Բարձրագույն մաթեմատիկայի և արհեստական բանականության (ԱԲ) հատման կետը վաղուց համարվում է տեխնիկական առաջընթացի վերջին սահմանագիծը: Երբ մենք խոսում ենք մարդկային բացահայտումների «բարդ խնդիրների»՝ «Հազարամյակի մրցանակի» մարտահրավերների մասին, ինչպիսին է Նավիե-Ստոքսի գոյության և հարթության խնդիրը, մենք խոսում ենք ֆիզիկական աշխարհի մոդելավորման հիմքերի մասին: Նոր սերնդի լոգիստիկ դրոնների աերոդինամիկայից մինչև հսկայական տվյալների կենտրոնների գերարդյունավետ հովացման համակարգերի հեղուկների դինամիկա՝ այս հավասարումները արդյունաբերության անտեսանելի ճարտարապետությունն են:

Վերջերս ակադեմիական հանրությունը ցնցվեց մեծածավալ մոդելների՝ դարավոր այս հանելուկները լուծելու դերի շուրջ ծագած վեճերից: Մեղադրանքները, թե այնպիսի ընկերություններ, ինչպիսին OpenAI-ն է, կարող են ագրեսիվ կերպով ձգտել այդ լուծումներին՝ օգտագործելով սեփական, բարձր հաշվողական հզորությամբ «կոպիտ ուժը» (brute force)՝ փոխանակ ակադեմիական ավանդական համագործակցային ոգու, բիզնեսի ղեկավարների համար կարևոր հարց են առաջացնում. ինչպե՞ս է ժամանակակից ԱԲ-ի «սև արկղ» բնույթը փոխում մեր վերաբերմունքը մտավոր բացահայտումների և կորպորատիվ մրցակցային առավելության նկատմամբ:

«Կոպիտ ուժի» և հիմնարար սկզբունքների բախումը

Տասնամյակներ շարունակ Նավիե-Ստոքսի խնդրի լուծումը եղել է անհատ հանճարների տիրույթը՝ մեկ մաթեմատիկոս, որն աշխատում է մեկուսացման մեջ՝ բացահայտելու հիմնարար ճշմարտությունը: Այսօր խաղը տեղափոխվել է բարձր արտադրողականությամբ հաշվողական կլաստերների և հսկայական պարամետրեր ունեցող մոդելների դաշտ: NYU-ի մաթեմատիկական հանրության մտահոգությունը ոչ միայն այն մասին է, թե ով է ստանում վաստակը, այլև մեթոդաբանության թափանցիկության:

Կորպորատիվ միջավայրում սա արտացոլում է «սև արկղ» ԱԲ լուծումների և բացատրելի, հուսալի բիզնես-հետախուզության միջև առկա լարվածությունը: Երբ ԱԲ գործակալը առաջընթաց է ապահովում, որքա՞ն է դրանում իրական դատողությունը, և որքա՞ն՝ ուսուցողական տվյալների օրինաչափությունների արտացոլումը: Թվային փոխակերպումը (digital transformation) առաջնահերթ համարող ղեկավարների համար մոդելի վրա հույս դնելը, որի լուծման ուղին մնում է անթափանց, զգալի ռիսկ է:

Բիզնեսի համար հետևանքները եռակի են.

  • Մտավոր սեփականություն և ծագումնաբանություն. Քանի որ ԱԲ-ի վրա հիմնված հետազոտություններն ու մշակումները (R&D) դառնում են նորմա, ընկերությունները պետք է ստեղծեն ամուր շրջանակներ՝ նորարարությունների ծագումը փաստաթղթավորելու համար: Եթե ձեր ներքին ԱԲ-ն հայտնաբերում է մատակարարման շղթայի ավելի արդյունավետ ալգորիթմ, դուք պետք է կարողանաք հիմնավորել այդ բացահայտման ծագումը:
  • «Կեղտոտ» նորարարության արժեքը. Երբ տեխնոլոգիական հսկաները արագությունը գերադասում են համագործակցային մանրակրկիտությունից, արդյունքը կարող է լինել վստահության բացակայությունը: Բիզնեսի համար ալգորիթմական կողմնակալության կամ տրամաբանական վավերականության համար չստուգված տեխնոլոգիան որդեգրելը կարող է հանգեցնել ծախսատար գործառնական ձախողումների:
  • Հիբրիդային դատողության անցումը. Ամենահաջողակ ձեռնարկությունները հրաժարվում են կրիտիկական որոշումների համար բացառապես LLM-ների (լեզվական մեծ մոդելներ) վրա հույս դնելուց: Փոխարենը՝ նրանք ինտեգրում են Նեյրո-սիմվոլիկ ԱԲ, որը համատեղում է նեյրոնային ցանցերի արագ կանխատեսող հզորությունը սիմվոլիկ մաթեմատիկայի խիստ, կանոնների վրա հիմնված տրամաբանության հետ:

ROI-ն ալգորիթմական անորոշության դարաշրջանում

Բարդ լուծումների որոնումը՝ լինի դա ֆիզիկայի, թե ձեռնարկատիրական մակարդակի CRM օպտիմալացման մեջ, պահանջում է զգալի կապիտալ ծախսեր: Մենք տեսնում ենք որդեգրման միտումների փոփոխություն, որտեղ ընկերությունները «ԱԲ՝ հանուն ԱԲ-ի» մոտեցումից անցնում են դեպի բարձր օգտակարություն ունեցող, տիրույթին հատուկ իրականացումներ: Այսօր ԱԲ ռազմավարության ROI-ն (ներդրումների վերադարձելիությունը) սահմանվում է ոչ թե նրանով, թե որ ընկերությունն ունի ամենամեծ պարամետրային ծավալը, այլ նրանով, թե որ կազմակերպությունը կարող է արդյունավետորեն ինտեգրել ԱԲ-ն իր գոյություն ունեցող գործառնական աշխատանքային հոսքերում՝ հատուկ, բարձր շփում առաջացնող խնդիրները լուծելու համար:

Դիտարկենք ԱԲ գործակալների դերը կորպորատիվ միջավայրում: Եթե գործակալին հանձնարարված է օպտիմալացնել գլոբալ լոգիստիկ ցանցը, այն պետք է իրական ժամանակում կատարի հեղուկների դինամիկայի հաշվարկներ՝ հաշվի առնելով վառելիքի փոփոխական գները, եղանակային պայմանները և նավահանգիստների ծանրաբեռնվածությունը: Եթե այս ճշգրտումների հետևում կանգնած «տրամաբանությունը» մթագնած է, կամ ավելի վատ՝ եթե մոդելը վարժեցվել է թերի կամ կողմնակալ սեփական տվյալների վրա, ROI-ն կարող է արագորեն գոլորշիանալ: Բիզնեսի ղեկավարները պետք է պահանջեն «Սպիտակ արկղ» ԱԲ՝ լուծումներ, որոնք առաջարկում են հստակ աուդիտորական հետքեր և տրամաբանական հետագծելիություն:

Ներկայումս որդեգրման միտումները նպաստում են այն ընկերություններին, որոնք առաջնահերթություն են տալիս ԱԲ-ն իրենց ժառանգված (legacy) ենթակառուցվածքներին ինտեգրելուն՝ առանց «ճշմարտության աղբյուրը» խաթարելու: Սա նշանակում է օգտագործել ավտոմատացումը որպես կամուրջ բարձր արագությամբ հաշվարկների և մարդու կողմից վավերացման միջև: Նպատակը մտածողությունը անթափանց մոդելին պատվիրակելը չէ, այլ աշխատուժի կոգնիտիվ կարողությունները բարելավելը:

Ձեռնարկության ապագայի ապահովում

Նայելով առաջ՝ սեփական ԱԲ արագ