A abordagem centrada no ser humano da IBM é o único modelo que sua startup de IA precisa

A IBM passou tanto pace apenas por suas iniciais que muitos de nós temos que parar e pensar sobre o que as letras significam. Máquinas de Negócios Internacionais.

Lembrei-me do foco singular da corporação na semana passada durante a Conferência TNW 2022, quando Seth Dobrin, o primeiro diretor de IA da IBM, subiu ao palco para falar sobre inteligência synthetic.

Como disse Dobrin, a IBM “não faz IA para consumidores”. Você não fará obtain do assistente digital da IBM para seu smartphone tão cedo. Large Blue não entrará no jogo de filtros AI do aplicativo selfie.

Simplificando, a IBM está aqui para fornecer valor para seus clientes e parceiros e para criar modelos de IA que tornem a vida humana mais fácil, melhor ou ambos.

Isso é tudo muito fácil de dizer. Mas como uma empresa que não está focada na criação de produtos e serviços para o consumidor person realmente fala esse tipo de conversa?

De acordo com Dobrin, não é difícil: se preocupe em como os humanos individuais serão afetados pelos modelos que você monetiza:

Somos muito rigorosos quanto ao tipo de dados que ingeriremos e com os quais ganharemos dinheiro.

Durante uma discussão com Tim Bradshaw, do Monetary Instances, durante a conferência, Dobrin usou o exemplo de modelos de parâmetros grandes como GPT-3 e DALL-E 2 como uma forma de descrever a abordagem da IBM.

Ele descreveu esses modelos como “brinquedos” e por uma boa razão: eles são divertidos de se brincar, mas no ultimate das contas não são muito úteis. Eles são propensos à imprevisibilidade na forma de bobagens, discurso de ódio e o potencial de produzir informações pessoais privadas. Isso os torna perigosos para implantar fora dos laboratórios.

No entanto, Dobrin disse a Bradshaw e ao público que a IBM também estava trabalhando em um sistema semelhante. Ele se referiu a esses agentes como “modelos fundamentais”, o que significa que eles podem ser usados ​​para vários aplicativos, uma vez desenvolvidos e treinados.

A diferença da IBM, no entanto, é que a empresa está adotando uma abordagem centrada no ser humano para o desenvolvimento de seus modelos fundamentais.

Sob a liderança de Dobrin, a empresa seleciona conjuntos de dados de várias fontes e, em seguida, aplica termos e condições internos a eles antes de sua integração em modelos ou sistemas.

Uma coisa é se o GPT-3 acidentalmente cuspir algo ofensivo, esse tipo de coisa é esperado em laboratórios. Mas é uma situação totalmente diferente quando, como exemplo hipotético, o modelo de linguagem de produção de um banco começa a emitir informações sem sentido ou privadas para os clientes.

Felizmente, a IBM (uma empresa que trabalha com corporações em vários setores, incluindo bancos, transporte e energia) não acredita em amontoar um banco de dados gigante de dados não verificados em um modelo e esperar o melhor.

O que nos leva ao que talvez seja o mais interessante da conversa de Dobrin com Bradshaw: “esteja pronto para os regulamentos”.

Como diz o velho ditado: BS entra, BS sai. Se você não estiver no controle dos dados com os quais está treinando, a vida ficará difícil para sua startup de IA na hora da regulamentação.

E o Velho Oeste das aquisições de IA chegará ao fim em breve, à medida que mais e mais órgãos reguladores buscarem proteger os cidadãos das empresas predatórias de IA e do excesso corporativo.

Se sua startup de IA criar modelos que não serão ou não poderão ser compatíveis a pace para uso na UE ou nos EUA quando os martelos da regulamentação caírem, suas possibilities de vendê-los ou ser adquiridos por uma corporação que faz negócios internacionalmente são pequenas. Nenhum.

Não importa como você o faça, a IBM é uma exceção. Ele e Dobrin aparentemente apreciam a ideia de fornecer soluções prontas para conformidade que ajudam a proteger a privacidade das pessoas.

Enquanto o resto da grande tecnologia gasta bilhões de dólares construindo modelos que prejudicam o meio ambiente que não servem para nada além de passar por benchmarks arbitrários, a IBM está mais preocupada com os resultados do que com a especulação.

E isso é estranho. Não é assim que a maioria da indústria faz negócios.

A IBM e a Dobrin estão tentando redefinir qual é a posição da large tech no setor de IA. E, ao que parece, quando seus resultados não são impulsionados por receita de publicidade, número de assinantes ou hype futuro, você pode criar soluções que são tão eficazes quanto éticas.

E isso deixa a grande maioria das pessoas no mundo das startups de IA com algumas perguntas para responder.

Sua startup está pronta para o futuro? Você está treinando modelos de forma ética, considerando os resultados humanos e capaz de explicar os preconceitos embutidos em seus sistemas? Seus modelos podem ser compatíveis com GDPR, EU AI e Illinois BIPA?

Se o atual free-for-all acabar e os VCs pararem de gastar dinheiro em modelos de previsão e outros produtos baseados em vaporware ou prestidigitação, seus modelos ainda podem fornecer valor comercial?

Provavelmente ainda há um pouco de dinheiro a ser ganho para empresas e startups que embarcam no trem do hype, mas sem dúvida há muito mais a ser feito para aqueles cujos produtos podem realmente resistir a um inverno de IA.

As tecnologias de IA centradas no ser humano não são apenas uma boa ideia porque tornam a vida melhor para os humanos, mas também são os únicos aplicativos de aprendizado de máquina em que vale a pena apostar a longo prazo.

Quando a poeira baixar, e estivermos todos menos impressionados com a prestidigitação e os truques de salão em que a grande tecnologia gasta bilhões de dólares, a IBM ainda estará aqui usando os recursos energéticos limitados do nosso planeta para desenvolver soluções com resultados humanos individuais em mente.

Essa é a própria definição de “sustentabilidade” e o motivo pelo qual a IBM está pronta para se tornar a líder tecnológica de fato na comunidade world de inteligência synthetic sob a liderança especializada de Dobrin.