O sonho de coletar, gerenciar e aproveitar os ativos de conhecimento de uma organização nunca foi verdadeiramente realizado nos últimos 30 anos. Os sistemas de compartilhamento de ativos de informação evoluíram em sua sofisticação, porém não conseguiram levá-lo ao próximo nível, transformando efetivamente as informações contidas em arquivos digitais em conhecimento utilizável. Os dados existem em silos cada vez maiores, mas o conhecimento real ainda reside nos funcionários.
No entanto, o surgimento dos grandes modelos de linguagem (GMLs) está começando a tornar a gestão do conhecimento (KM) uma realidade. Esses modelos podem extrair significado a partir de dados digitais em escala e velocidade além das capacidades dos analistas humanos. A pesquisa State of the CIO de 2023 revela que 71% dos CIOs esperam maior envolvimento na estratégia comercial nos próximos três anos, com 85% afirmando que estão se concentrando cada vez mais em assuntos digitais e inovação. A aplicação dos GMLs aos ativos do conhecimento de uma organização tem o potencial de acelerar essas tendências.
Menos é Mais
Os modelos GenAI ChatGPT e Dall-E 2 da OpenAI revolucionaram nossa forma de pensar sobre IA e o que ela pode fazer. Desde escrever poemas até criar imagens, é impressionante como um computador pode criar novo conteúdo a partir algumas poucas indicações simples. No entanto, a escala dos GMLs usados para realizar essas tarefas é vasta e cara para a OpenAI oferecer. O GPT-4 foi treinado com mais de 45 terabytes de dados de texto usando mais de mil GPUs ao longo de 34 dias e custou quase US$5 milhões em poder computacional. Em 2022, a OpenAI teve um prejuízo de US$540 milhões, apesar de ter arrecadado US$11,3 bilhões em rodadas de financiamento.
Claramente, esses custos e a escala operacional estão além das capacidades da maioria das organizações que desejam desenvolver seus próprios GMLs. No entanto, o futuro da IA para muitas empresas reside na construção e adaptação de modelos muito menores com base em seus próprios ativos internos de dados. Em vez de depender de APIs fornecidas por empresas como a OpenAI e dos riscos de enviar dados potencialmente sensíveis para servidores de terceiros, novas abordagens estão permitindo que as empresas utilizem GMLs menores internamente. Ajustar os parâmetros dos modelos GML e utilizar novas linguagens como Mojo e estruturas de programação AI, como o PyTorch, reduz significativamente os recursos computacionais e o tempo necessários para executar programas de IA.
Notícia | Destaque |
---|---|
O sonho de coletar, gerenciar e aproveitar os ativos de conhecimento de uma organização nunca foi verdadeiramente realizado nos últimos 30 anos. | Desafio na gestão do conhecimento |
O surgimento dos grandes modelos de linguagem (GMLs) está começando a tornar a gestão do conhecimento (KM) uma realidade. | GMLs como solução |
71% dos CIOs esperam maior envolvimento na estratégia comercial nos próximos três anos. | Expectativas dos CIOs |
Os modelos GenAI ChatGPT e Dall-E 2 da OpenAI revolucionaram nossa forma de pensar sobre IA e o que ela pode fazer. | Impacto dos modelos GMLs |
O futuro da IA para muitas empresas reside na construção e adaptação de modelos muito menores com base em seus próprios ativos internos de dados. | Desenvolvimento interno de GMLs |
Com informações do site CIO.