Tashkilotlar sun'iy intellektni qabul qilishda muhim muammoga duch kelishmoqda: ishonchli natijalarni beradigan tarzda sun'iy intellektdan foydalanish uchun domenga oid bilimlaridan qanday foydalanish kerak. Bilim grafiklari AI uchun etishmayotgan "haqiqat qatlami" ni ta'minlaydi, bu ehtimollik natijalarini haqiqiy dunyo biznes tezlashuviga aylantiradi.
• 🚀 Sun'iy intellektni qabul qilish tezlashmoqda, lekin ko'pchilik amaliyotlar kutilgan biznes qiymatini keltira olmaydi
• 🔍 Bilim grafiklari ishonchli AI tizimlari uchun muhim “haqiqat qatlamini” taqdim etadi
• 🔄 Pragmatik AI LLMlarning ijodiy salohiyati bilan bilim grafiklarini tekshirish imkoniyatlarini birlashtiradi
Kirish
"Kontekst - bu deyarli hamma narsaga ma'no beradi. Shunday qilib, barcha grafiklar ko'proq bilim yoki ma'no olib kelish uchun o'ziga xos potentsialga ega, chunki ular ma'lumotlarning o'zaro bog'liqligi va kontekstual tabiatini tan olishning birinchi qadamini qo'ygan.
Biz AI va katta til modellari (LLM) hukmron bo'lgan dunyoda yashayapmiz va ma'lum bo'lishicha, kontekst va ma'no ulardan sifatli natijalarga erishish uchun muhim ahamiyatga ega. Bilim grafiklari AI potentsialini ochish uchun kontekst va ma'noni ta'minlash uchun kalit bo'lishi mumkin va buni tasdiqlovchi dalillar ko'paymoqda.
Sun'iy intellekt uchun Gartner Hype Cycle so'nggi chiqarilishi munosabati bilan Gartner kompaniyasining AI tadqiqoti bo'yicha vitse-prezidenti Svetlana Sikulyar sun'iy intellektga investitsiyalar yangi yuqori darajaga ko'tarilganini, generativ AIga e'tibor qaratganini ta'kidladi . Biroq, aksariyat hollarda, bu hali kutilgan biznes qiymatini ta'minlay olmaydi.
Bilim grafiklari Gartnerning yetakchilar o‘z strategiyasining bir qismi sifatida ko‘rib chiqishlari uchun rivojlanayotgan texnologiyalar ro‘yxatidagi Critical Enabler texnologiyalarining markazida joylashgan. Gartner bilim grafiklarini GenAI modellarini yaratish va rivojlantirishda muhim ahamiyatga ega ekanligini tavsiya qiladi. Amazon va Samsung kabi tashkilotlar bilim grafiklaridan foydalanmoqda va bozor 2030 yilga kelib 36,6% CAGRda 6,93 milliard dollargacha o'sishi kutilmoqda .
Gartner bugungi kunda sun'iy intellektdagi bilim grafiklarining rolini va so'nggi bir necha yil ichida tashkilotlarning keyingi ta'sirini targ'ib qilmoqda, chunki na texnologiya, na qarashlar yangi emas. Bilim grafigi texnologiyasi o'nlab yillar davomida mavjud va Toni Seale kabi odamlar uning AI uchun haqiqat qatlami sifatida potentsialini aniqlashga erta edi.
"Bilim grafigi yigiti" nomi bilan ham tanilgan Seale shu nomdagi konsalting firmasining asoschisi hisoblanadi. Yuqoridagi iqtibos keng qamrovli suhbatdan olingan bo'lib, bilimlar grafigining birinchi tamoyillaridan tortib xavfsiz, tekshiriladigan AI uchun qo'llash namunalari, real dunyo tajribasi, tendentsiyalar, bashoratlar va oldinga yo'lni qamrab oladi.
🧠 Bilim grafiklari va AI konteksti
• Katta AI investitsiyalariga qaramay, aksariyat tashkilotlar hali kutilgan biznes qiymatini taqdim eta olishmadi
• Sifatli AI natijalari uchun kontekst va ma'no muhim ahamiyatga ega
• Bilim grafiklari AI tizimlari uchun muhim kontekst qatlamini ta'minlaydi
• Bilim grafiklari raqobatbardosh GenAI strategiyasi uchun muhim omil hisoblanadi
Ma'lumotlar silosidan bog'langan ma'lumotlar va bilim grafiklarigacha
Seale 1-darajali moliyaviy institutlarda ma'lumotlar bilan ishlashda o'n yillik tajribaga ega. Taxminan o'n yil oldin u yirik investitsiya banki uchun "yana bir ETL loyihasi" ustida ishlagan, ma'lumotlar omboriga ma'lumotlarni olib kelgan va ma'lumotlar quvurlarini amalga oshirgan. Bu tashkiliy hisobot va muvofiqlik ehtiyojlarini qondirish uchun odatiy yondashuv. Muammo shundaki, u kengaymaydi yoki kontekst va ma'noni qo'shishga yordam bermaydi .
Keyin Seale Tim Berners Lining 2010-yilda Bog'langan ma'lumotlar haqidagi TED nutqiga duch keldi va bu hamma narsani o'zgartirdi. 2010 yilda Google Knowledge Graphs bilan shug'ullanayotgan edi va bu atama haqiqatan ham paydo bo'lmagan edi . Ammo texnologiya bog'langan ma'lumotlar nomi ostida edi. TBL ning TED nutqi Sealega bog'langan ma'lumotlarning ikkita asosiy tamoyilini tushunishga va ETLga muqobil ravishda tajriba o'tkazishni boshlash uchun etarli edi.
Bog'langan ma'lumotlarning asosiy g'oyasi global miqyosda tuzilgan ma'lumotlarni almashish vazifasiga World Wide Webning umumiy arxitekturasini qo'llashdir. Hammasi ma'lumotlar uchun HTTP identifikatorlaridan foydalanish, ularni izlash va standartlardan foydalangan holda ularning ma'nosi (semantikasi) haqida ma'lumot berishdan iborat.
Seale tushungan narsa, agar ushbu yondashuvning markazlashtirilmagan tabiati veb uchun ishlay olsa, u har qanday tashkilot uchun ishlashi mumkin edi. ETL loyihalari va ma'lumotlar omborlarining de-fakto yondashuvi bo'lgan yagona markaziy integratsiya va nazorat nuqtasiga ega bo'lish o'rniga, bilim grafiklari markazsizlashtirish va standartlar orqali masshtabni ta'minlaydi.
Aynan shu tamoyillar veb-saytning ishlashini ta'minlaydi. Internet ixtirochisi hujjatlar to'ridan ma'lumotlar tarmog'iga o'tish uchun uni keyingi bosqichga ko'tarmoqchi bo'lganligi ajablanarli emas. Biroq, ma'lumotlarga kirishdan tashqari, bu yondashuv aralashmaga semantikani qo'shadi. Ma'lumotlar punktlari, shuningdek ular orasidagi bog'lanishlar o'ziga xos ma'noga va ularga biriktirilgan turlarga ega bo'lishi mumkin.
Veb miqyosidagi semantikaning eng yaxshi namunasi schema.org dir. Schema.org - bu barcha veb-saytlarning 30 foizi va Google birinchi sahifasidagi sahifalarning 72,6 foizi foydalanadigan standart lug'atni aniqlash bo'yicha hamkorlikdagi harakatdir. Standartlar yordamida semantikani aniqlashdan tashqari, schema.org markazsizlashtirish orqali izoh va integratsiyani kengaytirilishi mumkin .
🌐 Bog'langan ma'lumotlar asoslari
• Bog'langan ma'lumotlar tuzilgan ma'lumotlarni almashish uchun veb-arxitektura tamoyillarini qo'llaydi
• HTTP identifikatorlaridan foydalanadi, shuning uchun ma'lumotlarni tizimli ravishda qidirish mumkin
• standartlardan foydalangan holda ma'no (semantika) haqida ma'lumot beradi
• Markazsizlashtirish orqali tashkiliy miqyosni ta'minlaydi
• Schema.org veb miqyosidagi semantik standartlarga misol keltiradi
AI bilim grafiklariga javob beradi
Schema.org - bu dunyoning Google'lariga o'z bilim grafiklarini yaratish va Internetni ko'proq tushunish imkonini beradigan narsa. Xuddi shu yondashuv bilan Seale o'sha paytda ishlagan investitsiya bankida ishlayotgan loyiha muvaffaqiyatsiz bo'lishini kutgan edi. Unday bo'lmadi.
Dastlabki muvaffaqiyatdan ruhlangan Seale bilimlar grafigining ishtiyoqli himoyachisiga aylandi va bir qator tegishli loyihalarni boshladi. U o'z ishtiyoqi uchun tashkilotlarni boshqa joyga ko'chirdi va birinchi GPT katta til modellari chiqarilganda bilim grafiklarini yaratish uchun zarur bo'lgan semantika va annotatsiyani yuklash usuli sifatida grafik neyron tarmoqlarini ko'rib chiqdi.
Seale LLMlar bilan tajriba o'tkaza boshladi va tez orada ikkita narsaga ishonch hosil qildi. Birinchidan, bu LLMlar katta ta'sir ko'rsatadi. Ikkinchidan, LLMlar bilim grafiklari uchun juda mos keladi. U o'z fikrlarini LinkedIn-da baham ko'rishni boshladi va virusga aylandi. Oxir-oqibat, u o'zining konsalting kompaniyasini yaratdi va hozirda ularni bir qator mijozlar bilan amalga oshirish ustida ishlamoqda.
"Barcha tashkilotlar biz ehtimoliy dunyoga o'tayotganimiz haqiqatini qabul qilishlari kerak. Demak, hamma sun'iy intellektdan foydalanishni boshlashi kerak, aks holda siz biznesdan chiqib ketasiz. Biz bu yangi dunyoga ko'chib o'tmoqdamiz, u erda narsalar ehtimoliy bo'ladi va AI ko'p qarorlarni qabul qilishda o'rnatiladi.
Bu sizga yoqmasligi yoki har qanday fikrga ega bo'lishingiz mumkin, lekin bu muhim emas. Bu sodir bo'layotgan tabiatning qandaydir kuchi, shuning uchun siz bunga ko'nikishingiz mumkin. Shunday qilib, savol tug'iladi: buni qanday qilib xavfsiz tarzda qilish kerak. Va mening fikrimcha, bu tashqi tekshirish orqali amalga oshiriladi ”, dedi Seale.
Bu u ilgari surayotgan yondashuvning o‘zagi. U Ishchi xotira grafigi va Neyro-ramziy tsikl kabi ajoyib nomlarga ega naqshlarni va DeepSeekdan Cyc loyihasigacha bo'lgan misollarni o'z ichiga oladi. Ammo bularga sho'ng'ishdan oldin, birinchi tamoyillarga asoslanish uchun bir zum to'xtashga arziydi.
🤖 AI va bilim grafigi integratsiyasi
• LLM va bilim grafiklari bir-birini to'ldiradi
• Biz qarorlar qabul qilishda AI qo‘shiladigan ehtimolli dunyoga qarab ketmoqdamiz
• Bilim grafiklari orqali tashqi tekshirish xavfsizroq AIni yaratadi
• Tashkilotlar ushbu siljishga moslashishi kerak
Birinchi tamoyillar: Grafiklar va bilim grafiklari
Xo'sh, grafiklarni boshqa ma'lumotlar tuzilmalaridan nimasi bilan farq qiladi va bilim grafiklarini boshqa grafiklardan nimasi bilan farq qiladi? Biz buni amalga oshirish darajasida yoki birinchi tamoyillar darajasida yondashishimiz mumkin.
Nima bo'lishidan qat'iy nazar, biz elektron jadval va aql xaritasi, relyatsion ma'lumotlar bazasi satrlari va ustunlari va grafik ma'lumotlar bazasining tugunlari va qirralari yoki to'plam nazariyasi va grafik nazariyasi haqida gapiramizmi, grafikni bir-biridan ajratib turadigan bir narsa bor: birinchi darajali fuqarolar sifatida ulanishlar. Lekin hamma grafikalar bilim grafiklari sifatida mos kelmaydi .
Grafikdagi tugunlar ham, qirralar ham har xil turdagi bo'lishi mumkin. Oddiy grafik mahsulotlarni ifodalovchi tugunlarni va ular orasidagi umumiy munosabatni ifodalovchi qirralarni o'z ichiga olishi mumkin. Ikki tomonlama grafik mahsulot va mijozlarni ifodalovchi ikki xil turdagi tugunlarga va qaysi xaridor qaysi mahsulotni sotib olganini ko'rsatadigan qirralarga ega bo'lishi mumkin.
Geterogen grafik har xil turdagi tugun va qirralarga ega bo'lishi mumkin. Misol uchun, mahsulotlar va mijozlarni ifodalovchi tugunlar va qaysi mijoz qaysi mahsulotni sotib olganini va qaysi mahsulot qaysi xaridor tomonidan ko'rib chiqilganligini ifodalovchi qirralar.
Grafiklarda hatto eng oddiy darajada ham foydalilik mavjud. Yo'lni topish va markazlashtirish kabi grafik algoritmlar ilovalar va tahlillar uchun juda foydali bo'lishi mumkin va heterojen grafiklarni talab qilmaydi.
"Agar siz, aslida, yo'q, bu tugunlarning ba'zilari turli xil narsalar va ular orasidagi chekkalar, ular biror narsani anglatuvchi har xil turdagi qirralardir, deb aytishni boshlaganingizdan so'ng, murakkablik oshadi. Siz ishlatishingiz mumkin bo'lgan algoritmlarning tabiati, jumladan, mashinani o'rganish algoritmlari, o'zgarishlar. O'ylaymanki, biz buni bilim grafigi nima ekanligini kirish darajasi deb atashimiz mumkin", dedi Seale.
"Kirish darajasi" qismiga e'tibor bering. Bu erda 00-yillarning boshlariga va Semantik Internetga boradigan uzoq va murakkab tarix mavjud. Bog'langan ma'lumotlar tamoyillari aynan shu g'oyalar, standartlar va texnik to'plamga asoslanadi. "Semantik veb" "Bilimlar grafigi" davom etayotganda o'ldi.
Semantik Internet, shubhasiz, o'z vaqtidan oldinda edi. Amalga oshirish bo'yicha ko'plab harakatlar noto'g'ri edi va uning tarafdorlari har doim ham pragmatik bo'lmagan. Biroq, Seale ta'kidlaganidek, neyron tarmoqlar ham uzoq vaqt davomida flop hisoblangan. URI-larni identifikator sifatida ishlatish va umumiy lug'at va kelishilgan sxemaga ega bo'lish bilim grafiklarining o'ziga xos belgilari va ular keltirishi mumkin bo'lgan qiymat bo'lib qolmoqda.
📊 Grafik asoslari
• Grafiklar boshqa ma'lumotlar tuzilmalaridan ulanishlarni birinchi darajali fuqarolar sifatida ko'rib chiqish bilan farqlanadi
• Hamma grafikalar bilim grafigi sifatida mos kelmaydi
• Bilim grafiklari tugun va qirralarga semantik ma'no qo'shadi
• Identifikatorlar va umumiy lug'atlar sifatida URIlar bilim grafiklarining xususiyatlarini aniqlaydi
Uzluksiz dunyo va diskret dunyo
Bilim grafiklari olib keladigan struktura va semantika boshqa ma'lumotlar turlari yoki hatto boshqa grafiklar bilan mumkin bo'lmagan narsalarni imkon beradi. Seale har bir tashkilot schema.org saytining o'z versiyasi ustida ishlashi va undan o'z ma'lumotlariga izoh berish, AIni kuchaytirish uchun bilim grafiklarini yaratish uchun foydalanishi kerak deb hisoblaydi.
Seale tekshirish usulini tushuntirish uchun DeepSeek-dan misol sifatida foydalangan. Boshqalar singari, Seale DeepSeek bilan shug'ullanib, ular nima qilganini tushunishga harakat qilardi. Aqlli algoritmlar va optimallashtirishlardan tashqari, DeepSeek muvaffaqiyatining zamirida ular o'rganishni kuchaytirish uchun tekshirilishi mumkin bo'lgan ma'lumotlardan foydalanganligidir: matematika va kod .
“Ular hamma kabi barcha veb-ma’lumotlarni olishdi. Ammo keyin ular faqat matematika va kodlash bilan bog'liq bitlarni tortib olishdi. Buning yordamida siz tashqi tekshiruvchi yaratishingiz mumkin.
Siz matematikani yoki kodni ko'rishingiz mumkin, keyin javobni oxirida ko'rishingiz mumkin va javobning to'g'riligini tekshirishingiz mumkin. Keyin siz buni LLMga yuborishingiz va LLMdan buni qilishni so'rashingiz mumkin, keyin esa tashqi rasmiy tekshirgich bilan tekshiring. Bu esa, ehtimollik modeliga sifat nazoratini qo'shishdir”, deb tushuntirdi Seale.
Keyin Seale uzluksiz dunyo va diskret dunyo deb ataydigan narsalarni batafsil bayon qildi. Uzluksiz dunyoda hamma narsa ehtimoliy, hamma narsa noaniq va bu generativ AI modellari aynan shu yerda. Bir narsa boshqasiga aralashib ketadi va siz gallyutsinatsiyalar olasiz. Ammo Sealening fikricha, buning boshqa tomoni shundaki, u erda ijodkorlikka o'xshash narsa bor.
Qadimgi AI dunyosida Cyc Project afsonasi mavjud. Cyc - bu dunyo haqidagi umumiy bilimlarni rasmiy tarzda kodlashga qaratilgan juda katta ambitsiyali AI loyihasi. Seale Cycni juda hurmat qiladi. Biroq, uning ta'kidlashicha, Cyc muvaffaqiyatga erisha olmadi va qila olmadi, generativ AI modellari esa - o'ziga xos tarzda. Ammo ular o'zlarining kamchiliklari bilan birga keladi.
Generativ AI modellariga ishonish mumkin emas va bu ularni moliya, huquq yoki tibbiyot kabi sohalarda korporativ qabul qilish uchun nomaqbul qiladi. Matematik yoki kod kabi domenlar uchun natijalarni rasmiy ravishda tekshirish mumkin. Boshqa domenlarda ham buni qilishning bir usuli bo'lsa-chi? Seale bor deb o'ylaydi va kalitlar bilim grafiklari va ontologiyadir.
🌓 Continuous vs Discrete World
• Uzluksiz dunyo: ehtimolli, loyqa, ijodiy, ammo gallyutsinatsiyalarga moyil (LLM)
• Diskret dunyo: mantiqiy, rasmiy, tekshirilishi mumkin, ammo cheklangan (an'anaviy AI)
• Matematik yoki kod uchun natijalar rasman tasdiqlanishi mumkin
• Bilim grafiklari va ontologiyalari boshqa domenlar uchun tekshirishni ta'minlashi mumkin
Ontologiyaning yuksalishi
Biz schema.org ni, shuningdek, sxema haqida umumiy tushunchani eslatib o‘tdik. Sxemalar odatda relyatsion ma'lumotlar bazalari bilan bog'lanadi , ular ma'lumotlarning tuzilishi va tashkil etilishini belgilaydilar. Grafiklarda ham sxemalar bo'lishi mumkin. Bilim grafiklari uchun sxemalar ontologiyalar deb ataladi, garchi "sxema" so'zi ontologiyalarga haqiqatan ham adolat qilmaydi .
Ontologiyalar meros ierarxiyasi yoki mantiqiy aksiomalar kabi konstruksiyalarni modellashtirishga imkon berish orqali sxemalardan tashqariga chiqadi. Ular nafaqat ma'lumotlarning tuzilishi va tashkil etilishini, balki biznes qoidalari va domen bilimlari kabi narsalarni ham qamrab olishi mumkin.
"O'yinning nomi biznesning semantikasiga imkon qadar yaqinroq bo'lishdir. Siz ma'lum bir tashkilot ichida ishbilarmonlar ishlatadigan so'zlarni olishga va ular nima ekanligini aniq bilish uchun ularni ushbu rasmiy tushunchalarga aylantirishga harakat qilyapsiz, so'ngra tushunchalarni o'ziga xos qirralar bilan bir-biriga bog'laydigan tarzda bir-biriga bog'layapsiz ", deb tushuntirdi Seale.
Ontologiyani yaratish oson emas. Bu odatda tarqoq, qisman hujjatlashtirilgan va tushunarli bo'lgan va ekspertlar o'rtasida bahsli bo'lgan domen bilimlariga kirishni talab qiladi. Bu, shuningdek, ontologik modellashtirish tajribasi va to'g'ri vositalarni talab qiladi.
Shu sababli , ontologik modellashtirish o'nlab yillar davomida mavjud bo'lsa ham, u hech qachon umumiy qabul qilinmagan. Sealening fikricha, bu o'zgarmoqda va buni tasdiqlovchi ba'zi bir dalillar bo'lishi mumkin.
Google Trends’da “Bilimlar grafikasi” so‘nggi 5 yil ichida 3,450 foizga o‘sgan. Grafikning maxsus ombori yilida 2022 yildan beri ontologiyaga havolalar soni va manbalar xilma-xilligi jihatidan ikki baravar ko'paydi. Bundan tashqari, Sealening o'z muvaffaqiyat tarixi bilim grafigi virusliligi uchun plakat bolasiga aylanmoqda.
📚 Ontologiyaning ahamiyati ortib bormoqda
• Ontologiyalar biznes terminologiyasidan rasmiy tushunchalarni yaratish orqali sxemalardan tashqariga chiqadi
• Maqsad: biznes semantikasi va munosabatlarini to'g'ri yo'lga qo'yish
• Domen bilimi va ontologik modellashtirish tajribasini talab qiladi
• Google Trends “Bilimlar grafigi” 5 yil ichida 3450% o‘sganini ko‘rsatadi
Neyron-simvolik halqa
LLMlar bilan ikki tomonlama bog'liqlik bilim grafiklari va ontologiyalari mavjud. LLMlar ontologiyani rivojlantirish va bilim grafigi populyatsiyasiga yordam berishi mumkin. Seale buning uchun LLM lardan foydalanishda yaxshi tajribaga ega ekanligini ma'lum qildi, ammo bu erda sizning kilometringiz farq qilishi mumkin. Qanday bo'lmasin, bunday vositalar vazifani to'liq avtomatlashtirish uchun emas, balki mutaxassislarni qo'llab-quvvatlash uchun mo'ljallangan.
Bu haqiqatan ham qiziqarli bo'lib qolsa-da, aksincha: ontologiyalar va bilim grafiklari LLMlar uchun tekshirgich, aslida haqiqat qatlami sifatida ishlaydi. Seale buni LLMlar uchun ishchi xotira grafigi namunasi deb ataydi.
Ishchi xotira grafigida ontologiya domen haqidagi bilimlarni distillaydi va bilimlar grafigi tashkilotga xos va shaxsiy ma'lumotlar bazasi bo'lib xizmat qiladi. LLMlar vositachi sifatida ishlaydi va tadqiqot va ijodkorlik qismini qo'shadi, shuningdek tuzilmagan bilimlarga kirish imkonini beradi. Bu LLMda distillangan umumiy bilim yoki RAG orqali domenga xos bilim bo'lishi mumkin.
Ishchi xotira grafigi Seale Neyron-simvolik halqa deb ataydigan kattaroq naqshning bir qismidir. Bunda Ishchi xotira grafigi tekshirish zarur bo'lgan domenlar uchun tekshiruvchi vazifasini bajaradi. Maqsad har bir domen uchun matematika yoki kod uchun mumkin bo'lgan narsani qilishdir: LLMlar tomonidan yaratilgan natijalarning to'g'riligini tekshirish.
Shubhasiz, matematika yoki koddan tashqari domenlarda bunga erishish ancha qiyin. Ontologiyalar va bilim grafiklarini yaratish uchun zarur bo'lgan kuch va tajriba sezilarli bo'lib qolmoqda va natijalar unchalik aniq bo'lmasligi mumkin. Ammo buni amalga oshirish mumkin va Seale bu AI uchun haqiqat qatlamining eng yaxshi yo'li ekanligiga ishonch hosil qiladi.
🔄 Neyron ramziy halqa yondashuvi
• Tashkilotingizga xos domen bilimidan boshlang
• Ushbu bilimlarni rasmiylashtirish uchun ontologiyani ishlab chiqish
• Tashkilotingizning shaxsiy ma'lumotlar bazasi sifatida bilimlar grafigini yarating
• LLMlardan tadqiqot va ijodkorlik uchun vositachi sifatida foydalaning
• Ishchi xotira grafigini tekshirish qatlami sifatida qo'llang
• Tekshirish va takomillashtirishning uzluksiz tsiklini yarating
Pragmatik AI yondashuvi: nazariyadan amalga oshirishgacha
“AI raketa kabi uchib ketdi. Buni to'xtatish uchun hech kim deyarli hech narsa qila olmaydi. Bu baribir sodir bo'lmoqda. Shunday qilib, har qanday tashkilotda siz ushbu umumiy razvedka ma'lumotlarini import qilishingiz mumkin bo'lgan vaziyatga tushib qolasiz. Ayni paytda u aqlli, balki unchalik ham aqlli emas, lekin keyingi 5-10 yil ichida u erishadi.
Sizda bu qisqa oyna bor. Siz qilishingiz kerak bo'lgan narsa AIni tashkilotimiz kontekstiga olib borish va diqqatni AI aysbergining pastki qismiga, ya'ni ma'lumotlarga qaratishdir. Shunday qilib, siz hozir qo'lingizda bo'lgan modellarda mavjud bo'lgan kuchni olishingiz va uni u erda mavjud bo'lgan ma'lumotlarga qaratishingiz kerak.
Samarali tashqi tekshiruvchi bo'lishi uchun ma'lumotlarni tozalash va birlashtirish kerak. Qaysi ma'lumot 0,001 dollarga teng ekanligini va faqat sizda qanday ma'lumotlar borligini va siz qo'shayotgan qiymatni bilishingiz kerak. Siz buni hozir qilishingiz kerak, chunki bu men ko'rganimga ko'ra, shahardagi yagona o'yin”, - dedi Seale.
Seale, shuningdek, 2025 yil uchun bashorat qilish uchun bir qator o'rtoqlashdi: ma'lumotlar siqilishi, ma'lumotlar to'plamining asosi sifatida bilim grafiklari, ontologiyalar orqali GraphRAG va LLMlarni mulohaza qilish orqali rasmiy fikrlashning yaqinlashishi. Bular haqida batafsil suhbat uchun podkast epizodiga qarang. Umuman olganda, Seale, sun'iy intellekt qisqa muddatda haddan tashqari oshirib yuborilgan, ammo uzoq muddatda juda kamaytirilgan deb hisoblaydi.
Seale bilim grafiklari va ontologiyalarini bunga tayyor bo'lgan tashkilotlarga qo'llash ustida ishlamoqda. Ammo bu qimmatga tushadi va u hamma uchun ham qo'llanilmaydi. Bundan tashqari, hech qanday konsalting sizga kerak bo'lgan barcha ta'lim yoki asosiy ma'lumotlar ishlarini bajara olmaydi.
Pragmatik AI yondashuvi ma'lumotlarning birinchi tamoyillari, menejment, boshqaruv, modellashtirish va ma'lumotlar fanini o'rgatish orqali bu bo'shliqni bartaraf etadi. Keyinchalik, ishonchli, tasdiqlangan ma'lumotlar asosida AI tizimlarini yaratish uchun tashkilotlarga xos bo'lgan domen bilimlaridan foydalanish mumkin.
Pragmatik AI treningi
Nazariya va amaliy laboratoriyalar. Hamma narsani o'z ichiga olgan dam olish. Cheklangan joylar kohortasi.
Pragmatik AI treningiga ro'yxatdan o'tish uchun shu yerni bosing
Pragmatik AI kursi rahbarlar, menejerlar, tadbirkorlar, maslahatchilar va ijodkorlarga haqiqiy biznes qiymatini taqdim etuvchi AI tizimlarini yaratish uchun zarur bo'lgan asosiy bilim va amaliy tajriba bilan ta'minlaydi. Asoslardan boshlang va tashkilotingizning haqiqat qatlamini yaratishni boshlang va AI davrida raqobatdosh ustunlikka ega bo'ling.