Fikir Liderliyi Məqaləsi tərəfindən Radha Ramaswami BasuCEO və Təsisçi, iMerit
İllərdir ki, süni intellektdə irəliləyiş tanış nümunəyə uyğundur: daha çox hesablama, daha çox məlumat, daha böyük modellər, daha yaxşı nəticələr. Bu model indi pozulur. Model ölçüləri artsa da, real dünya performansında artan qazanclar azalır. Darboğaz artıq hesablanmır; və ya hətta şəffaf məlumat həcmi. Bu hökm: domen əsaslandırması, kontekst və dəyərləri öyrənmə sistemlərinə daxil etmək bacarığı. Bu gün ən etibarlı AI araşdırması eyni dəyişikliyə işarə edir: tərəqqi indi miqyaslı modellərdən daha az, daha çox onlara insan təcrübəsinin yeridilməsindən asılıdır.
Niyə daha böyük artıq daha yaxşı demək deyil
2018 və 2024-cü illər arasında model parametrlərinin sayları böyük ölçüdə artdı, lakin benchmark qazancları düzəldi. adlı son araşdırma Generativ AI ilə əlaqəli dörd məlumat və model keyfiyyət problemi Deloitte-dən qeyd edir ki, böyük sərmayələrə baxmayaraq, bir çox generativ AI layihələri hələ də məlumat arxitekturası, sürüşmə və model bütövlüyü problemləri ilə mübarizə aparır.
Eyni xətt üzrə, MIT-dən araşdırma Süni intellekt sistemlərinin mətni necə təsnif etdiyini yoxlamaq üçün yeni üsul Mətn təsnifat modelləri üçün ciddi qiymətləndirmə boru kəmərlərinin layihələndirilməsi (insan-ekspert baxışı daxil olmaqla) real dəqiqliyin ölçülməsi və təkmilləşdirilməsi üçün çox vacib olduğunu aşkar etdi. Təsirində: daha çox xam məlumatın yığılması, verilənlərin strukturu, sübut edilmiş mənşəyi və ya kontekstual domen anlayışı olmadıqda, azalan gəlirlər verir. Böyük korpus statistik ardıcıllıq üçün optimallaşdırır və mühakimə ilə zəngin əsaslandırma deyil.
Kəmiyyət Deyil, İğneyi Hərəkətləndirir
Empirik iş vurğunun dəyişməsini təsdiqləyir. Domen mütəxəssisləri tərəfindən şərh edilmiş və əsaslandırma tapşırıqları üçün strukturlaşdırılmış qurulmuş verilənlər topluları ardıcıl olaraq daha böyük səs-küylü korpuslardan üstündür. The Deloitte tədqiqat daha sonra qeyd edir ki, Gen AI-nin qəbulu üçün dörd əsas maneədən biri “məlumatların inteqrasiyası və model dəqiqliyinə nəzarət,” məlumat keyfiyyətinin miqyas deyil, darboğaza çevrildiyini vurğulayır.Sadə dillə desək, daha az, lakin daha ağıllı nümunələr təmizlənməmiş nümunələrin çoxluğunu üstələyir.
Sistem Komponenti kimi İnsan Təcrübəsi
Modellər tənzimlənən, yüksək riskli mühitlərə daxil olduqca, dövrədə ekspert (EITL) iş axınları məcburi olur. Avtonom mobillikdə təhlükəsizliyin yoxlanılması indi mühəndislərdən insanın davranış dəyişkənliyini ələ keçirən real və sintetik ssenariləri nəzərdən keçirməyi və etiketləməyi tələb edir. Səhiyyədə klinisyenler və dilçilər qeyri-müəyyən halları şərh edir, şərhedici metadata modelləri ilə nəticə çıxara bilməzlər. Bu, etik mənada “insan nəzarəti” deyil; sistem dizaynının bir hissəsi kimi insan düşüncəsidir. Mütəxəssis-loop çərçivələri mühakimələri birbaşa məlumatların tədarük zəncirinə daxil edir. Beləliklə, hesablamalar, alqoritmlər və məlumatlar AI infrastrukturunun üç sütunu idisə, dördüncü insan təcrübəsi meydana çıxır.
Bu yaxınlarda Harvard Business Review məqaləsi, “ Nəsil AI Ekspertiza Dəyərini Necə Dəyişdirə bilər?, təkrarlayır “Bəzi sahələrdə [Gen AI] təməl vəzifələri avtomatlaşdırır … eyni zamanda, digər sahələrdə, süni intellekt texniki təcrübəyə çıxışı demokratikləşdirir … həlledici olaraq qalan şirkətə xas bilik və daha az kodlaşdırıla bilən bacarıqlardır.” HBR açıq şəkildə bildirir ki, bəzi sahələrdə GenAI işi öz üzərinə götürür əsas, təkrarlanan və ya prosedur insanların içində olarkən gördüyü işlər başqalarıAI qabaqcıl biliyi hamı üçün daha əlçatan edir, demək olar ki, insanlara dərhal “mütəxəssis səviyyəli alətlər” vermək kimi. Ancaq bu avtomatlaşdırma və demokratikləşmə ilə belə, AI-nin təkrarlaya bilmədiyi şeylər daha qiymətli olur:
- şirkətin unikal kontekstini dərindən başa düşmək,
- insan mühakiməsi,
- qaydalar və ya təlimatlar kimi yazıla bilməyən nüanslı bacarıqlar.
Mühakimə İqtisadiyyatı
Deloitte öz hesabatında daha sonra qeyd edir ki, Gen AI üçün əsas mühəndislik maneələrindən biri idarəolunmaz sürüşmə və həyat dövrü məlumat problemlərini həll etməkdir. Sistem baxımından, daha yaxşı məlumat və ekspert annotasiyası vasitəsilə qazandığınız hər bir dəqiqlik nöqtəsi çoxlu aşağı axın xərclərinə qənaət edir; daha az düzəliş, daha az yenidən hazırlıq, daha az uğursuzluq. Beləliklə, insan mühakiməsi sadəcə xoş bir şey deyil, həm də ölçülə bilən səmərəlilik rıçaqına çevrilir. 2025-ci ildə McKinsey’s İş yerində Superagentlik: İnsanları AI-nin tam potensialını açmaq üçün gücləndirmək süni intellekt insanı əvəz edən kimi deyil, yalnız birbaşa insan təcrübəsi, kontekstdə qərar qəbul etmə və sahə mühakiməsi ilə birləşdirildikdə təsirli olan bir qabiliyyət kimi mövqe tutur. Onların çərçivəsi cəsarətli bir iddia irəli sürür: AI yalnız insan təcrübəsi sistem dizaynına və iş prosesinə daxil edildikdə dəyər yaradır.
Mühakimə Döngəsi
Generativ AI bu dəyişikliyi aşkar etdi. İnsan Əlaqəsi (RLHF) ilə Gücləndirici Öyrənmə insanları dövrənin bir hissəsi etdi. İndi növbəti iterasiya dövriyyədə olan ekspert rəyidir: insanlar yalnız rəhbərlik etmir, həm də model davranışını əsaslandırır, tənqid edir və davamlı olaraq təkmilləşdirir. O, artıq nəzarət mexanizmi deyil; daxili memarlıqdır. kimi MIT-lər təsnifatlandırıcı qiymətləndirmə üzərində iş göstərir ki, insan-ekspert alətləri (qiymətləndirmə + remediasiya) yüksək etimad üçün kritik bir yoldur. Qiymətləndirmələrə və RL-yə artan diqqət mükafat dizaynının keyfiyyətini və cavabların dəqiqliyini də diqqət mərkəzində saxlayır.
Sənaye Perspektivi: Hindistanın AI Reallığı
Hindistanda süni intellektdən istifadə yarışı güclənir, lakin imkan və bacarıq boşluğu arasındakı gərginlik də belədir. a görə başlıqlı Deloitte-Nasscom hesabatı Hindistanın texnoloji və iqtisadi təsirini artırmaq üçün AI istedad boşluğunu aradan qaldırmaq 2024-cü ilin avqustunda nəşr olunan Hindistanın AI istedad fondunun 2027-ci ilə qədər iki dəfədən çox artaraq 600,000-650,000-dən 1,25 milyona yüksələcəyi proqnozlaşdırılır, süni intellekt bazarının özünün isə 2027-ci ildə böyüməsi gözlənilir. İllik 25-35%. Bununla belə, bu artım gözlənilən narahatlığı gizlədir, hesabatlar The Times of India martın 25-də Hindistan 2027-ci ilə qədər bir milyondan çox işçi çatışmazlığı, AI istedad çatışmazlığı ilə üzləşəcək vurğulamaq tələbin təklifdən çox daha sürətli artması, ciddi istedad çatışmazlığı riski yaradır. Təxminən eyni zamanda, a Dünya İqtisadi Forumunun Hindistanda İşlərin Gələcəyi Hesabatı 2025 Hindistan işçilərinin 63%-nin 2030-cu ilə qədər süni intellekt və rəqəmsal texnologiyalarla əlaqəli rollar üçün bacarıqların artırılmasını tələb edə biləcəyini vurğulayır, Hindistanın demoqrafik dividendlərinin davamlı öyrənməyə böyük investisiyalar olmadan reallaşa bilməyəcəyini vurğulayır. Və iqtisadi təsir baxımından, EY Hindistan layihələr ki generativ süni intellekt 2030-cu ilə qədər 38 milyon işi dəyişdirə bilərmütəşəkkil sektorda 2,61% və qeyri-mütəşəkkil sektorda potensial olaraq əlavə 2,82% məhsuldarlıq artımı təmin edir, lakin onlar xəbərdarlıq edirlər ki, istedad çatışmazlığı (rəhbərlərin 97%-i daxili süni intellekt bacarıqlarının olmaması ilə izah olunur) ən böyük maneələrdən biridir. Bu, Hindistanın yol ayrıcında dayandığına dair aydın mənzərə yaradır; İnsan mülahizələrinin süni intellekt sistemlərinə daxil edilməsinin potensial müsbət tərəfi böyükdür, lakin yalnız ekosistem ekspert istedad bazasını sürətlə qura, inkişaf etdirə və genişləndirə bilsə.
Məlumat fabriklərindən tutmuş koqnitiv infrastruktura qədər
AI təchizat zənciri yüksək məhsuldarlıqdan irəliləyir idrak infrastrukturuna məlumat fabrikləri; ekspertizanı kodlayan, həqiqəti yoxlayan və dinamik şəkildə uyğunlaşan sistemlər. Bu keçid yeni insan bacarıqları tələb edir: LLM məntiqini stress testindən keçirən riyaziyyatçılar, anomaliyaları şərh edən domen ekspertləri, son vəziyyət ssenariləri haqqında düşünən mühəndislər. İndi infrastruktur hesablamalı olduğu qədər insandır.
Alt xətt
Data hər yerdədir. Qıt olan şey mühakimədir; strukturlaşdırılmış, izah edilə bilən, cavabdeh mühakimə. McKinsey-in qlobal təhlilindən Stanfordun AI İndeksinə qədər dünyanın ən hörmətli AI tədqiqat qurumları bir həqiqət üzərində birləşirlər: AI performansının növbəti sərhədi təkcə GPU-lar tərəfindən açılmayacaq. O, insan mühakiməsi ilə açılacaq. Modellər daha bacarıqlı böyüdükcə, mükafat ekspert mülahizələrinə, sahəyə nəzarətə və etik şərhə keçir, çünki yüksək riskli qərarlar statistik proqnozlardan daha çox tələb edir; idrak tələb edirlər. Məlumat boru kəmərlərində mühakimə yürütməyi öyrənən təşkilatlar etibarlı, domenə xas və məsuliyyətli AI sistemlərinin növbəti nəslini müəyyən edəcəklər. Daha böyük miqyasda deyil, daha yaxşı düşünməklə.
