Uendelige muligheder med fuld uafhængighed af tredje partier

Egne, kapable AI-systemer kan hurtigt og billigt opbygges. Selskaber og myndigheder kan især profitere heraf. En egen AI-server, enten leaset eller købt, kan producere millioner af nye resultater. I artiklen nævnes eksempler.

Indledning

Egne AI-systemer har så mange afgørende fordele, at det tyske erhvervs livs tilbageholdenhed er noget overrasket. Nu er tiden for en AI-start bedre end nogensinde før: mere kapabel, billigere og nemmere end nogensinde før. Man skal blot have de rigtige rådgivere, der ikke råder til ChatGPT eller lignende, fordi det bare er let, men også ikke særligt intelligent.

Mange får kun nyheder om kunstig intelligens, hvis de kommer fra OpenAI, Apple eller Google. Det, der lyder charmerende til privatbrugere, når de ikke værdsætter dataejerret, er for selskaber ugunstigt på flere måder. Tale er af Abhängigkeit fra tredje part, især fra amerikanske koncerner.

AI kunne aldrig så let introduceres som nu. Top kvalitet af resultater til lavere omkostninger og uden ChatGPT eller Azure. Dertil med fuld optimerbarhed og datakontrol.

Bemærkelsesværdigt: Også økonomisk i 24/7 drift og for millioner af dokumenter.

Virksomheder og myndigheder lider flere alvorlige ulemper, hvis de bliver afhængige af ChatGPT, Gemini, Claude eller lignende tilbud.

Fordelene ved Offline-AI

En Offline AI er en selvstændig AI-system for dit firma.

Nogle af de vigtigste grunde til, hvorfor virksomheder og myndigheder skal investere i en egen AI-løsning er:

• Uafhængighed: Med en egen AI-løsning er I uafhængige af tredjeparter og kan I selv styre processer og resultater.
• Kosteneffektivitet: En egen AI-løsning kan sammenlignet med tredjepartsleverandører være kosteneffektiv, især ved behandling af store datamængder.
• Datalækkeri: Med en egen AI-løsning har du kontrol over dine data og kan sikre, at de bliver behandlet på en sikker måde og i overensstemmelse med gældende persondatapolitik.
• Anpasselighed: En egen AI-løsning kan tilpasses de individuelle behov i dit firma, mens tredjeparter ofte tilbyder standardiserede løsninger.
• Skalering: En egen AI-løsning kan let skales op, så den kan følge med de voksende krav i dit firma.
• Innovation: Med en egen AI-løsning kan du udvikle nye og innovative anvendelser, der giver din virksomhed en konkurrencefordel.

Dette fordel giver samtidig følgende ulemper, der påvirker dit firma eller din organisation, når man bruger ChatGPT.

Ulemper ved brug af ChatGPT

De ulemper ved brug af ChatGPT (osv.) i organisationer er blandt andet:

• Funktionel afhængighed: AI-tjenesterne fra leverandørerne er ofte ikke byttebare, blandt andet fordi de er forskellige eller dyrere. Der kommer også vanskelige og fejlbevidste justeringer, der skal gøres ved hver leverandørskifte.
• Prisafhængighed: Kun enkel kan her nævnes to konkrete eksempler fra nutiden. Spotify og Netflix har blot øget deres priser. Accepterer kunden ikke, må han på Spotify tåle reklamer og bliver ved Netflix afbrudt. Analog forholder det sig med ChatGPT og andre. Prisen skal accepteres eller leverandøren afbruder.
• Kunstig intelligens-abflod: Alle data, der indlæses i Microsofts (ChatGPT, Bing Bot), Googles (Gemini, Google Bot) eller Apples (analog) systemer, bliver potentielt brugt til at træne AI. Takk for det, tilbyder nogle leverandører dog et opt-out. Om dette respekteres, må tvivlen være tilladt. Data er i dagens tid guld og data, der indlæses i et AI-model eller udstilles af dette igen, er fra urheberretlige synspunkt ofte ikke tilstrækkeligt igenkendelige.
• Mangel på kundskabsbygning: Data, der flyder til andre steder, gør det let for dataudsenderen at blive komfortabel hurtigt. Han tror på leverandøren og ønsker ikke mere med dette "AI-Dings" at gøre. Hovedsagen er, at det elektroniske hjerne giver gode svar.
• Manglende fleksibilitet: En Black Box er en Black Box. Hvis nogen aldrig selv har udviklet noget, kan de det ikke eller vil de det ikke. Afhængigheden stiger videre, mens innovativiteten falder massivt.
• Mangel på innovativ kraft: Egen AI-systemer, der kan køre permanent, tilbyder uovertrufne muligheder, som Drittsystemer aldrig kunne tilbyde. Alene fordi af de omkostninger ved at bruge Drittdienster.

Virksomheder, der så stadig bruger Microsoft Azure, har tydeligvis en god sponsor. Disse ofte enorme omkostninger behøver ikke være nødvendige, hvis det går væsentligt billigere og ofte også bedre.

Nogle eksempler på ukendte muligheder, som virksomhedens egen AI-systemer tilbyder, er nedenfor illustreret.

Uventede muligheder for virksomheder

Den forudsætning for uventede muligheder er især:

• Lavkostnadskontrakt i stedet for høje omkostninger eller usikre omkostninger.
• Høj fleksibilitet: Takket være ekstremt kapable åbne kilder AI-rammer og AI-sprogmodeller er det i dag muligt uden større indsats.
• Egen AI-server, udlejet eller købt. Følger af de foregående punkter.

Muligheder bliver først og fremmest uventede, når et AI-system er i stand til selv at forbedre sig.

Den mulighed for selvbedringelse lykkes bedst, hvis det kunstige intelligens-system køre så længe som muligt.

Hvad betyder "det kognitive system køre"? Derved menes ikke, at kognitiv server er tændt. I stedet betyder det, at vi holder kognitiv system permanent beskæftiget (kan). Et barn lærer så meget mere, hvis det længere lærer. Der kommer en gang til slut med læringen. Men hvem der kun investerer lidt tid, vil aldrig nå frem til at være udlært.

Et AI-system kan aldrig lære af sine fejl, fordi det selv kan blive bedre og bedre. Det gælder i hvert fald mange anvendelsesfelter.

Følgende processer kan for eksempel forbedres på evigt, bemærket næsten helt automatisk:

• Sammenfatning af dokumenter og tekster.
• Forenkle tekst.
• Søg efter dokumenter.
• Identificere bestemt relevante tekst dele i tekster. Eksempler:
  • Sættningsord (Keywords)
  • For markedsføringen positive begreber,
  • Positiv eller negativ pålagte begreber eller udtryk.
• Besvare vanskelige spørgsmål om viden, også ved hjælp af verdensviden (automatisk internetsøgning)

Gennem såkaldte Agenter kan nogle komplekse opgaver allerede nu automatiseres behandlet, også i dit firma og med dit eget AI-system. Komplekse opgaver er sådanne, der kræver flere arbejdssteg, samt forskning og/eller brug af bestemte værktøjer. Sådanne værktøjer kan f.eks. være en lommerekneder, vejrudsigt, en nyhedsrobot eller aktieanalyser.

Try Offline-AI now

Optimizable and with full data control. Economical even in continuous operation.
Fully-controlled data center, no third-parties.

Try now

Med agenter alene sker ingen under, i hvert fald ikke store (men potentielt små). Ansætninger som Rød Aktion Gruppe hjælper til med at forme AI-systemet på egen dokumenter og virksomhedsviden. RAG betyder, at små informationsbiter fra virksomhedsviden forudvalgtes til en spørgsmål til AI og givet til sprogmodellen til at besvare spørgsmålet med.

Det, der nu er standard, er allerede udnyttet til det sidste. I hvert fald gælder det for ChatGPT. Den, der har brug for tillidsværdige svar og muligvis ønsker at kunne genkende usikre svar, kommer ikke uden om selv at oprette et eget AI-system. Sådan kan man Tilførlighed af AI-svar skabe!

Der særlige charme ved at have en egen AI-server der køre 24/7 er den uovertruffelige bredde af muligheder. Dette følger af, at det AI-sprogmodel kan kritisere og forbedre sig selv. Teoretisk kunne dette også være muligt med ChatGPT, men det sker ikke på grund af følgende punkter:

1. Kost: For højt ved brugsbetingede gebyrer, hvis der ønskes eller skal udføres 100.000 eller også 10 millioner arbejdssteg (sammen med læringssteg).
2. Manuelt gør det ikke noget: Prompt-Tuning med eller uden. Men hvem skaber et dokument med 10 forskellige prompts, der så skal indtastes 500 gange til 5 trin i hvert enkelt tilfælde, hvor hver enkelt tilfælde skal udføres 100 gange? Optimeringen fungerer kun ved at bruge få døgder eller hundreder af tilfælde. Det kan ikke gøres manuelt.

Og det ser så ud, når du har en egen server. Min virksomheds AI-server her på standen i Idstein har siden ugevis uden afbrud følgende:

1. KIs bliver præsenteret med dokumenter. Det kan være aviser, blogindlæg, lovgivningstekster eller andre tekster. Teksterne bliver automatisk hentet fra internettet til visse anvendelsesfald. Her bliver også automatiske internetsøgninger og scrapings-procedurer anvendt.
2. Vores sprogmodel analyserer teksterne efter opgaven. Opgaver kunne være: sammenfattelse af en tekst, tekstforenkling i forskellige stilarter, udtrækning af vigtige begreber, udtrækning af kendsgerninger, oversættelse til andre sprog og meget mere. Navngivet blev realiserede processer, ikke fantasiobjekter.
3. For mange anvendelsesfald er det meningsfuldt at språkmodellen kun løser en opgave ad gangen. Med opgave menes her ikke blot "begrebetekst extraction", men en mere detaljeret aktivitet. Alle KIs svar fra den foregående skridt bliver nu således forfinet og delvis allerede forbedret i detailskridtet.
4. Afhængigt af anvendelsesfaldet, gentag trin 3 med andre detaljaktiviteter null til x gange. For visse anvendelsesfald er fem detaljesteg hver gang en god idé.
5. Lad den AI selv kritikere sig selv, og det for hver tidligere modtaget svar fra en AI.
6. Brug resultatet fra forrige trin til at med hjælp af de oprindelige indgivelser få en bedre AI-resultat.
7. Lag af resultaterne.
8. Brug resultaterne til at fineere det kognitive talensprogmodel.
9. Begynd med 1. med en bedre AI.

Hvor er mennesket her blevet? Det er i væsentligste ikke længere nødvendigt. Menneskelig indsats er i disse processer nødvendig eller meningsfuld:

• Teknisk indstille AI-mekanismerne
• Overvåge resultaterne af AI (prøver)
• Optimer den AI-mekanisme, sådan at den fungerer bedst muligt.

Her er en liste med konkret AI-løsninger, der allerede er blevet realiseret og beskrevet på Dr. DSGVO:

• Kundekunstner
• Simplificering af lovtexter
• Fremme Kommunikation (Anmodninger, spørgsmål fra borgere eller kunder, support-tiketter, …)
• Generér billeder (snabbt, på en laptop)

Andre anvendelse tilfælde, som er realiseret men kun beskrevet i et skema over DR. DSGVO, er transskription af videoer og podcasts samt genkendelse af objekter på billeder. Til sidst har 3sat interviewet med artiklens forfatter og betitlet det "Nye veje" (fra minuttet 33:18 i 3sat-dokumentationen).

Tak til et eget AI-System er det muligt at gøre enhver optimering, flere iterationer ingen problem, data fuldstændig under kontrol og omkostninger ikke en bekymring! Den ideale jord for innovationer er skabt.

Når skal du bruge en AI-server til din virksomhed eller myndighed og tage springet ind i fremtiden? Der er nu allerede forinstallerede og direkte brugbare AI-serversystemer til leje.