Защитные барьеры ИИ

Защитные барьеры ИИ (Guardrails) помогают гарантировать, что инструменты ИИ организации и их применение в бизнесе соответствуют стандартам, политикам и ценностям организации.

С появлением генеративного ИИ (gen AI) концепция ограждений или защитных барьеров применяется к системам, разработанным для обеспечения того, чтобы инструменты ИИ компании, особенно большие языковые модели (LLM), работали в соответствии с организационными стандартами, политиками и ценностями.

Хотя gen AI может повысить эффективность, инновационность и конкурентное преимущество компании, он также может создавать проблемы и риски. Поскольку внедрение gen AI стремительно растет, защитные ограждения имеют решающее значение для ответственного использования ИИ. Защитные ограждения могут выявлять и удалять неточный контент, генерируемый LLM, а также отслеживать и отфильтровывать рискованные подсказки.

Но так же, как ограждения на шоссе не исключают риск травм или смертельных случаев, ограждения ИИ не гарантируют, что системы ИИ будут полностью этичными, безопасными, справедливыми, соответствующими требованиям. Для достижения наилучших результатов компании могут внедрять зашитные барьеры ИИ вместе с другими процедурными элементами управления (например, фреймворками доверия ИИ, программным обеспечением для мониторинга, методами тестирования и оценки), а также надлежащим стеком технологий операций ИИ.

Преимущества защитных барьеров

Чтобы создать правильную среду для инноваций и трансформации gen AI, организации должны гарантировать, что технология может работать безопасно и ответственно — с защитными ограждениями ИИ, играющими решающую роль. Вот несколько преимуществ, которые защитное ограждение может предложить организации при внедрении ИИ:

• Конфиденциальность и безопасность. Системы ИИ подвержены атакам со стороны злоумышленников, которые используют уязвимости для манипулирования результатами, сгенерированными ИИ. Защитные барьеры могут укрепить системы ИИ от таких атак, помогая защитить организацию и ее клиентов.
• Соответствие нормативным требованиям. С ростом внимания правительства к ИИ организациям необходимо обеспечить соответствие систем ИИ существующим и новым законам и стандартам. Помогая компании поддерживать соответствие gen AI, защитные ограждения могут снизить риск юридических штрафов и ответственности за использование этих инструментов.
• Доверие. Поддержание доверия клиентов и широкой общественности имеет первостепенное значение для организаций. Защитные барьеры обеспечивает непрерывный мониторинг и проверку результатов, генерируемых ИИ, что может снизить риск распространения ошибочного контента за пределами компании.

Основные типы защитных барьеров от искусственного интеллекта

Защитные барьеры группируются в соответствии с их назначением и типами рисков, на которые они направлены. Компания McKinsey разработала таксономию защитных ограждений на основе конкретных рисков:

• Защитные барьеры соответствия проверяют, является ли контент, созданный ИИ, токсичным, вредным, предвзятым или основанным на стереотипах, и отфильтровывают ненадлежащий контент до того, как он попадет к клиентам.
• Защита от галлюцинаций гарантирует, что контент, сгенерированный ИИ, не содержит фактически неверную или вводящую в заблуждение информацию.
• Меры по обеспечению соответствия нормативным требованиям подтверждают, что созданный контент соответствует нормативным требованиям, независимо от того, являются ли эти требования общими, специфичными для отрасли или варианта использования.
• Ограничители выравнивания гарантируют, что сгенерированный контент соответствует ожиданиям пользователя и не отходит от своей основной цели.
• Ограничители проверки проверяют, соответствует ли сгенерированный контент определенным критериям: то есть содержит ли контент определенную информацию или нет. Если часть сгенерированного контента отмечена ограничителем проверки, контент может быть направлен в цикл исправления. Проверка должна быть последней из серии задач, которые выполняют ограничители. После этого человек-валидатор должен просмотреть отмеченные или неоднозначные случаи, требующие человеческого рассуждения.

Разработано множество библиотек с открытым исходным кодом для ограничений систем ИИ. Платформа машинного обучения Hugging Face выпустила Chatbot Guardrails Arena, которая проводит стресс-тесты LLM и ограничений конфиденциальности для предотвращения утечек конфиденциальных данных. Nvidia создала NeMo Guardrails, набор инструментов с открытым исходным кодом для добавления программируемых ограничений в приложения на основе LLM. Guardrails AI — это аналогичный пакет с открытым исходным кодом. LangChain, фреймворк для разработки приложений на базе LLM, также предоставляет библиотеку ограничений , чтобы помочь организациям быстро подключать ограничения в последовательность операций. Существуют также фирменные инструменты, такие как OpenAI Moderation, которые анализируют текст, сгенерированный моделями ИИ, для обнаружения и фильтрации вредоносного, ненадлежащего или небезопасного контента в соответствии с предопределенными категориями. Microsoft разработала аналогичный ограничитель для мониторинга контента, сгенерированного чат-ботом для Azure, своего набора служб ИИ.

Как работают барьеры

Guardrails строятся с использованием различных методов, от систем на основе правил до LLM. Однако в конечном итоге большинство защитных барьеров полностью детерминированы, то есть системы всегда выдают одинаковый результат для одного и того же входа, без случайности или изменчивости. Как правило, защитные барьеры отслеживают выходные данные систем ИИ, выполняя ряд задач: например, классификацию, семантическую проверку, обнаружение утечек персонально идентифицируемой информации и идентификацию вредоносного контента. Для выполнения этих задач защитные барьеры ИИ состоят из четырех взаимосвязанных компонентов, каждый из которых играет решающую роль:

• Checker. Checker сканирует контент, сгенерированный ИИ, чтобы обнаружить ошибки и пометить проблемы, такие как оскорбительный язык или предвзятые ответы. Он действует как первая линия защиты, выявляя потенциальные проблемы до того, как они смогут нанести вред или нарушить этические принципы.
• Корректор. После того, как проверяющий обнаруживает проблему, корректор уточняет, исправляет и/или улучшает вывод ИИ по мере необходимости. Он может исправлять неточности, удалять неподходящий контент и обеспечивать точность ответа и соответствие предполагаемому сообщению. Корректор работает итеративно, уточняя контент до тех пор, пока он не будет соответствовать требуемым стандартам.
• Rail. Rail управляет взаимодействием между проверяющим и корректирующим. Он выполняет проверки контента и, если контент не соответствует какому-либо стандарту, запускает корректирующий процесс. Этот процесс повторяется до тех пор, пока контент не пройдет все проверки или не достигнет предопределенного предела коррекции. Rail также регистрирует процессы проверяющего и корректирующего, предоставляя данные для дальнейшего анализа.
• Охранник. Охранник взаимодействует со всеми тремя другими компонентами, инициируя проверки и корректоры вместе с рельсами, координируя и управляя рельсами, агрегируя результаты от рельсов и доставляя исправленные сообщения.

При проектировании защитных барьеров организациям следует убедиться, что их можно легко интегрировать в существующие технологические стеки и настраивать в соответствии с потребностями различных вариантов использования.

Агенты ИИ также появляются как инструменты, которые могут функционировать как ограничители. Организации могут использовать агентов ИИ для автоматической проверки и исправления контента, созданного LLM, который был помечен ограничителями. Ранние модели агентов ИИ могут автономно контролировать, корректировать и регулировать результаты, созданные ИИ, как это могут делать другие ограничители ИИ.

Создание добавленной стоимости благодаря защитным барьерам.

Защитные барьеры ИИ — это не только инструмент для соответствия требованиям или этическим требованиям; они также могут помочь создать конкурентное преимущество. Во-первых, защитные барьеры могут помочь организациям построить доверие с клиентами и избежать дорогостоящих юридических проблем. Они также могут помочь организациям использовать ИИ более ответственно и тем самым привлекать и удерживать лучшие таланты.

Чтобы максимизировать потенциал создания добавленной стоимости, организации могут масштабировать свои защитные барьеры ИИ, встраивая их в корпоративные платформы. Iguazio от McKinsey предоставляет защитные барьеры ИИ в производственной среде, чтобы помочь обеспечить масштабируемое управление ИИ и снизить риски нарушений конфиденциальности данных, предвзятости, галлюцинаций и нарушения прав интеллектуальной собственности.

Способы масштабного внедрения защитных барьеров на основе ИИ

• Разработка барьеров с помощью многопрофильных команд. Работайте с различными заинтересованными сторонами, включая юридические команды, чтобы создать барьеры на основе анализа фактических рисков и последствий, которые могут возникнуть из-за ИИ.
• Определение метрики качества контента. Эти метрики должны быть адаптированы к желаемым результатам контента и основываться на конкретных бизнес-целях, стандартах и ​​правилах. Они могут включать такие факторы, как оскорбительность, предвзятость и соответствие принципам бренда.
• Использование модульного подхода. Создавайте компоненты барьеров, которые можно перенастраивать в различных вариантах использования генеративного ИИ и которые можно легко встраивать — а также масштабировать — в существующие системы компании.
• Применение динамического подхода. Инструменты Gen AI — это вероятностные системы, которые динамически корректируют свои выходные данные на основе пользовательских входных данных. Это означает, что одни и те же входные данные не всегда могут давать одинаковые выходные данные, что иногда может быть проблемой. Организация должна установить ограничения на основе правил с динамическими базовыми значениями для выходных данных модели, которые могут меняться в зависимости от различных переменных.
• Применение существующих нормативных рамок. Используйте существующие и формирующиеся нормативные, правовые и нормативные рамки, а также передовые отраслевые практики для создания «целей», которых должны достичь при внедрении защитных барьеров. Все это можно использовать в качестве показателей, по которым компании могут измерять эффективность моделей.
• Развитие новых возможностей и ролей. Повышайте квалификацию нового поколения специалистов, которые несут ответственность за результативность моделей и за обеспечение прозрачности, управления и справедливости ИИ. Например, путем внедрения процессов документирования, подотчетности и соответствия в методах работы организации с инструментами на основе ИИ.

Источник

What are AI guardrails? November 14, 2024 | Article

https://www.mckinsey.com/featured-insights/mckinsey-explainers/what-are-ai-guardrails

Что такое Защитные барьеры ИИ? 14 ноября 2024 г.

Шестьдесят лет инноваций: ключевые моменты в бизнес-технологиях. Ежеквартальный отчет McKinsey

McKinsey выделил 25 прорывов, которые изменили бизнес: от полупроводников до мобильных телефонов и генеративного искусственного интеллекта. Утверждается, что навсегда. Смелое заявление.

1960-е годы.

1964. Рождение современных вычислений. System/360 от IBM меняет правила игры навсегда.

IBM представляет System/360, знаменуя собой кардинальный сдвиг в вычислительных парадигмах, позволяя использовать взаимозаменяемое программное обеспечение и периферийное оборудование. Это освобождает пользователей от ограничений универсальных мэйнфреймов, которые заставляли их покупать совершенно новую компьютерную систему, чтобы добавить новую функцию. С System/360 программное обеспечение и оборудование разделяются, формируя будущий цифровой ландшафт.

1965. Начинается полупроводниковая революция. Закон Мура предсказывает экспоненциальный рост вычислительной мощности.

1969. Новая эра связи. ARPANET закладывает основу для Интернета.
Объединяя исследовательские центры в университетах и ​​на предприятиях по всей стране, ARPANET Агентства перспективных исследовательских проектов становится первой компьютерной сетью, использующей коммутацию пакетов для соединения географически распределенных компьютеров, закладывая основу для современного Интернета.

1970-e годы

Мобильная связь, мощные микрочипы, спутниковая навигация, современные базы данных, первые микрокомпьютеры… это десятилетие, в котором по-настоящему начинается компьютерная эра.

1973. Добро пожаловать в беспроводную связь. Совершен первый звонок по мобильному телефону.
Инженер Motorola Мартин Купер совершает первый в истории звонок по мобильному телефону на улицах Нью-Йорка (инженеру Джоэлу Энгелю, руководителю аналогичного проекта в конкурирующей компании AT&T). Десять лет спустя Motorola DynaTAC размером с кирпич становится первым доступным для публики сотовым телефоном, предлагая 35 минут разговора на одном заряде батареи. Цена - 3995 долларов.

1973. Рождение GPS. Американские военные произвели революцию в навигации.
Министерство обороны США запускает проект, в конечном итоге известный как Navstar GPS, спутниковую радионавигационную систему, которая обеспечивает позиционирование, синхронизацию и навигационные сигналы для военных и гражданских пользователей. Первый прототип вступает в строй в 1978 году, делая GPS жизненно важным инструментом для предприятий, позволяя им контролировать состояние оборудования, отслеживать транспортные средства, оптимизировать графики поставок и многое другое.

1974. Розничная торговля становится умнее. Почти в одночасье Универсальный товарный код (UPC) изменил отрасль.
Wrigley выпускает упаковку жевательной резинки с необычной серией черных линий — первым универсальным товарным кодом (UPC). Разработанный при поддержке McKinsey, UPC помогает идентифицировать продукты, оптимизируя процесс оформления заказа, сокращая расходы и улучшая контроль запасов. Менее чем через год около 75 процентов продуктовых товаров носят этикетки.

1974. Intel зажигает революцию ПК. Новый мощный микропроцессор прокладывает путь.
Intel выпускает 8080, с вдвое большими вычислительными возможностями, чем у его предшественника. Доступный и очень универсальный, этот чип преобразует способ создания электронных систем и закладывает основу для разработки персонального компьютера.

1974. Расцвет компьютерного гения. Altair 8800 будоражит воображение пионеров ПК.
Появившийся на обложке январского номера журнала Popular Electronics за 1975 год и продававшийся по почте (398 долларов, требуется сборка), Altair 8800 от MITS, работающий на процессоре Intel 8080, становится первым успешно коммерциализированным персональным компьютером, вдохновив таких потенциальных технологических гигантов, как Билл Гейтс и Пол Аллен.

1979. Наступает эра Больших Данных. Технология баз данных открывает новые миры понимания.
Под руководством Ларри Эллисона компания Relational Software Inc. (теперь Oracle) выпускает Oracle Version 2 — первую коммерчески доступную реляционную базу данных. Такие системы, изначально задуманные исследователем IBM Э. Ф. Коддом, позволяют организациям запрашивать и извлекать данные для получения более глубоких знаний и принятия более разумных решений, а также помогают заложить основу для компьютерной революции в бизнесе.

1980-e годы

С появлением все более удобных для пользователя ПК компьютеры становятся важным инструментом как для бизнеса, так и для домохозяйств. Между тем, прорыв в области хранения энергии предвещает наступление эры портативных вычислений.

1980. Батареи становятся больше. Литий-ионный аккумулятор обеспечивает сверхмощное хранение энергии.
Физик Джон Баннистер Гуденаф создает первую перезаряжаемую литий-ионную батарею, которая теперь является важнейшим компонентом смартфонов и электромобилей.

1981. Начинается эра ПК. IBM открывает новые горизонты с 5150.
Микрокомпьютер на базе чипа Intel 8088, продающийся по цене 1500 долларов США, открывает мир вычислений малому бизнесу и домохозяйствам.

1984. Вычислительная техника получает дружественный облик. Apple представляет компьютер Macintosh 128K.
Представленное Стивом Джобсом 24 января 1984 года, это новаторское устройство может похвастаться удобным управлением с помощью мыши и графического пользовательского интерфейса, устанавливая новый стандарт простоты использования и инноваций и прокладывая путь к будущему успеху Apple в области бытовой электроники.

1987. Рождение колоды. Microsoft запускает PowerPoint.
Первоначально известное как Presenter, революционное программное обеспечение для презентаций предлагает базовые функции, такие как черно-белые изображения и отдельные переходы; оно быстро превращается в основной инструмент для делового общения, позволяя пользователям создавать визуально привлекательные слайды для встреч, лекций и конференций.

1990-е годы

После десятилетий исследований и разработок компьютерные сети по-настоящему стали глобальными с появлением Интернета, открыв новые перспективы для бизнеса.

1990. ОС на века. Microsoft представляет Windows 3.0.
Благодаря инновационному интерфейсу и улучшенным возможностям многозадачности Windows 3.0 способствует широкому распространению компьютеров, особенно в деловом мире. Позволяя пользователям беспрепятственно запускать несколько приложений одновременно, операционная система повышает производительность и укрепляет позиции Windows как основного выбора для пользователей ПК, подготавливая почву для ее дальнейшего доминирования на рынке операционных систем.

1991. Это меняет все. Рождение Всемирной паутины
Отвечая на потребность в бесперебойном обмене информацией между учеными по всему миру, британский ученый-компьютерщик Тим Бернерс-Ли создает Всемирную паутину, которая дебютирует с первым операционным веб-сервером и браузером, работающим на коде, разработанном на компьютере NeXT. Это знаменательное событие высвобождает силу Интернета, обеспечивая публичный доступ и преобразуя коммуникацию и торговлю в глобальном масштабе.

1996. Защита свободы слова в цифровую эпоху.
Ограждая онлайн-платформы от юридической ответственности за пользовательский контент, Раздел 230 Закона о благопристойности в коммуникациях 1996 года ускоряет развитие зарождающейся Всемирной паутины. Это, в свою очередь, подстегивает волну предпринимателей двигаться вперед, не опасаясь судебных разбирательств, и расчищает путь для таких платформ, как Facebook, Instagram, TikTok, YouTube и других.

1997. Машина побеждает человека. Deep Blue побеждает гроссмейстера по шахматам.
Одержав победу над действующим чемпионом мира по шахматам Гарри Каспаровым в изнурительном матче из шести партий под стандартным управлением турнира, суперкомпьютер IBM Deep Blue демонстрирует потенциал вычислительной мощности и искусственного интеллекта (ИИ) для имитации мыслительных процессов человека. Прорывная технология прокладывает путь к достижениям в различных областях, таких как фармацевтические исследования, оценка финансовых рисков, анализ данных и генетические исследования.

1999. Рождение CRM. Появляется лучший способ обслуживания и понимания клиентов.
Одноименное программное обеспечение Salesforce для управления взаимоотношениями с клиентами (CRM) открывает новую эру бизнес-аналитики с набором продуктов, ориентированных на продажи, обслуживание клиентов, автоматизацию маркетинга, электронную коммерцию и аналитику. Не менее важно: компания является пионером новой бизнес-модели — «программное обеспечение как услуга», — в которой продукт поставляется онлайн, а не загружается и хранится на локальных серверах.

2000-е годы

Революция в хранении данных (привет, облако!) и самый мощный карманный компьютер в мире (привет, iPhone!) помогают создать мир, в котором все подключено и всегда доступно.

2001. Новый план инноваций. Гибкое мышление открывает новые перспективы для разработчиков.
Созданный на встрече 17 ведущих разработчиков программного обеспечения, Манифест гибкой разработки программного обеспечения запускает преобразующий сдвиг в разработке программного обеспечения, переходя от изолированных процессов к совместным, кросс-функциональным командам, характеризующимся итеративной разработкой и непрерывным сотрудничеством. Методология побуждает команды адаптироваться и быстро развиваться, не только изменяя способ создания программного обеспечения, но и предоставляя всем командам возможность работать более эффективно и результативно.

2006. Революция в хранении данных. Amazon переносит вычисления в облако.
Дебют Amazon Web Services (AWS) возвещает о рождении облачных вычислений, революции в предоставлении ИТ-услуг, которая устраняет необходимость для предприятий инвестировать в такие фундаментальные возможности, как хранение и вычислительная мощность. Microsoft и Google вскоре выйдут на рынок облачных вычислений, катализируя индустрию стоимостью в триллион долларов к 2023 году.

2007. Переосмысление телефона. Дебют iPhone.
iPhone от Apple меняет ландшафт смартфонов, превращая устройство из маленького телефона в стильный карманный компьютер, который может совершать звонки и просматривать веб-страницы. Компания продает 270 000 единиц в первые выходные продаж iPhone, а через несколько месяцев число продаж увеличивается до более чем миллиона.

2010-е годы

Инновации в области нейронных сетей и глубокого обучения указывают на мир, в котором компьютеры умнее и мощнее, чем когда-либо. Между тем, новый вид бизнес-иконы показывает миру, как выглядит подрыв, когда технологии и инновации в бизнес-моделях объединяются.

2012. Использование силы данных. AlexNet добился успеха в глубоком обучении.
Победа AlexNet в конкурсе ImageNet Large Scale Visual Recognition Challenge знаменует собой прорыв в области глубокого обучения и значительный прогресс по сравнению с традиционными нейронными сетями. Разработанная Алексом Крижевским, Джеффри Хинтоном и Ильей Суцкевером, AlexNet производит революцию в применении и эффективности сверточных нейронных сетей, делая их высокоэффективными для анализа данных изображений. Эта веха двигает вперед область глубокого обучения, прокладывая путь для новых инноваций и приложений в области ИИ.

2012. Илон Маск разрушает отрасль. Tesla запускает Model S
Tesla Motors нарушает автомобильную индустрию, выпуская свой электрический люксовый седан, отходя от традиционного процесса покупки автомобиля с онлайн-покупками и бронированием в листе ожидания и устанавливая новый стандарт удобства и доступности. Автомобиль может похвастаться такими преимуществами, как сеть Tesla Supercharger и обновления автоматизации по воздуху, что стимулирует принятие электромобилей.

2020-е годы

Мир делает гигантский шаг в будущее, поскольку мощь генеративного ИИ пробуждает воображение повсюду. И благодаря SpaceX Илона Маска открытый космос больше не кажется таким уж «внешним».

2021. Новая эра космических путешествий. SpaceX отправляет гражданских на орбиту.
SpaceX достигает исторического рубежа в коммерческом освоении космоса с успешным запуском миссии Inspiration4, ознаменовав первый раз, когда полностью гражданский экипаж был отправлен на орбиту. Благодаря этому достижению SpaceX становится единственной частной компанией, которая и запустила, и вернула космический корабль с орбиты Земли, и первой компанией, которая состыковала пилотируемый космический корабль с Международной космической станцией.

2022 – настоящее время. Смелое новое будущее технологий. Генеративный ИИ поражает мир
OpenAI выпускает свой новаторский чат-бот для обработки естественного языка, ChatGPT, который работает на основе генеративного ИИ и позволяет вести разговоры, подобные человеческим, чтобы помочь ему выполнять множество задач. Предлагая пользователям возможность беспрепятственного взаимодействия с виртуальным помощником, дебют устанавливает новый стандарт для ИИ, обещая будущее, в котором взаимодействие человека и компьютера будет более интуитивным и доступным, чем когда-либо прежде.

Источник

Шестьдесят лет инноваций: ключевые моменты в бизнес-технологиях. Ежеквартальный отчет McKinsey. Октябрь 2024 г.

https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/sixty-years-of-innovation-key-moments-in-business-technology

Предсказание для 2025 года, будем живы - проверим

Индийский Нострадамус Пунит Нахата – о конфликте на Украине в 2025 году: Прежде всего, будет ужесточение ситуации, февраль-март-апрель. Ближе к концу мая, может быть достигнуто новое мирное соглашение. В 2025 году прежде всего нужно обратить внимание на две вещи: Израиль, там ситуация ухудшится вплоть до того, что напряжение выйдет на более серьезный уровень. Также отношения Индии и Пакистана в 2025 году будут непростыми. США и Россия станут очень хорошими друзьями. Нас ждет новый мировой порядок, нравится это кому-то или нет. Китай станет страной-лидером, более жестким, чем Америка. В будущем Америке придется обратиться к России за помощью. И Индии придется это сделать, чтобы держать планету в мире.

Телеграмм канал - Такер Карлсон

Циклы истории - еще одни взгляд

В своей основополагающей работе «Четвертый поворот» Нил Хоу и Уильям Штраус представляют новаторскую теорию циклической природы истории, подчеркивая повторяющиеся закономерности и архетипы, которые формируют человеческие общества. В книге предполагается, что история разворачивается в повторяющемся цикле из четырех стадий, или «поворотов», каждый из которых длится примерно 20-25 лет.

Четыре поворота:

• Подъем: период роста, процветания и социальной сплоченности, отмеченный сильным чувством общности и общими ценностями.
• Пробуждение: время духовного и социального пробуждения, характеризующееся растущим чувством индивидуализма и бунтом против устоявшихся норм.
• Распад: эпоха упадка и раздробленности, отмеченная институциональным упадком, социальной поляризацией и растущим чувством разочарования.
• Кризис: период интенсивных потрясений и трансформаций, когда старые институты разрушаются и создаются новые.

Соответствующий рисунок:




Хоу и Штраус выделяют четыре повторяющихся архетипа, которые играют решающую роль в формировании этих циклов:

• Пророк: дальновидный лидер, призывающий к переменам и обновлению.
• Кочевник: прагматичный и легко приспосабливающийся человек, умеющий ориентироваться в меняющемся ландшафте.
• Герой: Мужественный лидер, который принимает меры для преодоления кризиса.
• Художник: творческий и новаторский мыслитель, выдвигающий новые идеи на передний план.

Соответствующий рисунок




Продолжение книги Нила Хоу, опубликованное 18 июля 2023 года, является обновлением оригинальной работы, предоставляя новые идеи и перспективы текущего состояния цикла. Хоу утверждает, что в настоящее время мы находимся в середине четвертого поворота, периода кризиса и трансформации, который определит ход человеческой истории для будущих поколений.

Основные выводы:
«Четвертый поворот» предлагает убедительную основу для понимания циклов истории и повторяющихся закономерностей, формирующих человеческие общества.
Четыре архетипа предоставляют ценную возможность для понимания ролей и мотивов отдельных людей в формировании исторических событий.

Источник

https://frankdiana.net/2024/07/15/the-fourth-turning-a-prophetic-lens-on-our-turbulent-times/

Этот детальный анализ полезно наложить на пассионарную теорию энтогенеза Гумилева.

Катализаторы развития цивилизации

На протяжении всей истории катализаторы — ключевые события и поворотные моменты — вызывали глубокие сдвиги в поведении человека и общественной эволюции. От конфликтов, таких как Вторая мировая война, до научных прорывов, таких как открытие электричества, каждая веха продвигала нас в новые сферы возможностей и понимания. Сегодня, когда мы стоим на пороге технологической революции, движимой искусственным интеллектом (ИИ), гуманоидными роботами, квантовыми вычислениями, синтетической биологией и космическими технологиями, крайне важно задуматься о том, как эти преобразующие разработки изменят наше будущее.

Поскольку катализаторы продолжают формировать человеческое поведение и управлять поворотными моментами, наша способность к приобретению знаний ускоряется. Этот экспоненциальный рост понимания, подпитываемый технологическими достижениями и научными открытиями, прокладывает путь для беспрецедентных изобретений, которые переопределяют границы возможного. Катализаторы изменяют общественные нормы, нормы человеческого поведения, порождают сдвиги и взрыв знаний, не последнюю очередь посредством идей, управляемых ИИ,  вызывают последующие изобретения, вытекащающие из этих знаний. Все это обещает фундаментально преобразовать будущий ландшафт. Каждый элемент динамически взаимодействует, влияя друг на друга. Это продвигает человечество к неизведанным территориям инноваций и общественных изменений. Ключевые области изобретений могут в потенциале превзойти вторую промышленную революцию, как прошлый величайший период изобретений.

ИИ: переосмысление интеллекта

Искусственный интеллект, когда-то бывший областью научной фантастики, теперь является краеугольным камнем технологического прогресса. Он способен анализировать огромные объемы данных и выполнять сложные задачи с точностью, превосходящей человеческие возможности. ИИ — это не просто инструмент; он представляет собой смену парадигмы в том, как мы подходим к решению проблем и принятию решений. Примеров предостаточно: от беспилотных автомобилей, передвигающихся по городским улицам, до медицинской диагностики на основе ИИ, превосходящей врачей-людей в определенных задачах. ИИ меняет отрасли и расширяет само понимание интеллекта.

Гуманоидные роботы: мосты к новым рубежам

Роботы-гуманоиды, вдохновленные нашей собственной физиологией, готовы произвести революцию в различных отраслях промышленности, от производства до здравоохранения. Эти роботы — не просто автоматизированные машины; они все больше способны к эмпатии, обучению и адаптации к динамичным средам. Поскольку эти роботы все больше интегрируются в повседневную жизнь, они изменят наши взаимодействия и возможности способами, которые ранее нельзя было себе представить.

Квантовые вычисления: высвобождение беспрецедентной мощности

Квантовые вычисления представляют собой скачок вперед в вычислительной мощности, обещая решать сложные проблемы, с которыми не справляются классические компьютеры. Квантовые компьютеры используют квантовую механику для обработки информации. И это происходит экспоненциально быстрее по сравнению с традиционными вычислениями. Например, они могут моделировать молекулярные структуры для открытия лекарств, оптимизировать цепочки поставок с непревзойденной эффективностью и расшифровывать ранее невзламываемые коды. По мере развития квантовых вычислений они откроют новые горизонты в таких разнообразных областях, как криптография, материаловедение и моделирование климата.

Синтетическая биология: проектирование самой жизни

Синтетическая биология объединяет биологию с инженерными принципами для проектирования и создания биологических деталей, устройств и систем для полезных целей. От генетически модифицированных организмов (ГМО), повышающих урожайность, до сконструированных микробов, производящих биотопливо, синтетическая биология преобразует сельское хозяйство, медицину и экологическую устойчивость. CRISPR-Cas9, прорывная технология редактирования генов, является примером этой конвергенции, предлагая точные инструменты для модификации ДНК, потенциально излечивая генетические заболевания и революционизируя персонализированную медицину.

Космические технологии: расширяя горизонты

Исследование космоса давно пленяет человеческое воображение, но последние достижения в области космических технологий превращают научную фантастику в реальность. Частные компании, такие как SpaceX, снижают стоимость доступа в космос, в то время как NASA и международные партнеры планируют миссии на Марс и дальше. Такие технологии, как многоразовые ракеты, добыча полезных ископаемых на астероидах и космический туризм, открывают новые экономические возможности и расширяют присутствие человечества в космосе.

Последствия для будущего

Слияние технологий предвещает будущее беспрецедентных возможностей и проблем. По мере того, как ИИ становится все более автономным, этические соображения, касающиеся управления и подотчетности, становятся первостепенными. Гуманоидные роботы поднимают вопросы о перемещении рабочих мест и природе отношений между человеком и роботом. Квантовые вычисления требуют новых подходов к безопасности данных и интеллектуальной собственности. Синтетическая биология требует тщательного регулирования для снижения экологических и этических рисков. Космические технологии открывают возможности для научных открытий и эксплуатации ресурсов, но требуют международного сотрудничества для обеспечения устойчивости и мира.

Заключение

В заключение следует сказать, что траектория человеческой цивилизации формируется преобразующими изобретениями, которые меняют наше поведение, переопределяют наши возможности и прокладывают новые пути в будущее. Поскольку мы используем мощь ИИ, гуманоидных роботов, квантовых вычислений, синтетической биологии и космических технологий, мы должны проявлять дальновидность и ответственность. Поступая так, мы можем гарантировать, что эти катализаторы изменений продвинут нас к будущему, в котором инновации обогащают человечество и сохраняют нашу планету для будущих поколений (прим. к сожалению, не обойдется без катастроф).

Источник.

Эффект катализатора: как преобразующие изобретения формируют будущее человечества. 24 июля 2024 г. Фрэнк Диана.

https://frankdiana.net/2024/07/24/the-catalyst-effect-how-transformative-inventions-shape-humanitys-future/

Применение ИИ в ERP

По материалам:
https://www.itjungle.com/2024/12/09/how-erp-giants-are-building-genai-into-their-products/
"How ERP Giants Are Building GenAI Into Their Products"

Что делает большие языковые модели (LLM) такими интригующими, так это их продемонстрированная способность автоматизировать большие объемы работы, выполняемой с языком. Работники умственного труда — или люди, которые зарабатывают на жизнь перекладыванием цифр и слов — находятся прямо под прицелом GenAI. Чем проще задача понимания и осмысления языка, тем легче обучить модель GenAI выполнять часть работы. (К счастью для технологических работников, GenAI недостаточно самосознателен, чтобы писать о себе разумно — пока.)

Крупные поставщики ERP не всегда находятся на переднем крае внедрения технологий. Но возможности LLM настолько убедительны, что каждый поставщик ERP по крайней мере говорит о стратегии GenAI.

Ниже представлен краткий обзор продуктов GenAI, выпущенных «большой тройкой»: Infor, Oracle и SAP.

INFOR

Крупнейший поставщик программного обеспечения ERP на базе IBM делает ставку на GenAI, который, по его словам, «высвободит гиперпродуктивность» среди его клиентов. Он продвигает два основных продукта GenAI: Infor Embedded Experience и Infor GenAI Assistant.

Благодаря Embedded Experiences компания Infor встроила возможности GenAI непосредственно в рабочие процессы ERP для закупок, управления проектами, операций, финансов, продаж и функций HR в продуктах Infor CloudSuite ERP. Программное обеспечение GenAI автоматически пишет от имени пользователя и автоматически предоставляет ему обобщенные сведения, а также другие возможности.

GenAI Assistant, более новый продукт, представленный в октябре, — это отдельное предложение, разработанное для того, чтобы вывести на новый уровень взаимодействие клиентов Infor CloudSuite с данными. Infor утверждает, что оно позволяет клиентам запрашивать все данные, хранящиеся в приложениях Infor ERP. По сути, это генератор текста в SQL, который преобразует вопросы на естественном языке в SQL, который может быть выполнен базой данных.

Продукты GenAI от Infor работают на Amazon Bedrock, сервисе AWS для обучения и обслуживания базовых моделей, и используют Infor OS в качестве точки интеграции для систем ERP. Хотя продукты IBM от Infor могут интегрироваться с Infor OS, неясно, выполнила ли Infor работу по интеграции своих продуктов GenAI в эти продукты.

Embedded Experiences стал общедоступным в октябре 2024 и поддерживается во многих продуктах CloudSuite, в то время как GenAI Assistant по-прежнему доступен в ограниченном объеме для продуктов Infor LN, Infor PLM Discrete, Infor HCM, Infor WFM и Infor FSM.

ORACLE

Компания Big Red применила комплексный подход к интеграции как классического ИИ, так и GenAI в свои продукты, включая базы данных, хранилища данных, облачные решения и флагманские облачные приложения Oracle Fusion.

Широкий спектр предложений Oracle GenAI включает встроенные возможности GenAI в приложениях Oracle Fusion Cloud. Oracle позволяет клиентам обучать модели GenAI на основе данных, которые они хранят в системах Oracle, чтобы предоставлять информацию и создавать контент для клиентов, например, питчи и контракты. Компания также опережает конкурентов в том, что касается Agentic AI, поскольку она предлагает преимущества агентам-аналитикам, агентам по автоматизации продаж и агентам ввода-вывода документов в различных продуктах Cloud Fusion.

"Самодельщики" могут воспользоваться услугами Oracle Cloud Infrastructure (OCI), такими как OCI Data Science, где специалисты по данным могут создавать и обучать собственные пользовательские модели на Python в среде на основе JupyterLab. Он также предлагает упакованные продукты GenAI, такие как OCI Speech, OCI Vision и OCI Anomaly Detection, которые клиенты могут использовать по своему усмотрению. Клиенты также могут выбрать OCI Generative Agents, которые используют методы генерации дополненного поиска (RAG) для сужения контекста запросов и снижения вероятности галлюцинаторных ответов.

Oracle также интегрировала возможности векторного поиска в Oracle Database 23ai, предоставляя клиентам лучший опыт, чем то, что может предоставить сопоставление ключевых слов. HeatWave GenAI — это встроенный в базу данных LLM, который включает векторную базу данных и разработан для того, чтобы клиенты могли общаться с базой данных на естественном языке; он доступен в OCI и других облаках (Azure и AWS). Наконец, Oracle предлагает Autonomous Database Select AI, который включает в себя перевод текста в SQL, RAG и поиск семантического сходства.

SAP

Как и другие крупные ERP-компании, SAP полностью внедрила GenAI в свои приложения как способ поддержки автоматизации. Она запустила ряд точечных продуктов GenAI для различных приложений под названием SAP Business AI, а также второго пилота GenAI под названием Joule.

Примерами точечных решений GenAI от SAP являются Document Information Extraction, возможность, представленная в облачном решении ERP, которое автоматизирует обработку документов. Компания также внедрила GenAI для автоматизации повторяющихся задач HR в своей системе Human Capital Management (HCM), таких как написание должностных инструкций.

Продукт SAP Spend Management & Business Network использует GenAI для автоматизации категоризации категорий расходов, а его CRM-система использует GenAI, чтобы помочь отделу продаж создавать более персонализированные взаимодействия за счет автоматизации доступа к предпочтениям клиентов и истории покупок.

Business Technology Platform (BTP), предложение SAP для данных, аналитики и ИИ, является основой для многих возможностей GenAI от SAP. Многие из этих возможностей, специфичных для продукта, доступны через Joule, который предоставляет новый пользовательский интерфейс и опыт для клиентов SAP. Joule также функционирует как интеллектуальная поисковая система, позволяя пользователям SAP исследовать данные в своих приложениях SAP и быстрее получать ответы на вопросы.

SAP также запустила Generative AI Hub на SAP AI Core в рамках BTP. Этот компонент предоставляет клиентам SAP доступ к LLM, а также помогает управлять настройками безопасности и конфиденциальности систем GenAI. SAP взимает плату за доступ к своим возможностям GenAI с помощью метрики, названной «AI Unit».

Ранее в этом году IBM Institute for Business Value опубликовал исследование под названием «AI in ERP» , в котором была предпринята попытка охарактеризовать внедрения GenAI в средах SAP. В отчете сделан вывод о том, что организации, внедряющие решения GenAI в своих данных SAP, получают большую прибыль, чем те, кто этого не делает.

Ход внедрения новых технологий

Как идет дело с внедрением новых технологий?

Согласно обзора McKinsey приметно так:

Источник.

https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/investing-in-the-future-of-tech-lessons-from-winning-companies

Investing in the future of tech: Lessons from winning companies. December 9, 2024

Четыре направления повышения производительности

У компаний больше шансов раскрыть свой полный потенциал, когда преобразования напрямую связаны со стратегией. Компаниям следует определять цели на основе возможностей и производительности.

Основная трансформация должна фокусироваться на четырех аспектах производительности:

Оптимизация затрат. Ведущие компании рассматривают меры по повышению эффективности просто как отправную точку для трансформации — способ высвободить капитал для реинвестирования в бизнес. Устраняя отходы и корректируя структуру затрат компания может улучшить операционную маржу, а также генерировать средства для инвестирования в проекты с более высокой рентабельностью инвестиций.

Рост. Более 50% стоимости трансформации исходит от инициатив роста, по сравнению с менее чем 40% (согласно исследований McKensey 2023 года). Компаниям, проводящим трансформацию, необходимо установить четкие приоритеты относительно того, как и где они будут добиваться роста доходов, генерирующих прибыль. Рассматриваются органические пути, такие как запуск новых продуктов или выход на новые сегменты; слияния и поглощения; создание новых бизнесов. Чтобы поддерживать такие шаги, лидеры должны постоянно отслеживать окупаемость инвестиций в рост и неустанно переопределять приоритеты и ресурсы на основе текущих результатов. Приверженность смелой программе роста может не только изменить производительность бизнеса, но и вдохновить организацию на упорное движение к более широкой цели трансформации.

Эффективность организации. По своей сути, трансформация касается людей. За более чем 15 лет, в течение которых McKinsey проводила опросы по трансформации, респонденты постоянно ставили правильное решение кадровой проблемы среди главных предсказателей успеха. Вероятность успеха трансформации увеличивается в 3,2 раза, когда вся организация сосредоточена на правильных приоритетах. Этот фокус должен выходить за рамки переосмысления организационной структуры. Он должен включать в себя вдумчивый пересмотр статус-кво и создание гибкой культуры, которая охватывает межкорпоративное сотрудничество и делает все это быстро.

Цифровая поддержка. Технологии играют роль в каждой успешной трансформации. В то время, когда 85% компаний считают, что им необходимо построить цифровой бизнес или технологически обеспечить выживание существующего бизнеса, сильные цифровые возможности имеют решающее значение для сохранения конкурентоспособности. Тем не менее, большинство организаций недостаточно инвестируют в технологии, особенно в облачные технологии, гибкие операционные модели, технологические таланты и генеративный ИИ. Этот рабочий поток требует создания современной системы планирования ресурсов предприятия, которая может облегчить выполнение других рабочих потоков производительности. Ведущие компании сосредоточены на повышении точности и скорости информации и разработке новых идей о клиентах и ​​продуктах на основе своих данных. Те, кто использует цифровые преобразования для полной перестройки своих организаций, улучшают доходность своих акционеров, коэффициенты P/E и доходность капитала у них больше по сравнению с конкурентами.

Источник.

Определение вашего «истинного севера»: дорожная карта к успешной трансформации. 22 мая 2024 г. Статья. Кевин Кармоди, Луиза Греко, Роб Монтгомери.

Defining your ‘true north’: A road map to successful transformation. May 22, 2024. Article. By Kevin Carmody, Louisa Greco, and Rob Montgomery.

https://www.mckinsey.com/capabilities/transformation/our-insights/defining-your-true-north-a-road-map-to-successful-transformation

Роль энергии в европейской революции искусственного интеллекта

Рост ИИ стимулирует спрос на центры обработки данных и меняет динамику рынка электроэнергии. Поскольку прогнозируется, что спрос в Европе к 2030 году увеличится более чем втрое, для реализации этого роста необходимы значительные инвестиции.

Во всем мире спрос на электроэнергию для центров обработки данных стремительно растет, чтобы удовлетворить потребность в большей вычислительной мощности и требования к подключению для оцифровки, миграции в облако и новых технологий, таких как ИИ. В частности, ИИ стимулирует спрос на электроэнергию, поскольку он предъявляет значительно более высокие требования к плотности мощности, которые приходят с новым поколением чипсетов графических процессоров (GPU).

Оцифровка, быстрое развитие технологий искусственного интеллекта и замедление роста эффективности использования энергии значительно увеличили спрос на центры обработки данных, что имеет серьезные последствия для динамики мирового рынка электроэнергии. Ожидается, что в Европе спрос на центры обработки данных вырастет примерно до 35 гигаватт (ГВт) к 2030 году по сравнению с 10 ГВт сегодня. Для удовлетворения этого нового спроса потребуются инвестиции в инфраструктуру центров обработки данных на сумму более 250–300 млрд долларов США, не считая мощностей по производству электроэнергии.

Экспоненциальный рост спроса на центры обработки данных сопровождается соответствующим всплеском спроса на электроэнергию. При текущих темпах внедрения ожидается, что потребление электроэнергии европейскими центрами обработки данных почти утроится с примерно 62 тераватт-часов (ТВт·ч) сегодня до более чем 150 ТВт·ч к концу десятилетия.3Это увеличение станет одним из основных краткосрочных факторов роста спроса на электроэнергию в Европе, поскольку в ближайшие шесть лет на центры обработки данных будет приходиться около 5% от общего объема потребления электроэнергии в Европе (по сравнению с примерно 2% сегодня). Учитывая обязательства по достижению нулевых выбросов, объявленные многими крупными игроками рынка центров обработки данных, ожидается, что этот спрос будет в основном обусловлен зеленой энергией.

В настоящее время вся европейская энергетическая экосистема сталкивается со значительными проблемами в удовлетворении этого растущего спроса. К ним относятся ограниченные источники надежной энергии, проблемы устойчивости, недостаточная инфраструктура для доступа к энергии, проблемы с доступностью земли, нехватка силового оборудования, используемого в центрах обработки данных, и нехватка квалифицированных электриков для строительства объектов и инфраструктуры. На крупных устоявшихся рынках, таких как Дублин и Франкфурт, время, необходимое для подачи энергии в новые центры обработки данных, может превышать три-пять лет, причем время выполнения поставок только электрооборудования часто превышает три года.

Удовлетворение спроса на центры обработки данных будет иметь важное значение, если Европа хочет раскрыть весь экономический потенциал ИИ. Это также может принести более широкую выгоду, помогая разблокировать критически важные инвестиции, необходимые в европейской энергетической инфраструктуре для поддержки текущего энергетического перехода.

Центры обработки данных могут генерировать значительную экономическую ценность

По данным исследования McKinsey, благодаря ИИ и аналитике в мировой экономике может быть создано около 10 триллионов долларов экономической ценности. Однако для реализации хотя бы четверти этого потенциала к концу десятилетия потребуется дополнительная инфраструктура центров обработки данных мощностью от 50 до 75 ГВт по всему миру.

В то время как наибольший рост объемов строительства центров обработки данных будет наблюдаться в Соединенных Штатах, у Европы есть все возможности для расширения своего рынка и дальнейшего стимулирования своей технологической экосистемы. Ожидается, что общая потребность в ИТ-нагрузке для центров обработки данных в регионе вырастет с 10 ГВт в 2023 году до примерно 35 ГВт в 2030 году.

К 2030 году рост числа центров обработки данных в Европе может достичь 35 гигаватт, увеличиваясь на 20 процентов в год.

Удовлетворение этого спроса потребует значительного увеличения поставок электроэнергии. Это заметный сдвиг для Европы, где совокупный спрос на электроэнергию остается относительно стабильным с 2007 года.

Хотя было много обсуждений о потенциальном увеличении спроса на электроэнергию со стороны отечественного производства, электромобилей (ЭМ), тепловых насосов и электролизеров, спрос со стороны центров обработки данных является немедленным и существенным. Нагрузка центров обработки данных может составить от 15% до 25% всего нового чистого европейского спроса, добавленного к 2030 году. Прогнозируется, что в период с 2023 по 2030 год спрос на электроэнергию для центров обработки данных в Европе увеличится примерно на 85 ТВт-ч, при среднегодовом темпе роста около 13%.

В настоящее время рост числа центров обработки данных в Европе обусловлен гиперскейлерами и арендой оборудования для локальных цетров обработки данных. Причем к 2028 году только гиперскейлеры обеспечат до 70%.

Проблемы в европейской цепочке создания стоимости электроэнергии

Ожидаемый всплеск потребления электроэнергии, связанный с центрами обработки данных, вероятно, будет сопровождаться переходом на возобновляемые и низкоуглеродные источники энергии, поскольку глобальный энергетический переход набирает обороты и появляются новые политики. Европейская комиссия уже приняла регламент, позволяющий ей оценивать устойчивость центров обработки данных в Европейском союзе. Пересмотренная Директива по энергоэффективности обязывает операторов центров обработки данных предоставлять отчеты по ключевым показателям эффективности в европейскую базу данных, начиная с 2024 года.

Операторам центров обработки данных необходимо учитывать три ключевых фактора при наращивании новых мощностей:

1. Прерывистость энергоснабжения: удовлетворение более высоких требований к доступу к быстрому электроснабжению с нулевым риском перебоев (то есть сокращение времени подключения к сети и обеспечение резервных решений)ю
2. Энергия без выбросов CO2: обеспечение зеленой энергии на рынке, в том числе посредством соглашений о закупке электроэнергии.
3. Местная генерация: внедрение независимых генерирующих мощностей на площадках центров обработки данных.

Прерывистость энергии

По словам экспертов по центрам обработки данных, гиперскейлеры имеют среднюю загрузку мощности от 80% до 95%. Хотя центры обработки данных работают достаточно стабильно, высокие требования к времени безотказной работы требуют стабильного подключения к электропитанию. Однако у них может не быть механизмов управления для обеспечения постоянного питания, в основном из-за роста спроса к 2030 году. Учитывая, что 10-процентное колебание спроса на электроэнергию в группе из пяти центров обработки данных мощностью 1 ГВт эквивалентно выходной мощности полной газовой электростанции, эти высокие требования к времени безотказной работы, вероятно, нагрузят сеть и увеличат потребность в гибкости.

В местах, где энергосистема не может вместить их всех, центрам обработки данных может потребоваться управлять собственной балансировкой мощности. Сочетание (недоиспользуемых) газовых турбин комбинированного цикла и аккумуляторных батарей в паре с резервными генераторами на месте может обеспечить эту балансировочную мощность. В Европе решения по экологическому укреплению, такие как гидроэнергетика, тепловая мощность с улавливанием, использованием и хранением углерода (CCUS) и ядерная энергетика (хотя это менее распространено и зависит от страны или зоны торгов), также могут помочь сбалансировать систему.

Пропускная способность влияет на различные аспекты производительности центра обработки данных, включая скорость, масштабируемость, надежность и энергоэффективность. Исследования McKinsey показывают, что для операторов центров обработки данных время выхода на рынок является наиболее важным фактором при развертывании новых мощностей. Однако время подключения новых объектов значительно увеличилось из-за сочетания факторов, включая подключение к системе возобновляемых источников энергии, растущую электрификацию в экономике (от электромобилей, тепловых насосов и электролизеров) и отставание инвестиций в сети от инвестиций в генерацию. Кроме того, длительные сроки планирования передачи данных — по сравнению с более короткими сроками, необходимыми для планирования и строительства центров обработки данных — создают потенциальный дефицит пропускной способности.

Время, необходимое для получения новых подключений к электропитанию для центров обработки данных в крупных хабах, таких как Франкфурт, увеличивается. Есть даже такие места, как Амстердам и Дублин, которые ввели мораторий на строительство новых центров обработки данных в последние годы, в первую очередь из-за отсутствия инфраструктуры электропитания для их поддержки.

Энергия без CO2

Перед отраслью центров обработки данных стоит серьезная задача по декарбонизации своего воздействия и достижению нулевых выбросов в период с 2030 по 2040 год. Как гиперскейлеры, так и колокаторы (поставщики услуг размещения оборудования) сотрудничают с игроками в сфере энергетики, чтобы обеспечить низкоуглеродное электроснабжение в часы, когда мощность их собственных возобновляемых источников энергии низкая. До сих пор PPA (power purchase agreements) стали ведущей стратегией для гиперскейлеров по выполнению своих обязательств по возобновляемой энергии. Технологические компании остаются крупными источниками роста PPA; в прошлом году Amazon приобрела больше PPA в мире, чем любая другая компания.

Гиперскейлеры полагаются на сертификаты возобновляемой энергии (REC - renewable energy certificates) для компенсации реальных выбросов. В то время как некоторые сосредотачиваются на сопоставлении потребления энергии с REC от сетей, где они работают/ Другие все чаще покупают сертификаты, привязанные к электроэнергии, произведенной в разное время и в разных местах. Исследователи отмечают, что это сопоставление углерода оказывает минимальное влияние на долгосрочные выбросы в энергосистемах и редко стимулирует разработку новых проектов или генерацию чистой энергии в областях, которые в противном случае не увидели бы таких инициатив.

Выбросы, связанные с энергетикой, также могут быть частично сокращены за счет стратегического выбора места. Это включает выбор мест, где в сети высока доля безуглеродной энергии и где температуры изначально ниже, что снижает потребность в потреблении энергии, связанной с охлаждением.

В настоящее время многие новые центры обработки данных спроектированы для обучения ИИ, которое имеет менее строгие требования к задержке, чем традиционная деятельность центров обработки данных. Со временем некоторые из них могут перейти к выводу ИИ, который требует гораздо более высоких скоростей, чем обучение ИИ или традиционное использование; те, которые находятся в удаленных местах с низкой задержкой, могут не подходить для этого.

В отсутствие полностью свободной от CO2 энергии растет интерес к решениям по удалению углерода, особенно среди гиперскейлеров. Такие компании, как AWS, активно покупают значительные кредиты на удаление углерода, чтобы компенсировать свои выбросы. Например, AWS взяла на себя обязательство купить удаление CO2 в объеме 250 000 метрических тонн в течение десятилетия.

Местная генерация

На большинстве мировых рынков основным препятствием, замедляющим доступ к электроэнергии, является ограниченная возможность подключения к передающей сети, а не возможность генерации электроэнергии. Скрытая мощность парка генерирующих мощностей в основном приходится на электростанции, работающие на ископаемом топливе, которые в настоящее время работают ниже максимальных уровней.

В местах, где имеется доступ к электроэнергии по магистральной сети электропередачи, существуют дополнительные ограничения на поставку энергетического оборудования, такого как трансформаторы, резервные генераторы на месте и распределительные устройства, при этом исторически сложилось так, что сроки поставки в некоторых случаях достигают почти двух лет.

Поскольку электросети приближаются к пределам своей мощности, а сроки выполнения новых сетевых подключений увеличиваются, операторы центров обработки данных будут вынуждены внедрять инновации. Энергия для питания центров обработки данных должна соответствовать различным потребностям роста и профилям нагрузки центров обработки данных. Могут потребоваться дополнительные источники для обеспечения круглосуточного питания, наряду с возобновляемыми источниками энергии и поставками из сети. Многие операторы уже изучают альтернативные стратегии для локальной генерации, включая небольшие модульные реакторы, водородные топливные элементы и природный газ.

За последние два десятилетия ни одна технология не стимулировала необходимость ускоренного развития энергетической инфраструктуры в Европе больше, чем ИИ, и в частности генеративный ИИ (gen AI). Более того, этот спрос в основном касается чистой энергии.

Инвестиции в решения в области зеленой энергетики для сектора набирают обороты, но остается значительный неиспользованный потенциал, учитывая экспоненциальный рост центров обработки данных. В отличие от традиционных приобретений центров обработки данных, таких как недвижимость или технологии, инвестиции в зеленую энергетику представляют различные профили риска/доходности, что, вероятно, привлекает инвесторов с определенными целями. Поскольку центры обработки данных играют все более важную роль в европейской экономике, изучение всей цепочки создания стоимости в сфере энергетики имеет важное значение для выявления и извлечения выгоды из этих новых возможностей.

Низкоуглеродная энергетика становится все более важной областью инвестиций. Компании в секторе центров обработки данных используют множество различных инструментов и подходов для управления своим учетом углерода, включая разделенные и согласованные по времени REC (renewable energy certificates), PPA (power purchase agreements), углеродное соответствие, компенсации, удаление CO2 и аккредитационные мероприятия, но многим заинтересованным сторонам пришлось самостоятельно определять собственные мотивы, амбиции и направления на будущее.

Поскольку Европа сталкивается со все более напряженной энергосистемой, будущее центров обработки данных, имеющих решающее значение для цифровой инфраструктуры и конкурентоспособности континента, зависит от стратегического выбора местоположения и управления энергопотреблением. В ландшафте, где надежный и быстрый доступ к энергии больше не гарантируется, компании, которые полагаются на центры обработки данных или строят их, должны столкнуться с новой реальностью лицом к лицу. Компромиссы между доступностью энергии и инфраструктурой передачи данных больше не являются теоретическими; они требуют срочных действий.

Чтобы сбалансировать возросшее проникновение прерывистых возобновляемых источников энергии, Европе потребуются более управляемые источники энергии. Возможно, ей также придется перенаращивать пиковую мощность возобновляемых установок, чтобы удовлетворить неожиданно высокий спрос на зеленую энергию со стороны центров обработки данных.

Для операторов систем передачи императив очевиден: ускорить и увеличить инвестиции в энергетическую инфраструктуру для обеспечения стабильности и надежности. Приток инвестиций может послужить катализатором для разработки специализированной инфраструктуры, которая будет хорошо связана с европейской промышленностью, транспортом и домохозяйствами, как указано в Плане действий ЕС по сетям. Другими словами, удовлетворение энергетических потребностей центров обработки данных может помочь сократить инвестиционный разрыв, который исторически отставал от прогресса в области производства электроэнергии.

Более того, укрепление связи между генерирующими и распределительными сетями имеет решающее значение для поддержки расширенных генерирующих мощностей и обеспечения эффективной поставки электроэнергии. Проактивно решая эти проблемы и инвестируя в необходимую инфраструктуру и технологии, Европа могла бы создать более устойчивое и стабильное энергетическое будущее.

Источник

https://www.mckinsey.com/industries/electric-power-and-natural-gas/our-insights/the-role-of-power-in-unlocking-the-european-ai-revolution

The role of power in unlocking the European AI revolution. October 24, 2024. 

This article is a collaborative effort by Anna Granskog, Diego Hernandez Diaz, Jesse Noffsinger, Lorenzo Moavero Milanesi, and Pankaj Sachdeva, with Arjita Bhan and Sofia von Schantz, representing views from McKinsey’s Electric Power & Natural Gas and Technology, Media & Telecommunications Practices.

Роль энергии в европейской революции искусственного интеллекта. 24 октября 2024 г.
Анна Гранског — партнер в офисе McKinsey в Хельсинки, где София фон Шанц — ассоциированный партнер; Диего Эрнандес Диас — партнер в офисе в Женеве; Джесси Ноффсингер — партнер в офисе в Сиэтле; Лоренцо Моаверо Миланези — старший партнер в офисе в Милане; Панкадж Сачдева — старший партнер в офисе в Филадельфии; а Арджита Бхан — консультант в офисе в Массачусетсе.
Авторы хотели бы поблагодарить Мишеля Ниварда за его вклад в эту статью.

Уникальные риски, создаваемыми агентскими системами

Понимание уникальных рисков, создаваемых агентскими системами

Большие языковые модели (LLM) склонны к ошибкам и галлюцинациям. Поскольку агентские системы обрабатывают последовательности выходных данных, полученных из LLM, галлюцинация в выходных данных может породить каскадные эффекты, если не установлены средства защиты. Поскольку агентские системы предназначены для автономной работы, руководители бизнеса должны вводит дополнительные механизмы надзора и барьеры. Хотя сложно полностью предвидеть все агентские риски, некоторые из них верифицированы.

Потенциально вредные результаты

Большие языковые модели не всегда точны, иногда предоставляя неверную информацию или выполняя действия с нежелательными последствиями. Эти риски усиливаются, поскольку агенты генеративного ИИ (gen AI) самостоятельно выполняют задачи, используя данные и цифровые инструменты в очень изменчивых сценариях. Например, агент может одобрить высокорискованный кредит, что приведет к финансовым потерям, или может совершить дорогую, невозвращаемую покупку для клиента.

Стратегия смягчения. Организации должны внедрять надежные меры подотчетности, четко определяя обязанности как агентов, так и людей, обеспечивая объсняемость и понятность результатов работы агентов. Это может быть достигнуто путем разработки фреймворков для управления автономией агентов (например, ограничение действий агентов на основе сложности варианта использования) и обеспечение человеческого надзора (например, проверка результатов работы агентов перед выполнением и проведение регулярных аудитов решений агентов). Кроме того, механизмы прозрачности и прослеживаемости могут помочь пользователям понять процесс принятия решений агентом, чтобы на раннем этапе выявить потенциально опасные проблемы.

Неправильное использование инструментов

Благодаря своей способности получать доступ к инструментам и данным, агенты могут быть опасны, если их намеренно использовать не по назначению. Например, агенты могут использоваться для разработки уязвимого кода, создания убедительных фишинговых мошенничеств или взлома конфиденциальной информации.

Стратегия смягчения. Для потенциально высокорисковых сценариев организации должны встраивать барьеры (например, контроль доступа, ограничения на действия агентов) и создавать закрытые среды для агентов (например, ограничивать доступ агентов к определенным инструментам и источникам данных). Кроме того, организации должны применять мониторинг действий агентов в режиме реального времени с автоматическими оповещениями о подозрительном поведении. Регулярные аудиты и проверки соответствия могут гарантировать, что барьеры остаются эффективными и актуальными.

Недостаточное или чрезмерное доверие между человеком и агентом

Так же, как и в отношениях с коллегами-людьми, взаимодействие между людьми и агентами ИИ основано на доверии. Если пользователи не верят в агентские системы, они могут сократить взаимодействие человека с агентом и обмен информацией, которые требуются агентским системам, если они хотят учиться и совершенствоваться. И наоборот, по мере того, как агенты становятся более искусными в подражании человеческому поведению, некоторые пользователи могут оказывать им слишком большое доверие, приписывая им понимание и суждение на человеческом уровне. Это может привести к тому, что пользователи будут некритически принимать рекомендации или предоставлять агентам слишком много автономии без достаточного контроля.

Стратегия смягчения. Организации могут управлять этими проблемами, уделяя первостепенное внимание прозрачности принятия решений агентами, обеспечивая обучение пользователей ответственному использованию агентов и создавая процесс «человек в контуре» для управления поведением агентов. Человеческий надзор за процессами агентов является ключом к обеспечению того, чтобы пользователи сохраняли сбалансированную точку зрения, критически оценивали работу агентов и сохраняли окончательные полномочия и ответственность в действиях агентов. Кроме того, работа агентов должна оцениваться путем привязки действий агентов к конкретным результатам (например, удовлетворенность клиентов, показатели успешного завершения тикетов).

Проблемы

Помимо устранения этих потенциальных рисков, организациям следует учитывать более широкие проблемы, возникающие в связи с появлением агентов поколения ИИ:

• Соответствие ценностям. Поскольку агенты похожи на коллег, их действия должны воплощать организационные ценности. 
• Какие ценности должны воплощать агенты в своих решениях? 
• Как регулярно оценивать и обучать агентов, чтобы они соответствовали этим ценностям?
• Смена рабочей силы. Выполняя задачи независимо, агентские системы могут существенно изменить способ выполнения работы, потенциально позволяя людям больше сосредоточиться на задачах более высокого уровня, требующих критического мышления и управленческих навыков. 
• Как будут меняться роли и обязанности в каждой бизнес-функции? 
• Как сотрудникам могут быть предоставлены возможности переподготовки? 
• Существуют ли новые модели сотрудничества, которые могут улучшить взаимодействие между людьми и агентами ИИ?
• Антропоморфизм. Поскольку агенты все больше обладают человеческими способностями, пользователи могут развить чрезмерную зависимость от них или ошибочно полагать, что помощники ИИ полностью соответствуют их собственным интересам и ценностям. 
• В какой степени человекоподобные характеристики должны быть включены в дизайн агентов? 
• Какие процессы могут быть созданы для обеспечения обнаружения потенциального вреда в реальном времени при взаимодействии человека и агента?

Источник

Why agents are the next frontier of generative AI. By Lareina Yee, Michael Chui, and Roger Roberts with Stephen Xu.

https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/why-agents-are-the-next-frontier-of-generative-ai

Архетипы и уникальность нагрузки центров обработки данных

Что делает нагрузку на центр обработки данных уникальной?

В зависимости от рабочей нагрузки центры обработки данных могут потреблять электроэнергию круглосуточно, с некоторыми колебаниями в течение дня, как и другие промышленные центры. Однако центры обработки данных обладают уникальным профилем, который отличает их от коммунальных компаний и инвесторов.

Во-первых, большинство центров обработки данных располагаются с резервными системами хранения энергии, чтобы обеспечить выполнение высоких требований к времени безотказной работы. Эта резервная система может быть направлена ​​для компенсации нагрузки центра обработки данных, когда условия в сети становятся напряженными, тем самым создавая нагрузку, которая, по сути, является высокочувствительной.

Во-вторых, владельцы центров обработки данных обычно более склонны платить за электроэнергию, чем большинство других потребителей электроэнергии. Эксплуатационные расходы на электроэнергию могут составлять около 20% от общей стоимости бизнес-моделей центров обработки данных, которые оказались весьма прибыльными для крупных компаний. Поэтому более высокие тарифы на электроэнергию не нарушают бизнес-модель. Для сравнения, для других источников электроэнергии, таких как производство зеленого водорода, себестоимость конечного продукта сильно зависит от цен на электроэнергию, а ожидаемая маржа намного меньше.

В-третьих, прогноз спроса на центры обработки данных и готовность владельцев платить являются выбросами для графиков использования электроэнергии. Для большинства видов использования энергия преобразуется в физический конечный продукт (такой как светодиодная лампочка), а энергоэффективность измеряется в процентах (например, светодиодная лампочка потребляет на 90% меньше энергии, чем лампа накаливания). Вычислительная мощность измеряется порядком величины, а не процентом, а выход потребляемой мощности для центров обработки данных представляет собой информацию, а не физический товар. Прорывы, которые открывают доступ к недорогим, высокоэффективным вычислениям, не обязательно снижают спрос на электроэнергию. Скорее, такие прорывы могут повысить сложность моделей, которые могут быть запущены, и они могут даже обеспечить больше вариантов использования, которые приведут к большему спросу на электроэнергию. Короче говоря, обычные эксплуатационные параметры сектора электроэнергетики могут потребовать некоторого пересмотра, прежде чем они будут применены к центрам обработки данных.

В-четвертых, инновационные решения для систем охлаждения ИТ-центров предлагают значительный потенциал экономии. Системы охлаждения после ИТ-оборудования и серверов центров обработки данных обычно потребляют больше всего энергии, что подчеркивает большую возможность для повышения эффективности. Гипермасштаберы экспериментируют с удаленными местоположениями, чтобы воспользоваться местными условиями, например, используя холодный наружный воздух для охлаждения серверных комнат, тем самым потребляя минимальное количество энергии в холодные месяцы. Кроме того, такие местоположения предлагают возможности для переработки тепла, вырабатываемого в центрах обработки данных, в системы централизованного теплоснабжения.

Архетипы центров обработки данных

Существует три типа центров обработки данных: гиперскейлеры, колокаторы и корпоративные (собственные).

Гиперскейлер (hyperscaler) относится к игроку, который предлагает крупномасштабные облачные вычислительные сервисы с возможностью быстрого масштабирования вверх или вниз. Гиперскейлеры, такие как Amazon Web Services (AWS) и Microsoft Azure, управляют обширными глобальными сетями центров обработки данных, предоставляя инфраструктуру как услугу (IaaS) и платформу как услугу (PaaS). Они управляют огромными объемами вычислительной мощности и хранилища, позволяя компаниям использовать эти ресурсы по требованию, платя только за то, что они используют. Гиперскейлеры известны своей способностью справляться с огромными рабочими нагрузками и обеспечивать бесперебойный опыт для клиентов с различными потребностями .

Поставщик услуг размещения оборудования (a colocation provider). С другой стороны, поставщик услуг размещения оборудования предлагает физическое пространство, электропитание и охлаждение в своих центрах обработки данных для размещения клиентами собственных серверов и сетевого оборудования. В отличие от гипермасштабаторов, объекты размещения оборудования не предоставляют оборудование; вместо этого они предоставляют безопасную, управляемую среду, в которой компании могут арендовать пространство и сохранять контроль над собственным оборудованием. Эта модель идеально подходит для компаний, которым требуется полный контроль над своим оборудованием, но при этом они хотят воспользоваться преимуществами профессионального центра обработки данных, такими как повышенная безопасность, надежность и подключение.

Корпоративный (собственный) центр обработки данных — это объект, которым компания владеет и управляет для размещения собственной ИТ-инфраструктуры, включая серверы, хранилища и сетевое оборудование. В отличие от гиперскейлеров или объектов размещения, где инфраструктура или пространство арендуются у третьей стороны, корпоративные центры обработки данных полностью контролируются организацией, которой они принадлежат. Эти центры обработки данных обычно располагаются на территории компании или в специальном месте за ее пределами и предназначены для удовлетворения конкретных потребностей и требований этого бизнеса.