What is generative AI, what are foundation models, and why do they matter?

Da quando è stato lanciato nel novembre 2022, ChatGPT di OpenAI ha catturato l'immaginazione sia dei consumatori che dei leader aziendali, dimostrando il potenziale dell'AI generativa nel trasformare radicalmente il modo in cui viviamo e lavoriamo. Man mano che il suo impatto sulla società continua a espandersi, organizzazioni aziendali e governative stentano ancora a reagire, creando politiche sull'uso della tecnologia da parte dei lavoratori o addirittura limitando l'accesso a ChatGPT.

I più prudenti stanno valutando i modi in cui possono applicare l'AI alle proprie organizzazioni e si stanno preparando per un futuro che è già qui. I più avanzati stanno cambiando il modo di pensare, passando dall'idea che l'AI sia un elemento aggiuntivo e secondario a quella di ridefinire i workflow critici ponendo l'AI al centro.

Il mercato globale dell'AI generativa si sta avvicinando a un punto di svolta, con una valutazione di 8 miliardi di dollari e un CAGR stimato del 34,6% entro il 2030. Con oltre 85 milioni di posti di lavoro destinati a restare vacanti entro quel periodo, è necessario creare operazioni più intelligenti con AI e automazione al fine di fornire l'efficienza, l'efficacia e le esperienze che i leader aziendali e gli stakeholder si aspettano.

L'AI generativa presenta un'opportunità irresistibile per aumentare gli sforzi dei dipendenti e rendere l'azienda più produttiva. Ma man mano che i vertici aziendali ricercano soluzioni di AI generativa, si pongono sempre più domande: quali casi d'uso offriranno il maggior valore alla mia azienda? Quale tecnologia AI è più adatta alle mie esigenze? È sicura? È sostenibile? Come viene governata? E come posso assicurarmi che i miei progetti di AI abbiano successo?

Avendo lavorato per diversi anni con i foundation model, IBM Consulting, IBM Technology e IBM Research hanno sviluppato una visione concreta su cosa serve per trarre valore dall'implementazione responsabile dell'AI in tutta l'azienda.

Come suggerisce il nome, l'AI generativa genera immagini, musica, discorsi, codice, video o testo, mentre interpreta e manipola dati preesistenti. L'AI generativa non è un concetto nuovo: le tecniche di machine learning alla base dell'AI generativa si sono evolute nell'ultimo decennio. L'ultimo approccio si basa su un'architettura di rete neurale, definita "transformer". Combinando l'architettura trasformativa con l'apprendimento non supervisionato, sono emersi foundation model di grandi dimensioni che superano i benchmark, in grado di gestire più modalità di dati.

Questi modelli di grandi dimensioni sono chiamati foundational model proprio perché rappresentano il punto di partenza per lo sviluppo di modelli più avanzati e complessi. Partendo da un foundation model, possiamo creare modelli più specializzati e sofisticati, adattati a casi d'uso o domini specifici. I primi esempi di modelli, come GPT-3, BERT, T5 o DALL-E, hanno mostrato cosa è possibile: basta inserire un breve prompt e il sistema genera un intero saggio, o un'immagine complessa, basata sui parametri. 

I modelli linguistici di grandi dimensioni (LLM) vengono addestrati esplicitamente su grandi quantità di dati testuali per compiti di NLP e contengono un numero significativo di parametri, solitamente superiori a 100 milioni. Facilitano l'elaborazione e la generazione di testo in linguaggio naturale per diverse attività. Ogni modello ha i suoi punti di forza e di debolezza e la scelta di quale utilizzare dipende dal compito specifico dell'NLP e dalle caratteristiche dei dati da analizzare. Scegliere l'LLM corretto da utilizzare per un lavoro specifico richiede competenze in materia di LLM.

BERT è progettato per comprendere le relazioni bidirezionali tra le parole in una frase e viene utilizzato principalmente per la classificazione delle attività, la risposta alle domande e il named entity recognition. GPT, d'altra parte, è un modello unidirezionale basato su trasformatori utilizzato principalmente per attività di generazione di testo come la traduzione linguistica, il riepilogo e la creazione di contenuti. Anche T5 è un modello basato su transformer, tuttavia si differenzia da BERT e GPT in quanto viene addestrato con un approccio text-to-text e può essere affinato per vari compiti di elaborazione del linguaggio naturale come traduzione, riassunto e risposta alle domande.

Essendo pre-addestrati su enormi quantità di dati, questi foundation model offrono un'enorme accelerazione nel ciclo di sviluppo dell'AI, permettendo alle aziende di concentrarsi sulla messa a punto per i propri casi d'uso specifici. Invece di costruire modelli NLP personalizzati per ogni dominio, i foundation model permettono alle aziende di ridurre il time to value da mesi a settimane. Per quanto riguarda il coinvolgimento dei clienti, IBM Consulting sta registrando una riduzione del time to value fino al 70% per i casi d'uso della PNL, come il riepilogo delle trascrizioni dei call center, l'analisi delle recensioni e altro ancora. 

Dato il costo dell'addestramento e della manutenzione dei foundation model, le aziende dovranno fare delle scelte su come incorporare e implementare i foundation model per i loro casi d'uso. Ci sono considerazioni specifiche per i casi d'uso e i punti decisionali riguardanti costi, impegno, privacy dei dati, proprietà intellettuale e sicurezza. È possibile utilizzare una o più opzioni di distribuzione all'interno di un'azienda, valutando questi punti di decisione. 

I foundation model accelereranno drasticamente l'adozione dell'AI nelle aziende riducendo i requisiti di etichettatura, il che renderà più facile per le aziende sperimentare con l'AI, costruire automazioni e applicazioni efficienti basate su AI e implementarla in una gamma più ampia di situazioni mission-critical. L'obiettivo di IBM Consulting è portare la potenza dei foundation model in ogni azienda in un ambiente hybrid cloud senza problemi. 

Per saperne di più, scopri come l'AI generativa può essere utilizzata per massimizzare esperienze, processo decisionale e business value, e come IBM Consulting offre un approccio prezioso e responsabile all'AI.