De Impact Council of the Fast Company is een uitnodigingscabele gemeenschap van leiders, experts, leidinggevenden en ondernemers die hun inzichten delen met onze bezoekers. Leden betalen jaarlijkse achterstallige achterstallingen voor toegang tot peer learning, kansen voor denkleiderschap, evenementen en meer dingen.
Sinds de introductie van Chatzpt in 2022 lijkt het erop dat kunstmatige intelligentie tot het einde naar de mainstream gaat. Iedereen, van fortuin tot 500 bestuurskamers tot eettafel, heeft het over AI, zijn app en zijn belofte. Meer $ 500 miljard AI -infrastructuur, die in de investering van de infrastructuur stroomt, heeft veel beleggers voorspeld dat de AI -golf gewoon snelheid wint.
Deze beleggers hebben gelijk, dat AI nog steeds een lange weg zal moeten gaan voordat het echt alomtegenwoordig is. Maar nog belangrijker, we moeten voor de AI -mainstream zorgen als we het over de mainstream hebben. De realiteit is dat dit artikel al in ons dagelijks leven AI gebruikt, er zijn verschillende miljard mensen over de hele wereld die verre van de impact en kansen van AI voelen.
Dus hoe veranderen we de wereld echt met AI? De mogelijkheid gaat niet alleen over het bereiken van, maar ook over onderliggende gegevens en infrastructuur die AI moet worden ontwikkeld als een echte wereldwijde technologierevolutie.
Les van het ontvangen van mobiele telefoons
We kunnen veel leren over de belofte en problemen van technologische revoluties door naar het verleden te kijken. Vandaag, 70,5% van de wereldbevolking Een mobiele telefoon gebruiken. Desondanks is het rondgebracht 50 jaar Het eerste mobiele telefoontje voor mobiele telefoons voor de wereldwijde maakte een Martin Cooper van Martin Cooper, met behulp van een prototype mobiele telefoon in 1973.
Hoewel de mobiele telefoontechnologie aanzienlijk is ontwikkeld, zijn de telefoons al jaren kleiner en slim, omdat de oorspronkelijke kracht van de mobiele telefoon de evolutie van het mobiele netwerk heeft overgenomen. In 2000 hebben de 2G Cellular Network -contacten het gebruik van mobiele telefoons voortgebracht en het voor bedrijven als Apple mogelijk gemaakt om zich de eerste iPhone voor te stellen die in 2007 werd gelanceerd.
Zonder significante investeringen en uitbreiding op wereldwijde mobiele netwerken – het is mogelijk om mobiele telefoontechnologie naar elke hoek van de wereld te brengen – het is mogelijk dat mobiele telefoons nooit populariteit of marktaandelen kunnen winnen.
Vooringenomenheid en blinde vlekken
Dus, welke obstakels moeten AI worden overwonnen om een wereldwijde technologie te worden? Hoewel veel beleggers kijken naar elektriciteit en chips – kritische GPU’s waarmee AI kan worden uitgevoerd – zijn het veel meer belangrijke basis: gegevens ontbreken.
Greater Language Models (LLM) – De ruggengraat van vandaag zijn ze net zo goed als ze getrainde gegevens zijn. Helaas worden gegevens vaak geleverd met ingebouwde vooringenomenheid en blinde vlekken.
Bedenk even dat veel van de meest populaire LLM’s worden gemaakt door Amerikaanse bedrijven en zijn getraind in grote, openbaar beschikbare datasets met online bronnen van literatuur, nieuws, sociale media en Wikipedia. In een breed scala wordt deze informatie inherent beïnvloed door westerse culturele regels, politieke ideologie en historische tihassicale opvattingen. Als het AI -product wereldwijd bedoeld is, is dit een probleem.
Dit is een eenvoudig feit: online gegevens weerspiegelen de rijke, technologie-intellectuele populatie die zeer weinig procent van de wereldbevolking vertegenwoordigt. Als gevolg hiervan werken LLMS die het meest opwindende AI -werk alleen versterken voor Engelse -spreekende gebruikers met regelmatige internettoegang maar geen rekening houden met de ervaring en de realiteit van de wereldwijde.
Vooruit
Een oplossing is om de principes en procedures te implementeren die de vooringenomenheid in de AI -modellen en de inherente gegevens van hen actief verminderen. Het is dezelfde groeiende focus geworden voor beleidsmakers en industriële leiders, die verder trainingsgegevens opnemen en modellen weerspiegelen in verschillende perspectieven. Audingsystemen voor algoritmische billijkheid zijn een manier om dit aan te pakken.
Er is echter een limiet om te vertrouwen op een handvol AI-bedrijven voor zelfbeheersing. Een industriële standaard Sens kan moeilijk te bereiken zijn in de scène, de goedkeuring van het beleid kan traag zijn en de toepassingen zijn vaak oneerlijk. We hebben een brede aanpak nodig.
Een andere manier om verder te gaan is de diepte van hun eigen datasets en de breedte van de bestaande AI -modellen met de mogelijkheid om de domeinvaardigheden te verwerken met de diepte van de domeinvaardigheden. Door hun eigen gegevensbeheer te plegen, bieden bedrijven in de branche en regio een enorme kans om de beschikbare gegevenssets te verbeteren en uit te breiden. Het verdienen van nieuwe, alternatieve bronnen van klantinformatie, mijn bedrijf heeft Tala’s stelling in staat gesteld om het proefschrift te bereiken – en heeft Talak in staat gesteld AI efficiënt in zijn financiële infrastructuur in zijn financiële infrastructuur te implementeren.
Een echte wereldwijde revolutie
Eén ding is duidelijk: AI is hier om te blijven en de ontwikkelingssnelheid zal alleen versnellen. Maar als we nu niet zijn vooringenomenheid en blinde vlekken aanpakken, lopen we het risico om miljarden mensen weg te laten van de vergelijking.
Het is te hopen dat de AI -industrie – verstorend van het bezoeken – de wereldwijde mogelijkheid voor de implementatie van AI zal erkennen. Bedrijven moeten actieve stappen ondernemen door AI-governance van de wegen te nemen, en eigendomsinformatie te verdienen om de eerste generatie lacunes van LLM te vullen. De kans begint met wereldwijde gegevens en infrastructuur. We bevinden ons in de vroege stadia van de levenscyclus van AI om ervoor te zorgen dat we producten maken om een revolutie teweeg te brengen in de hele wereld, niet alleen onderdeel ervan.
Shivani is de oprichter en chief executive officer van Siroa Tala.
