Streszczenie: Uczenie maszynowe staje się kluczowym narzędziem w procesie trenowania modeli sztucznej inteligencji (AI), zwłaszcza dla organizacji dysponujących ograniczonymi zbiorami danych. Tradycyjnie, duże firmy technologiczne, takie jak Amazon, Google czy Microsoft, osiągały sukcesy w AI dzięki dostępowi do ogromnych ilości danych generowanych przez ich platformy. Jednak nowe podejście umożliwia mniejszym organizacjom współpracę w celu wspólnego trenowania modeli AI, zachowując jednocześnie poufność swoich danych. To rozwiązanie pozwala na efektywne wykorzystanie ograniczonych zasobów, umożliwiając rozwój i wdrażanie zaawansowanych systemów AI bez konieczności posiadania ogromnych zbiorów danych. MIT Sloan Management Review Polska
Nowe obiecujące podejście do trenowania modeli sztucznej inteligencji pozwala organizacjom o niewielkich zbiorach danych współpracować przy zachowaniu bezpieczeństwa informacji zastrzeżonych.
Głębokie kieszenie, dostęp do talentów i niebotyczne inwestycje w infrastrukturę obliczeniową tylko częściowo wyjaśniają fakt, iż większość poważnych przełomów w dziedzinie sztucznej inteligencji (artificial intelligence, AI) jest dziełem zaledwie garstki dużych spółek technologicznych, zwanych kolektywnie Big Tech, do których należą między innymi Amazon, Google i Microsoft. Tym, co wyróżnia tych gigantów na tle wielu innych firm pragnących zbudować przewagę konkurencyjną dzięki AI, jest ogromna ilość danych zbieranych przez nich jako operatorów platform. Sam Amazon przetwarza miliony transakcji miesięcznie na swojej platformie. A wszystkie te dane są strategicznym zasobem, który można spożytkować do tworzenia i trenowania złożonych algorytmów uczenia maszynowego, pozostających jednak poza zasięgiem większości organizacji.
Materiał dostępny tylko dla subskrybentów
Dołącz do subskrybentów MIT Sloan Management Review Polska Premium!
Kup subskrypcję