モノのインターネットにおける生成 AI の位置は何ですか?

生成人工知能は、プロンプトに基づいて次の単語のセットまたは正しい画像を推測するようにトレーニングされた後に作成される一連の機械学習モデルです。

最近、主流メディアは、Alexa、Siri、Google のデジタル アシスタントについて非常に懸念しています。これまでのところ、これらの製品は生成AIを使用していないためです。生成 AI は、プロンプトに基づいて次の単語セットまたは正しい画像を推測するようにトレーニングされた、作成された一連の機械学習モデルです。

DALL-E、Stable Diffusion、Midjourney は画像生成に人気があり、2021 年初頭に利用可能になる予定です。しかし、最近の誇大宣伝は大規模な言語モデル、特に OpenAI によって作成された ChatGPT に関するものです。誰かがヒントやスタイルの提案を入力すると、結果が簡単に読み取れ、実際の情報または錯覚した情報が提供されます。

すべてのデバイスはエキサイティングであり、仕事のやり方、コンテンツの作成方法、ビジネスの構築方法に大きな影響を与えます。ただし、生成AIの精度には懸念があります。私たちは依然として、生成 AI を世界を変えるテクノロジーとして単に盲目的に受け入れるのではなく、簡単なプロパガンダ、詐欺、その他の悪意のある行為に生成 AI を使用する能力に取り組む必要があります。

とはいえ、私たちは現在、ユースケースや新しいモデルを実験する企業に数十億ドルを投資するなど、技術者が生成型 AI を盲目的に信頼している段階にいます。私たちはまだ、メディア関係者がこれらのモデルを騙して不正な動作をさせることに何時間も費やしている段階、あるいは AI が知覚力を持ち、潜在的に私たちに敵対的であることを証明しようとしている段階にいます。

しかし、これはこの記事の焦点では​​ありません。この記事では、生成 AI が IoT の展開と使用方法に大きな影響を与える分野に焦点を当てます。たとえば、ユーザー エクスペリエンスを向上させるために、どこに使用できますか? どのような種類の仕事に役立つ、または置き換えることができますか? 言葉や画像以外に、モノのインターネットで役立つ他の生成 AI モデルは何ですか?

From Smart家が始まる。 Amazon Alexa とチャットボットを混同するのではなく、Amazon Alexa と他のデジタル アシスタントは引き続き自然言語処理 (NLP) を使用して「理解」し、「電気をつけて」や「おはよう」などのさまざまなタスクベースのリクエストに対応します。 「 」を使用してウェイクアップ コールを開始すると同時に、より詳細なコミュニケーションが必要なリクエストを処理するための GPT スタイルのチャットボットも追加します。

優れたデジタル アシスタントは、モデルが 1 つや 2 つだけあるのではなく、任意のバージョンのモデルで構成され、最も実用的な機能をユーザーに提供します。経済的な懸念もあります。チャットボットの呼び出しには料金がかかる場合があり、これには別のビジネス モデルが必要です。また、誰もがサブスクリプションにお金を払うわけではありません。

さらに、近いうちにチャットボット スタイルの生成 AI モデルが家庭で使用されるようになるかもしれません。最近、Home Assistant の創設者 Paulus Schoutsen は、HomePod を使用して GPT スタイルのチャットボットにアクセスし、子供たちに物語を伝える方法をデモンストレーションしました。

実際、すでにデジタル アシスタントの一部となっている NLP を生成 AI モデルと組み合わせる有用性は、音声アシスタントと生成 AI を組み合わせたプラットフォームを導入している SoundHound にとって明らかです。したがって、ChatGPT は Alexa に代わるものではありませんが、最終的には Alexa をインターフェースとして Alexa の一部となる可能性があり、ChatGPT はそれが提供する多くのサービスの 1 つにすぎません。

ChatGPT または生成 AI モデルが影響を与える他のスマート ホーム分野には、子供のおもちゃ、フィットネス サービス、レシピやアクティビティの提案などがあります。なぜなら、生成 AI は実際には、パーソナライズされたトレーニング データを提供したり、そのようなサービスのパイプ役として機能したりして、日常の物体に接続性と感覚を追加するもう 1 つの理由にすぎないからです。

企業側では、ビジネスマンがコーディングなしでデジタル ソリューションを実装できるように生成 AI を使用することには明らかな有用性があります。一例として、Software AG は、Web Methods のクラウド間統合プラットフォームと生成 AI モデルを組み合わせて、従業員がデータとさまざまなデジタル サービスをリンクする方法を理解できるように支援しています。最終的には、建物、生産ライン、業務用厨房などでより多くのものが接続されるようになり、簡単な書き言葉を使用して接続されたデバイスに接続されたビジネス ソフトウェアの操作方法を伝えることが、管理者の効率と能力を高めるのに役立ちます。

産業環境では、ChatGPT の約束には、説得力のある使用例と考慮事項が伴います。予測メンテナンスなどに生成 AI を使用することをサポートしているものもあります。生成 AI モデルは、大量のデータでトレーニングし、最も可能性の高い次の要素を生成することによって機能します。したがって、大規模な言語モデルでは、生成 AI モデルが大量のテキストでトレーニングされ、モデルが最も出現する可能性が高いと考える次の単語またはフレーズを生成します。

おそらく、十分なマシン データがあれば、モデルは次に何を行うべきかを決定し、予想される結果が正しくない場合にアラートを送信できるでしょう。しかし、正直なところ、従来の異常検出は予知保全に最適であり、コストもはるかに低いため、これはやりすぎのように感じられます。生成型 AI が興味深いのは、プロセス データを取得して代替ワークフローを提案すること、または書き言葉を使用してワークフローを記述し、AI にそれをコーディングさせることです。

しかし、注意すべき点もあります。これらのモデルの良さはトレーニング データ次第であり、場合によっては間違った答えが生成される可能性がありますが、非常に適切に作成できるため、モデルが間違っているかどうかを判断するのは困難です。

生成型 AI を巡る知的財産権争いを考えると、最後の懸念は「感情」が問題になることです。しかし実際には、たとえ独自のデータに基づいて構築されたモデルが目的の工場や企業の外に展開されていたとしても、トレーニング データの実際の取得元に制限を設定するのは比較的簡単です。

生成 AI モデルがどのように作成され、どのように機能するかについて時間をかけて教育することで、知的財産の問題の一部が解決されます。このサイクルが始まってわずか数か月ですが、将来的には生成 AI がコンピューター ビジョンや NLP と同じくらい重要になり、受け入れられるようになるだろうと私は信じています。

以上がモノのインターネットにおける生成 AI の位置は何ですか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。