به گزارش اپ خونه، IBM، مانند تقریباً هر غول فناوری این روزها، روی هوش مصنوعی شرط بندی کرده است.
این شرکت در کنفرانس سالانه Think خود، IBM Watsonx را معرفی کرد، پلتفرمی جدید که ابزارهایی را برای ساخت مدل‌های هوش مصنوعی و دسترسی به مدل‌های از پیش آموزش‌دیده برای تولید کد، متن و موارد دیگر را فراهم می‌کند.
این یک سیلی برای مدیران پشتی IBM است که اخیراً به آنها گفته شد که این شرکت استخدام برای نقش هایی را که فکر می کند می تواند در سال های آینده با هوش مصنوعی جایگزین شود، متوقف خواهد کرد.
اما IBM می‌گوید که انگیزه راه‌اندازی آن چالش‌هایی بود که بسیاری از کسب‌وکارها هنوز در استقرار هوش مصنوعی در محیط کار تجربه می‌کنند.
۳۰ درصد از رهبران کسب‌وکار که به نظرسنجی IBM پاسخ می‌دهند، مسائل اعتماد و شفافیت را به عنوان موانعی که آنها را از پذیرش هوش مصنوعی بازمی‌دارد، ذکر می‌کنند، در حالی که ۴۲ درصد به نگرانی‌های مربوط به حریم خصوصی – به ویژه در مورد هوش مصنوعی مولد اشاره می‌کنند.
راب توماس، مدیر ارشد بازرگانی IBM در میزگردی با خبرنگاران گفت:
«هوش مصنوعی ممکن است جایگزین مدیران نشود، اما مدیرانی که از هوش مصنوعی استفاده می‌کنند، جایگزین مدیرانی خواهند شد که این کار را نمی‌کنند. این واقعاً نحوه کار مردم را تغییر می دهد.»
IBM ادعا می کند که Watsonx این مشکل را با دسترسی مشتریان به مجموعه ابزار، زیرساخت و منابع مشاوره ای که برای ایجاد مدل های هوش مصنوعی خود یا تنظیم دقیق و تطبیق مدل های هوش مصنوعی در دسترس بر روی داده های خود نیاز دارند، حل می کند.
با استفاده از Watsonx.ai، که IBM آن را به زبان بازاریابی پرزدار به عنوان یک «استودیوی سازمانی برای سازندگان هوش مصنوعی» توصیف می‌کند، کاربران همچنین می‌توانند مدل‌ها و همچنین مدل‌های پس از استقرار را نظارت کنند و ظاهراً جریان‌های کاری مختلف خود را یکپارچه کنند.
اما صبر کنید، شاید بگویید، آیا رقبایی مانند گوگل، آمازون و مایکروسافت قبلاً این یا چیزی تقریباً نزدیک به آن را ارائه نمی دهند؟ پاسخ کوتاه بله است.
محصول قابل مقایسه آمازون SageMaker Studio است، در حالی که محصول گوگل Vertex AI است. در سمت Azure، پلتفرم هوش مصنوعی Azure وجود دارد.
با این حال، IBM ادعا می‌کند که Watsonx تنها پلتفرم ابزار هوش مصنوعی در بازار است که طیفی از مدل‌های از پیش آموزش‌دیده، توسعه‌یافته برای سازمان و زیرساخت مقرون‌به‌صرفه را ارائه می‌کند.
داریو گیل، معاون IBM در این میزگرد به خبرنگاران گفت:
«شما هنوز به یک سازمان و تیم بسیار بزرگ نیاز دارید تا بتوانید نوآوری [هوش مصنوعی] را به گونه‌ای که شرکت‌ها بتوانند مصرف کنند، به ارمغان بیاورید و این یک عنصر کلیدی از قابلیت افقی است که IBM در حال ارائه آن است.»
این مسئله بعدا بررسی خواهد شد. در هر صورت، IBM با استفاده از Watsonx.ai هفت مدل از پیش آموزش دیده را به مشاغل ارائه می دهد که تعدادی از آنها منبع باز هستند.
همچنین با Hugging Face، استارت‌آپ هوش مصنوعی، همکاری می‌کند تا هزاران مدل، مجموعه داده‌ها و کتابخانه‌های توسعه‌یافته Hugging Face را شامل شود.
IBM به نوبه خود متعهد شده است که نرم افزار توسعه دهنده هوش مصنوعی منبع باز به Hugging Face کمک کند و چندین مدل داخلی خود را از پلتفرم توسعه هوش مصنوعی Hugging Face در دسترس قرار دهد.
سه موردی که شرکت در Think برجسته می کند عبارتند از fm.model.code که کد تولید می کند. fm.model.NLP، مجموعه ای از مدل های زبان بزرگ; و fm.model.geospatial، یک مدل ساخته شده بر اساس آب و هوا و داده های سنجش از دور ناسا.
fm.model.code مانند مدل‌های تولیدکننده کد مانند Copilot GitHub به کاربر اجازه می‌دهد دستوری به زبان طبیعی بدهد و سپس گردش کار کدگذاری مربوطه را ایجاد کند.
Fm.model.NLP شامل مدل‌های تولید متن برای حوزه‌های خاص و مرتبط با صنعت، مانند شیمی آلی است و fm.model.geospatial پیش‌بینی‌هایی را برای کمک به برنامه‌ریزی برای تغییرات در الگوهای بلایای طبیعی، تنوع زیستی و کاربری زمین، علاوه بر سایر فرآیندهای ژئوفیزیکی انجام می‌دهد.
IBM ادعا می‌کند که مدل‌ها با مجموعه داده‌های آموزشی حاوی انواع مختلف داده‌های تجاری، از جمله کد، داده‌های سری زمانی، داده‌های جدولی و داده‌های مکانی و داده‌های رویدادهای فناوری اطلاعات متمایز می‌شوند.
آرویند کریشنا، مدیرعامل IBM ، در میزگرد گفت:
«ما به یک شرکت اجازه می‌دهیم از کد خود برای تطبیق این مدل‌ها با نحوه اجرای کتاب‌های بازی و کدشان استفاده کند. این برای مواردی است که مردم می خواهند نمونه خصوصی خود را چه در یک ابر عمومی یا چه در محل خود داشته باشند.»
وی می‌گوید IBM از خود مدل‌ها در مجموعه محصولات و خدمات نرم‌افزاری خود استفاده می‌کند.
به عنوان مثال، fm.model.code به Watson Code Assistant، پاسخ IBM به Copilot، اجازه می دهد تا توسعه دهندگان کد را با استفاده از اعلان های ساده انگلیسی در سراسر برنامه ها از جمله Red Hat’s Ansible تولید کنند.
در مورد fm.model.NLP، این مدل‌ها با AIOps Insights، Watson Assistant و Watson Orchestrate – به ترتیب کیت ابزار AIOps IBM، دستیار هوشمند و فناوری اتوماسیون گردش کار – ادغام شده‌اند تا دید بهتری در عملکرد در محیط‌های IT فراهم کنند، و حوادث فناوری اطلاعات را حل کنند.
این روشی مناسب تر و بهبود تجارب خدمات مشتری – یا اینطور که IBM وعده داده است- می باشد.
در همین حال، FM.model.geospatial، زیربنای نسخه EIS Builder IBM است، محصولی که به سازمان‌ها اجازه می‌دهد راه‌حل‌هایی برای رسیدگی به خطرات زیست‌محیطی ایجاد کنند.
در کنار Watsonx.ai، تحت همان برند ، IBM از Watsonx.data، یک فروشگاه داده «مناسب برای هدف» که هم برای داده های کنترل شده و هم برای حجم کاری هوش مصنوعی طراحی شده است، رونمایی کرد.
IBM می‌گوید Watsonx.data به کاربران اجازه می‌دهد تا از طریق یک نقطه ورودی به داده‌ها دسترسی داشته باشند، در حالی که از موتورهای پرس و جو استفاده می‌کنند، به علاوه حاکمیت، اتوماسیون و ادغام با پایگاه‌های داده و ابزارهای موجود سازمان را دارا هستند.
مکمل Watsonx.ai و Watsonx.data، Watsonx.governance است، ابزاری که – به عبارت نسبتا مبهم IBM – مکانیسم‌هایی را برای محافظت از حریم خصوصی مشتری، تشخیص تعصب و تغییر مدل ارائه می‌کند و به سازمان‌ها کمک می‌کند استانداردهای اخلاقی را رعایت کنند.
ابزارها و زیرساخت های جدید
در یک اعلامیه مربوط به Watsonx، شرکت IBM یک GPU جدید در فضای ابری IBM بهینه‌سازی شده برای بارهای کاری فشرده به‌ویژه آموزش و ارائه مدل‌های هوش مصنوعی را به نمایش گذاشت .
این شرکت همچنین IBM Cloud Carbon Calculator را به نمایش گذاشت، یک داشبورد مطابق با هوش مصنوعی که مشتریان را قادر می‌سازد تا انتشار کربن تولید شده از طریق استفاده از ابر خود را اندازه‌گیری، ردیابی، مدیریت و گزارش دهند.
IBM می‌گوید که با همکاری اینتل بر اساس فناوری بخش تحقیقاتی IBM توسعه یافته است و می‌تواند به تجسم انتشار گازهای گلخانه‌ای در سرتاسر حجم کاری تا سطح خدمات ابری کمک کند.
می توان گفت که هر دو محصول، علاوه بر مجموعه جدید Watsonx، چیزی شبیه به دو برابر شدن هوش مصنوعی برای IBM هستند.
این شرکت اخیراً یک ابرکامپیوتر بهینه شده با هوش مصنوعی به نام Vela در فضای ابری ساخته است و اعلام کرده است که با شرکت هایی مانند Moderna و SAP Hana همکاری می کند تا راه های به کارگیری هوش مصنوعی مولد در مقیاس را بررسی کند.
این شرکت انتظار دارد که هوش مصنوعی تا سال ۲۰۳۰ ۱۶ تریلیون دلار به اقتصاد جهانی بیافزاید و ۳۰ درصد از کارهای پشتیبان در پنج سال آینده به طور خودکار انجام می شود.
گیل گفت: «وقتی به فرآیندهای کلاسیک پشتیبان فکر می‌کنم، نه فقط به مراقبت از مشتری – چه در مورد انجام تدارکات، چه عناصر مدیریت زنجیره تأمین، چه عناصر عملیات فناوری اطلاعات، یا عناصر امنیت سایبری… ما می‌بینیم که هوش مصنوعی به راحتی به هر جایی می‌رسد.
۳۰ تا ۵۰ درصد از این حجم کارها و توانایی انجام آنها با مهارت بسیار بهتری نسبت به افرادی که می توانند آنها را انجام دهند.»
این ممکن است پیش‌بینی‌های خوش‌بینانه (یا بدبینانه، اگر متمایل به انسان‌گرایی هستید) باشد، اما وال استریت از نظر تاریخی به این چشم‌انداز پاداش داده است.
راه‌حل‌های اتوماسیون IBM – بخشی از بخش نرم‌افزاری این شرکت – در سه‌ماهه چهارم ۲۰۲۲ سالانه ۹ درصد افزایش درآمد.
در همین حال، درآمد حاصل از داده‌ها و راه‌حل‌های هوش مصنوعی، که بیشتر بر تجزیه و تحلیل، مراقبت از مشتری و مدیریت زنجیره تأمین تمرکز دارد، فروش را ۸ درصد افزایش داد.
اما همانطور که در جستجوی آلفا ذکر شده است ، دلیلی برای کاهش انتظارات وجود دارد.
IBM سابقه دشواری در زمینه هوش مصنوعی دارد، زیرا پس از مشکلات فنی که منجر به بدتر شدن شراکت با مشتریان برجسته شد، مجبور شد بخش بهداشت واتسون خود را با ضرر قابل توجهی بفروشد و رقابت در فضای هوش مصنوعی در حال تشدید است.
IBM نه تنها با غول‌های فناوری مانند مایکروسافت و گوگل، بلکه با استارت‌آپ‌هایی مانند Cohere و Anthropic که از پشتوانه سرمایه‌ای انبوه برخوردار هستند، با رقابت مواجه است.
آیا اپلیکیشن‌ها، ابزارها و سرویس‌های جدید IBM مشکلی ایجاد خواهند کرد؟ IBM امیدوار است. اما باید منتظر بمانیم و ببینیم.
