사물 인터넷에서 생성 AI의 위치는 무엇입니까?

제너레이티브 AI는 프롬프트를 기반으로 다음 단어 세트나 올바른 이미지를 추측하도록 훈련된 기계 학습 모델 세트입니다.

최근 주류 언론은 Alexa, Siri 및 Google의 디지털 비서에 대해 매우 우려하고 있습니다. 이들 제품은 지금까지 제너레이티브 AI를 활용하지 않았기 때문이다. 생성적 AI(Generative AI)는 프롬프트를 기반으로 다음 단어 세트나 올바른 이미지를 추측하도록 훈련된 일련의 기계 학습 모델입니다.

DALL-E, Stable Diffusion 및 Midjourney는 이미지 생성에 인기가 높으며 2021년 초에 출시될 예정입니다. 그러나 최근의 과대 광고는 대규모 언어 모델, 특히 OpenAI가 만든 ChatGPT에 관한 것입니다. 누군가가 팁과 스타일 제안을 입력하면 결과를 쉽게 읽을 수 있으며 실제 정보 또는 정보의 환상을 제공할 수 있습니다.

모든 장치는 흥미롭고 업무 수행 방식, 콘텐츠 생성 방식, 비즈니스 구축 방식에 큰 영향을 미칩니다. 하지만 생성 AI의 정확성에 대한 우려도 있다. 우리는 생성 AI를 세상을 변화시키는 기술로 맹목적으로 받아들이는 것이 아니라 손쉬운 선전, 사기 및 기타 악의적인 행동에 생성 AI를 사용할 수 있는 능력과 씨름해야 합니다.

즉, 우리는 현재 기술 전문가들이 사용 사례와 새로운 모델을 실험하는 기업에 수십억 달러를 투자하는 등 생성적 AI를 맹목적으로 신뢰하는 단계에 있습니다. 우리는 여전히 언론인들이 이러한 모델을 속여 잘못된 행동을 하게 만들거나 AI가 지각이 있고 잠재적으로 우리에게 적대적이라는 것을 증명하려고 몇 시간을 소비하는 단계에 있습니다.

하지만 이 글의 요점은 그게 아닙니다. 이 기사에서는 생성 AI가 IoT 배포 및 사용 방식에 중요한 영향을 미치는 영역에 중점을 둡니다. 예를 들어 사용자 경험을 개선하기 위해 이를 어디에 사용할 수 있습니까? 단어와 이미지 외에 어떤 다른 생성 AI 모델이 IoT에 도움이 될 수 있습니까? Amazon Alexa와 챗봇을 혼동하는 대신 Amazon Alexa와 기타 디지털 보조원은 계속해서 자연어 처리(NLP)를 사용하여 "이해"한 다음 "조명을 켜세요" 또는 "좋은 아침"과 같은 다양한 작업 기반 요청에 대해 조치를 취할 것입니다. " "를 사용하여 모닝콜을 시작하는 동시에 보다 심층적인 의사소통이 필요한 요청을 처리하기 위해 GPT 스타일 챗봇을 추가합니다.

훌륭한 디지털 어시스턴트는 한두 가지 모델로만 구성되는 것이 아니라 사용자에게 가장 실용적인 기능을 제공하기 위해 모든 버전의 모델로 구성됩니다. 경제적 우려도 있다. 다른 비즈니스 모델이 필요한 챗봇을 호출하는 데에는 수수료가 있을 수 있으며 모든 사람이 구독 비용을 지불할 의향이 있는 것은 아닙니다.

또한 곧 챗봇 스타일의 생성 AI 모델이 가정에서 사용되는 모습을 보게 될 것입니다. 최근 Home Assistant 창립자인 Paulus Schoutsen은 HomePod를 사용하여 GPT 스타일 챗봇에 액세스하여 자녀에게 이야기를 전하는 방법을 시연했습니다.

사실 이미 디지털 비서의 일부인 NLP와 생성 AI 모델을 결합하는 것의 유용성은 음성 비서와 생성 AI를 결합한 플랫폼을 도입하는 SoundHound에게 분명합니다. 따라서 ChatGPT는 Alexa를 대체하지는 않지만 결국 Alexa를 인터페이스로 사용하여 Alexa의 일부가 될 수 있으며 ChatGPT는 제공되는 많은 서비스 중 하나일 뿐입니다.

ChatGPT 또는 생성 AI 모델이 영향을 미칠 다른 스마트 홈 영역에는 어린이 장난감, 피트니스 서비스, 레시피 또는 활동 제안이 포함됩니다. 생성 AI는 실제로 개인화된 훈련 데이터를 제공하거나 그러한 서비스의 전달자 역할을 하여 일상적인 사물에 연결성과 감각을 추가하는 또 다른 이유이기 때문입니다.

기업 측면에서, 사업가들이 코딩 없이 디지털 솔루션을 구현하도록 돕기 위해 생성 AI를 사용하는 데는 분명한 유용성이 있습니다. 한 가지 예는 Software AG가 Web Methods 클라우드-투-클라우드 통합 플랫폼을 생성 AI 모델과 결합하여 직원들이 데이터와 다양한 디지털 서비스를 연결하는 방법을 파악하도록 돕는 방법입니다. 궁극적으로 건물, 생산 라인, 상업용 주방 등에서 더 많은 것들이 연결됨에 따라 간단한 서면 언어를 사용하여 연결된 장치에 연결된 비즈니스 소프트웨어로 작업하는 방법을 알려주면 관리자가 더욱 효율적이고 유능해질 수 있습니다.

산업 환경에서 ChatGPT의 약속은 강력한 사용 사례와 고려 사항과 함께 제공됩니다. 일부는 예측 유지 관리와 같은 작업에 생성적 AI를 사용하는 것을 지원합니다. 생성적 AI 모델은 대량의 데이터를 학습한 후 가장 가능성이 높은 다음 요소를 생성하는 방식으로 작동합니다. 따라서 대규모 언어 모델에서 생성 AI 모델은 대량의 텍스트에 대해 훈련을 받고 모델이 발생할 가능성이 가장 높다고 생각하는 다음 단어나 문구를 생성합니다.

아마도 충분한 머신 데이터가 있으면 모델은 다음에 수행해야 할 작업을 결정하고 예상 결과가 올바르지 않은 경우 경고를 보낼 수 있습니다. 그러나 솔직히 말해서 기존의 이상 탐지는 예측 유지 관리에 적합하고 비용도 훨씬 저렴하기 때문에 이는 과잉이라고 느껴집니다. 생성 AI가 흥미로울 수 있는 부분은 프로세스 데이터를 가져와 대체 작업 흐름을 제안하거나 서면 언어를 사용하여 작업 흐름을 설명하고 AI가 누군가를 위해 이를 코딩하도록 하는 것입니다.

하지만 주의할 점도 있습니다. 이러한 모델은 훈련 데이터만큼만 우수하고 경우에 따라 잘못된 답을 생성할 수도 있지만 너무 잘 작성되어 잘못된지 판단하기가 어렵습니다.

생성 AI를 둘러싼 지적 재산권 전쟁을 고려할 때 이 마지막 관심사인 "느낌"이 문제가 될 것입니다. 그러나 실제로는 독점 데이터를 기반으로 구축된 모델이 의도한 공장이나 기업 외부에 배포되는 경우에도 훈련 데이터가 실제로 어디에서 오는지에 대한 제한을 설정하는 것이 상대적으로 간단합니다.

생성 AI 모델이 생성되는 방법과 작동 방식에 대한 시간과 교육을 통해 일부 IP 문제를 해결할 수 있습니다. 이 주기가 불과 몇 달만 지나면 미래에는 생성 AI가 컴퓨터 비전 및 NLP만큼 중요해지고 수용될 것이라고 믿습니다.

위 내용은 사물 인터넷에서 생성 AI의 위치는 무엇입니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!