TechRadar yazarı Alberto Ocampo’ya göre şirketler, yalnızca erişilebilir oldukları için daha güçlü modelleri veya ajanları benimsemek yerine belirli ihtiyaçlara uygun yapay zekâ araçlarını seçmeli. Makale, başarının gerçek iş sorunlarını çözmeye ve maliyet ile karmaşıklığı karşılamaya bağlı olduğunu savunuyor.
Geleneksel makine öğrenmesi uzun süredir öneriler, tahminler, dolandırıcılık tespiti ve müşteri yaşam boyu değeri gibi ölçümlerin hesaplanmasında kullanılıyor. Daha basit tahminlerde, daha gelişmiş modeller daha pahalıya mal olabilir ve gereksiz değişkenlik yaratabilir. Bilinen kurallara göre ilerleyen ve tutarlı sonuçlar gerektiren süreçlerde geleneksel otomasyon güvenilir, hızlı ve ucuz olabilir.
Ocampo, dil veya görselleri anlamak gibi yaratıcılık ya da yorumlama gerektiren görevlerde üretken yapay zekânın yararlı olduğunu söylüyor. Ajanlar bu anlayışı sistemlerle etkileşime geçmek ve eyleme geçmek için kullanabilir. Şirketlerin her iş için tek bir yaklaşıma bel bağlamak yerine geleneksel otomasyonu, geleneksel makine öğrenmesini, üretken yapay zekâyı ve ajanları bir arada kullanmasını bekliyor.
Deneme aşamasından üretime geçiş; işletim maliyetlerini, güvenliği, izlemeyi ve otonom sistemleri denetleme zorluğunu beraberinde getiriyor. Ocampo, ajan geliştirmeyi ağaç budamaya benzetiyor: Gerçek dünyada kullanım sırasında beklenmedik davranışlar ortaya çıkabilir; bu nedenle değerlendirme ve koruyucu önlemler önem kazanır. Denetimin sistem davranışını, veri erişimini, izin verilen eylemleri, saklanan bilgileri ve insan müdahalesi fırsatlarını kapsaması gerektiğini söylüyor.
Ocampo ayrıca yapay zekânın mühendislik çalışmalarını değiştireceğini ancak mühendis ihtiyacını ortadan kaldırmayacağını savunuyor. Deneyimli çalışanlar daha hızlı çalışabilir, genç mühendisler daha çabuk üretken olabilir; ancak kuruluşların sistemleri geliştirmek, denetlemek ve onarmak için derin teknik bilgiye sahip kişilere ihtiyacı sürecek.
Yorumlar
0Henüz yorum yok. İlk yorumu siz yazın.