌های کاری یکپارچه با هوش مصنوعی هستند. عکس: تصویر

تنوع مدل‌های زبان بزرگ نیز به طور فزاینده‌ای در مقیاس جهانی شناخته شده است. آقای رابرت هالوک، معاون رئیس جمهور و مدیر کل هوش مصنوعی و بازاریابی فنی در اینتل، در گفتگو با VietNamNet گفت که برای ترویج تحول دیجیتال، کشورها می‌توانند مدل‌های زبان بزرگ خود را توسعه دهند و ویتنام مدل زبان بزرگ ویتنامی است.

به گفته معاون رئیس اینتل، در فرآیند کار با چندین مدل هوش مصنوعی چندزبانه، ویتنام و چین به عنوان دو کشوری در نظر گرفته می‌شوند که با ترکیب عناصر زبان محلی، مدل‌های زبانی بزرگ را به خوبی بومی‌سازی می‌کنند.

آقای رابرت هالوک معتقد است که هوش مصنوعی نه تنها می‌تواند برای ارتقای کسب‌وکار در شرکت‌ها به کار گرفته شود، بلکه می‌تواند به طور مؤثر در بخش دولتی نیز به کار گرفته شود. به طور خاص، راهروی قانونی دولت‌ها محیطی عالی برای هوش مصنوعی است.

یک سند حقوقی می‌تواند صدها صفحه داشته باشد و درک تمام اطلاعات و مقررات موجود در آن را برای هر کسی دشوار کند. در این مواقع به یک مدل زبانی بزرگ با یک دستیار مجازی که در مورد محتوای خاص سؤال می‌پرسد و پاسخ می‌دهد، نیاز است.

یک نظرسنجی Finastra نشان می‌دهد که ویتنام در حال حاضر از نظر علاقه به هوش مصنوعی مولد، پیشرو بازار است. طبق نتایج این نظرسنجی، ۹۱٪ از مردم ویتنام نسبت به ارزش‌های مثبتی که هوش مصنوعی مولد به ارمغان می‌آورد، ابراز رضایت کرده‌اند.

انفجار رایانش ابری و هوش مصنوعی (AI) فرصت‌های عظیمی را برای رشد اقتصادی ایجاد می‌کند، اما هنوز شکاف نیروی کار دیجیتال وجود دارد که ویتنام باید به سرعت آن را پر کند.