تمرکز دانش سازمانی توسط مدل های بزرگ نوظهور هوش مصنوعی

تمرکز دانش سازمانی توسط مدل های بزرگ نوظهور هوش مصنوعی

نظرات

4 دقیقه

تصور کنید چند مدل به‌طور آرام دانش نهادی شرکت‌ها در سراسر جهان را انبار می‌کنند. شبیه علم‌تخیلی به نظر می‌رسد؟ ساتیا نادلا می‌گوید این اتفاق در حال رخ دادن است.

در شبکهٔ ایکس، مدیرعامل مایکروسافت هشدار داد که مدل‌های بزرگ هوش مصنوعی در مقیاس وسیع اطلاعات شرکتی را گردآوری و جذب می‌کنند، و تمرکز آن دانش در دست چند پلتفرم می‌تواند صنایع کامل را ویران کند. او نتیجهٔ احتمالی را با موج اول جهانی‌سازی مقایسه کرد، زمانی که کارخانه‌ها و مشاغل تولیدی از مرزها حرکت کردند، نمودارهای اقتصادی روی کاغذ مرتب به‌نظر می‌رسیدند اما جوامع در عمل تهی شدند.

نادلا کم نگفت. او معتقد بود هیچ کس نباید با این واقعیت بیدار شود که کسب‌وکارها مجبور به واگذاری ارزش و داده‌های خود به مجموعه کوچکی از مدل‌ها شوند. «هیچ مجوز اجتماعی برای آیندهٔ هوش مصنوعی که صنایع را تهی می‌کند وجود ندارد»، او نوشت و از مسیر دیگری حمایت کرد: مسیری که کنترل شرکت‌ها بر دانش‌شان را حفظ کند و تخصص کارکنان را محافظت نماید.

نسخه او صرف گفتار تکنوکراتیک نیست. نادلا محیطی باز را تصور می‌کند که در آن سازمان‌ها می‌توانند چرخه‌های یادگیری خود را اجرا کنند، سیستم‌هایی که دانش نهادی را رمزگذاری می‌کنند، ارزش سرمایه انسانی را افزایش می‌دهند و دارایی‌های سازمانی نشانه‌گذاری‌شده را در طول زمان بالا می‌برند. این فراخوانی برای سیستم‌هایی است که سودها را به‌طور گسترده پخش کنند، نه اینکه ارزش را به سمت چند سرویس غالب هوش مصنوعی هدایت کنند.

سایر فعالان دنیای فناوری نیز این هشدار را تکرار می‌کنند. مدیرعامل اسنوفلیک، سریدار راماسوامی، گفته برخی از بازیگران بزرگ هوش مصنوعی خواهان دسترسی جهانی به داده هستند، اقدامی که سایر فروشندگان نرم‌افزار را به چیزی کمتر از لوله‌های انتقال داده تبدیل می‌کند که آن مغزهای عظیم را تغذیه می‌کنند. آرون لوی، مدیرعامل باکس، خطر دیگری را متذکر می‌شود: با آغاز انجام کارهای پیچیده حقوقی، پژوهش‌های علمی و دیگر وظایف تخصصی توسط هوش مصنوعی، مزیت به نفع کسی خواهد چرخید که بیشترین دادهٔ دامنه‌ایِ مرتبط و باکیفیت را در اختیار دارد.

پس در چنین منظری، رقابت چگونه خواهد بود؟ به گفتهٔ این رهبران، شرکت‌ها با کپی‌برداری از هوش عمومی موفق نخواهند شد. موفقیت از آنِ کسانی است که اطلاعات دقیق، زمینه‌ای و مربوط به حوزهٔ خود را گزینش و سامان‌دهی می‌کنند؛ داده‌هایی که فرآیندها، مشتریان، مقررات و مهارت‌هایشان را منعکس می‌کنند. چنین دانشی سخت‌تر قابل استخراج و دشوارتر برای کالایی‌سازی است.

سیاست و معماری اهمیت دارند. اگر کنترل نشود، چند سرویس هوش مصنوعی عمودا یکپارچه ممکن است نه تنها محاسبات و مدل‌ها را متمرکز کنند، بلکه زیرساخت نامرئی اعتماد و تخصص را که شرکت‌ها در طول دهه‌ها ساخته‌اند نیز متمرکز سازند. اکوسیستم‌های باز، استانداردهای تعامل‌پذیری و روش‌هایی برای اینکه سازمان‌ها حلقه‌های یادگیری خود را حفظ و عملیاتی کنند به‌عنوان پادزهر پیشنهاد شده‌اند. این‌ها انتخاب‌های طراحی هستند، نه اجتناب‌ناپذیرها.

اولویت ما باید ساختن یک اکوسیستم باشد، نه صرفاً یک مدل، تا ارزش در میان شرکت‌ها، صنایع و کشورها جریان یابد.

بحث دیگر دربارهٔ این نیست که آیا هوش مصنوعی کار را متحول خواهد کرد. موضوع این است که چه کسی بازده‌های این تحول را به‌چنگ خواهد آورد. آیا ارزش میان کسب‌وکارهای بزرگ و کوچک توزیع خواهد ماند، یا در اطراف چند شرکت که داده‌ها، مدل‌ها و مسیرهای بینش را کنترل می‌کنند متمرکز خواهد شد؟

این پرسش تعیین خواهد کرد که کجا شغل‌ها پابرجا می‌مانند، کجا صنایع جدید شکل می‌گیرند و آیا فصل بعدی فناوری اقتصادها را تقویت خواهد کرد یا آنها را تهی خواهد ساخت. زمان برای طراحی آن آینده در حال سپری شدن است.

منبع: smarti

ارسال نظر

نظرات

مطالب مرتبط