Жасанды интеллект агенттерін корпоративтік біліммен байланыстыру

Жасанды интеллект жүйелері күн сайын үлкен көлемдегі деректерді жинақтап, өңдейді. Дегенмен, кәсіпорындарға арналған жасанды интеллект агенттерінде ерекше бір кемшілік бар: оларда жеткілікті білім жоқ. Мұнда білім дегеніміз – тек деректер емес, сол деректердің ұйым контекстінде не мағынасы бар екенін түсіну қабілеті. Агенттерге осы түсінік қажет, өйткені ол оларға жағдайларды сараптап, дұрыс шешім қабылдауға және нақты әрекеттер жасауға мүмкіндік береді. Егер білім жеткіліксіз болса, агенттердің шешімдері сенімсіз әрі қателіктерге толы болады. Зерттеулер көрсеткендей, білімнің жетіспеушілігі – агенттік жасанды интеллект жобалары өндірісте кеңінен қолданыс таба алмауының негізгі себебі.

Кіріспе

Жасанды интеллекттің дамуы ұйымдар үшін өндіріс тиімділігін арттырып, жұмыс процестерін оңтайландыруға мол мүмкіндік береді. Дегенмен агенттік жүйелердің жетістігі олардың ұйымның ішкі ақпараттық құрылымын толық түсінуіне байланысты. Сондықтан агенттерді тек деректермен ғана емес, сол деректердің ұйымның нақты жағдайындағы мағынасы мен байланыстарымен де қамтамасыз ету маңызды. Осыны ескермей, көптеген проектілер іске аспай, уақыт пен ресурстар ысырап болады.

Негізгі түсіндірме

Білімнің үш негізгі түрі бар: семантикалық білім, эпизодтық естелік және процедуралық білім. Семантикалық білім – ұғымдар мен олардың мағыналарын жүйелеу, эпизодтық естелік – нақты оқиғалар мен тәжірибелер туралы ақпарат сақтау, процедуралық білім – тапсырмаларды орындайтын әдістер мен алгоритмдерді меңгеру. Жасанды интеллект агенттеріне осы үш білім түрінің толық көлемі қажет. Олар ақпараттың мағынасын түсініп, толық контекстке негізделген шешім қабылдауы тиіс. Егер агент мәліметтердің арасында байланыс орната алмаса немесе ұйымның жұмыс ерекшелігін ескермесе, оның шешімдері қате болуы ықтимал.

Контекст және мысалдар

Зерттеуде 300-ге жуық деректер, жасанды интеллект және технология жетекшілерінің пікірлері сараланды. Орташа есеппен, агенттік жобалардың тек 34%-ы ғана өндірістік деңгейге жетті. Тіпті жоғары технологиялық компаниялар да осы қиындықтардан арыла алмады. Негізгі себептер ретінде ескі дерекқор жүйелері, қауіпсіздік пен құпиялық мәселелері, сондай-ақ білім мен контексттің жоқтығы аталды. Шешім қабылдауда жетістікке жеткен ұйымдарда білімнің жоғары деңгейі байқалды, әсіресе семантикалық білім бойынша. Бұл ұйымдарда агенттік жобалардың 61%-ы іске асқан.

Деректердің әртүрлі жүйелерде бөлініп-сақталуы, олардың өзара байланысының әлсіздігі – білімге қол жеткізуді ең басты кедергісі (ұйымдардың 55%-ы осылай деп көрсетті). Ал жетістігі жоғары ұйымдарда қауіпсіздік пен деректер құпиялығына баса мән беріледі, оларды маңызды кедергі деп санағандар 72%-ды құрады.

Практикалық маңызы

Бизнес өкілдері агенттер мен деректер арасындағы байланысты нығайту арқылы шешімдердің сапасын арттыруды жоспарлайды. Бұл үшін білім қабатын енгізу тиімді шешім ретінде қаралды. Ұйымдар агенттерге қажетті білімді кеңейту мақсатында деректерді өңдеудің және іздеудің қазіргі технологияларына үлес қосуда. Оның ішінде деректерді енгізу арналары, жасанды интеллектке дайын қосымша программалық интерфейстер (API), іздеумен толықтырылған генерациялау технологиялары (RAG), бағалау агенттері мен білім графиктері басым инвестициялық бағыттар саналады. Осылардың барлығы агенттерге ұйым ішіндегі толық әрі нақты контексті ұсынуға мүмкіндік береді.

Қорытынды

Қорытындылай келе, жасанды интеллект агенттерінің ұйым ішіндегі деректерді дұрыс түсінуі мен кеңінен қолданыста болуы ұйымдардың технологиядан тиімді пайда алуына ықпал етеді. Бұл үшін білімнің барлық түрлерін кешенді түрде дамыту, деректердің өзара байланысын қамтамасыз ету, сонымен бірге қауіпсіздік пен құпиялылықты сақтау маңызды. Осы талаптарды орындаған кезде ғана агенттік жасанды интеллект жобаларының өндірісте табысты жүзеге асуы мүмкін.

Дереккөз: MIT Technology Review