Satya Nadella z Microsoftu mění pohled na AI: Klíčem k úspěchu firem jsou učící se smyčky, ne modely

Nejdůležitější myšlenka v oblasti umělé inteligence (AI) v současnosti možná nepochází z výzkumné práce nebo nového modelu, ale z krátké eseje, kterou publikoval generální ředitel Microsoftu Satya Nadella.

Nejdůležitější myšlenka v oblasti umělé inteligence (AI) v současnosti možná nepochází z výzkumné práce nebo nového modelu, ale z krátké eseje, kterou publikoval generální ředitel Microsoftu Satya Nadella. Nadella v ní tvrdí, že budoucnost firem bude záviset na interakci mezi lidským kapitálem – tedy znalostmi, úsudkem, vztahy a vynalézavostí lidí – a „tokenovým kapitálem“, což je schopnost AI, kterou organizace budují a vlastní. Tato terminologie je nová, ale základní pozorování poukazuje na to, že ústřední výzvou podnikové AI není samotná inteligence, nýbrž její architektura.

Nadellova esej je zajímavá, protože dochází k podobným závěrům z úplně jiného směru. Pokud se jeho argumentace pečlivě sleduje, vede k závěru, který velká část odvětví podnikové AI stále zdráhá přijmout: budoucnost podnikové AI není v modelu, ale v učící se smyčce. Nejpřesvědčivější věta v Nadellově eseji zní: „Skutečná příležitost nespočívá ve výběru nejlepšího modelu, ale spíše v budování učící se smyčky nad modely, kde se lidský a tokenový kapitál kumulují.“

Poslední dva roky se diskuse o podnikové AI točily převážně kolem schopností modelů – který model lépe uvažuje, lépe píše kód nebo má největší kontextové okno. Tyto otázky jsou sice důležité, ale implicitně předpokládají, že inteligence samotná je vzácným zdrojem. Stále více se však ukazuje, že tomu tak není. Hraniční modely se vyvíjejí pozoruhodnou rychlostí a schopnosti, které se před několika měsíci zdály mimořádné, se stávají běžnými. Vrstva inteligence se stává hojnou, a když se zdroj stane hojným, pozornost se přesouvá na systém, který jej organizuje. Stejně jako se elektřina, výpočetní technika a sítě staly infrastrukturou, děje se to nyní i s inteligencí. Důležitější otázkou se stává, jak je inteligence organizována, nasazována, řízena, měřena a neustále zlepšována uvnitř podniku.

Další důležitou myšlenkou v Nadellově eseji je, že organizace by měly být schopny nahradit obecný model, aniž by ztratily odborné znalosti nashromážděné v jejich systémech. Měly by si zachovat své „firemní veteránské“ znalosti. To zní samozřejmě, ale v dnešních architekturách AI je to překvapivě vzácné. Většina iniciativ podnikové AI stále silně závisí na schopnostech, které žijí uvnitř samotného modelu. Zlepšením modelu se zlepší systém, ale jeho nahrazením riskujete ztrátu chování, adaptace a nashromážděného učení. Nadella poukazuje na odlišnou architekturu, kde trvalým aktivem není model, ale učící se systém obklopující model. To je podobné tomu, co se stalo při předchozích platformových přechodech: společnosti nepřestavují své ERP systémy pokaždé, když se zlepší databáze, ani nepřepracovávají své CRM strategie pokaždé, když se zrychlí procesory. Trvalé aktivum žije nad infrastrukturou a AI se zdá směřovat stejným směrem.