11 تحديًا شائعًا للشركات الناشئة في الذكاء الاصطناعي وطريقة معالجتها

عندما قامت OpenAI بإصدار ChatGPT، إنه نموذج اللغة الكبير (LLM) للجمهور في نوفمبر 2022، جمعت 100 مليون مستخدم في غضون شهرين فقط. مما جعل ChatGPT أحد أسرع تطبيقات المستهلكين نموًا على الإطلاق.

لاحظ المستثمرون ذلك.

منذ ذلك الوقت، جمع أعضاء أهم 50 شركة ذكاء اصطناعي في فوربس أكثر من 27.2 مليار دولار. تأتي بعض هذه الشركات بعمر أقل من عام مع أقل من 20 موظفًا لديها. بالنسبة إلى الشركات الناشئة في الذكاء الاصطناعي ذات الأفكار المثيرة للاهتمام، يتدفق النقد.

مع ذلك، فلا تضمن الأموال التي يتم جمعها النجاح. تواجه الشركات الناشئة في الذكاء الاصطناعي تحديات فريدة تتطلب أكثر من المثابرة المعتادة وتوقيت السوق وإدارة النمو. تدريب نماذج LLM التي تعزز خدمات الطاقة مثل ChatGPT، أو أداة إنشاء صور الذكاء الاصطناعي في Midjourney واحدة من المهام الأكثر كثافة من الناحية الحسابية التي تصورها البشرية. تقول شركات الاستثمار إن معظم رأس المال الذي تجمعه الشركات الناشئة في مجال الذكاء الاصطناعي يتحول مباشرةً إلى موارد الحوسبة.

بالإضافة إلى ذلك، تتولى الشركات الناشئة في مجال الذكاء الاصطناعي مسؤولية أمان وخصوصية المعلومات الحساسة الكامنة في تلال بيانات التدريب التي تستوعبها نماذجها، حتى أثناء سعيها للتنافس مع العمالقة الحاليين الذين يتحركون بسرعة أيضًا للحصول على حصة سوقية.

يدعو مؤسس Microsoft بيل غيتس الذكاء الاصطناعي إلى التطور الأهم في الحوسبة منذ واجهة المستخدم الرسومية، التي أطلقت Macintosh من Apple وكل نظام تشغيل وتطبيق شائع منذ ذلك الحين. لذلك؛ من المفهوم أن رغبة رواد الأعمال في جزء من هذا العمل. دعونا نلقي نظرة على العوامل التي يجب أن تكون الشركات الناشئة في الذكاء الاصطناعي على دراية بها خلال دخولها السباق.

ما المقصود بشركة ناشئة في الذكاء الاصطناعي؟

تأتي الشركات الناشئة للذكاء الاصطناعي التوليدي بثلاث سمات: تلك التي تنشئ منصات LLM، مثل OpenAI أو Cohere؛ وتلك التي تقدم أدوات جديدة لإنشاء نماذج LLM وتدريبها، مثل MosaicML؛ وتلك التي تأخذ نماذج LLM مفتوحة المصدر وتدريبها على حل مشكلات أعمال محددة—مثال على ذلك شركة Tome التي تطبق الذكاء الاصطناعي لتحسين عروض الأعمال التقديمية.

تعمل جميع الشركات الناشئة للذكاء الاصطناعي في أعقاب ظهور أمثال ChatGPT وGoogle والشركات الأخرى التي استخدمت بنى حوسبة قوية تسمى الشبكات العصبية وخوارزميات التعلم الآلي لإنشاء واجهات لغة طبيعية ودية يمكنها إنشاء نص بشري ومحتوى مرئي وتعليمات البرميجة للكمبيوتر وتنفيذ العديد من المهام الأخرى.

النقاط الرئيسة

• على الرغم من استخدام منصات الذكاء الاصطناعي لسنوات عديدة، إلا أن الإصدار الشائع لنماذج LLM للاستخدام العام في عام 2022 أدى إلى فيض من الشركات الناشئة الجديدة.
• يصل المستثمرون إلى هذه الشركات الناشئة ويفحصونها ويمولونها بوتيرة ذات سرعة فائقة.
• تعمل الشركات الناشئة في الذكاء الاصطناعي في مشهد مُتغير من الخصوصية والمخاوف التنظيمية، والمنافسة على قدرة الحوسبة، والتهديدات من شاغلي الوظائف.

11 تحديًا في مواجهة الشركات الناشئة في الذكاء الاصطناعي

بدايةً من الموهبين الصغار الممولين جيدًا إلى الشركات الناشئة المتدرجة، تواجه هذه الشركات الناشئة عقبات فريدة أمام متعهدي التوريد المستندين إلى الذكاء الاصطناعي. إن التحديات الـ 11 الواردة أدناه توفر إحساسًا جيدًا بالحواجز المحتملة التي تنتظرنا.

1. الأمان والخصوصية

تتحمل شركات الذكاء الاصطناعي الناشئة مسؤوليات الأمان والخصوصية التي تتجاوز جهود حماية بيانات الشركات القياسية. تظهر العديد من تدابير الأمان مألوفة، مثل استخدام نموذج الثقة الصفرية ومراقبة الشبكات للنشاط الضار الذي يطلق الاستجابات والتنبيهات المؤتمتة. لكن توجد أيضًا تحديات جديدة. على سبيل المثال، يمكن لنماذج الذكاء الاصطناعي تسريب التفاصيل من البيانات المستخدمة لتدريبها. يمكن أن تكون مجموعات البيانات هذه مئات الجيجابايتات، أو حتى تيرابايت في الحجم، ويتم سحبها من مجموعة من المصادر. قد تحتوي على بيانات حساسة، بما في ذلك الأسماء والعناوين ومعلومات التعريف الشخصية الأخرى. هل يمكن لنموذج تم تدريبه باستخدام هذه البيانات أن يعكس التفاصيل الخاصة في مخرجاته؟

من المهم أن تعرف الشركة الناشئة ما البيانات الموجودة في مجموعات التدريب الخاصة بها وتمتلك خطة لتقليل المخاطر التي تنطوي عليها المعلومات الحساسة أو المنظمة. تحتاج هذه الشركات إلى إقناع المستثمرين بتغطية هذه المخاوف—وامتلاكهم خطة استجابة للاتصالات في حالة حدوث شيء ما.

2. وحدة تخزين البيانات

تدرب شركات الذكاء الاصطناعي نماذج اللغات الكبيرة وتنشرها (LLM) باستخدام مجموعات بيانات واسعة ومليارات المعلمات لجميع أنواع حالات الاستخدام، بما في ذلك معالجة اللغة الطبيعية (NLP) وإنشاء الصور. كما تطور نماذج الذكاء الاصطناعي للصول على رؤية الكمبيوتر والتنبؤ والتوقع واكتشاف أوجه الخلل وغير ذلك الكثير. تتطلب نماذج LLM على وجه الخصوص كميات كبيرة بشكل لا يصدق من البيانات لإنتاج مخرجات دقيقة ومتسقة.

إذا كنتم شركة ناشئة في مجال الذكاء الاصطناعي، فإن إدارة البيانات في صميم أعمالك.

مع ذلك، يكمن التحدي الرئيس في الوصول إلى مجموعات البيانات المناسبة لاحتياجات تدريب الذكاء الاصطناعي وتحميلها إلى مستودع بيانات ضخم أو بحيرة بيانات ضخمة. ثم يجب أن تتدفق البيانات بأمان من خلال الشبكات العصبية وخوارزميات التعلم الآلي باستخدام مجموعات فائقة من خوادم وحدة معالجة الرسومات (GPU)—إذا تمكنت من الوصول إليها.

3. قدرة الحوسبة

تأكيد لما نراه مرارًا وتكرارًا في البرامج التلفزيونية والأفلام ووسائل الإعلام الشائعة بأن الذكاء الاصطناعي يدمر العالم. إحدى الحجج المضادة: "من أين يحصل الذكاء الاصطناعي الشرير على وحدات GPU؟"

لتشغيل الشبكات العصبية التي يتم إنشاء نماذج الذكاء الاصطناعي عليها، تقسِّم وحدات معالجة الرسومات العمل الحسابي. ثم يشغل النظام الاستعلامات من خلال مجموعة من وحدات GPU بالتوازي. يؤدي ذلك إلى إيقاف الحمل عن وحدة CPU الخاصة بالكمبيوتر ويسمح للشبكة بالمعالجةمن خلال العمليات الحسابية المُعقدة بسرعة كبيرة. يتطلب تدريب نماذج الذكاء الاصطناعي وتشغيلها الكثير من قوة الحوسبة التي يواجهها مصنعو الشرائح وموفرو السحابة في العالم صعوبة في مواكبة الطلب. انتبه إلى أنك قد تحتاج إلى التواصل إلى شراء الشرائح أو إقناع موفر خدمة سحابية بأن الشركة الناشئة في الذكاء الاصطناعي جديرة بوحدات GPU الثمينة هذه.

4. التخصيص

من الآمن القول إن معظم الشركات الناشئة في مجال الذكاء الاصطناعي تبني شركاتها حول LLM تم تطويره بواسطة شركة أخرى لأنه في معظم الحالات يكون تخصيص نموذج الذكاء الاصطناعي من أمثال OpenAI أو Cohere أكثر كفاءة من تصميم نموذج الذكاء الاصطناعي وبناءه وتدريبه من الصفر.

توجد طريقتان مشتركتان لتخصيص LLM لصناعة أو حالة استخدام معينة: الضبط الدقيق والإنشاء المعزز بالاسترجاع (RAG). يمكنك ضبط مخرجات نظام الذكاء الاصطناعي من خلال تدريبها على كميات كبيرة من البيانات الخاصة بقضيتك وتوجيه الذكاء الاصطناعي إلى إعطاء هذه المعلومات ثقلاً أكبر في استجاباته. يتضمن الخيار الآخر RAG، تضمين مستندات ذات صلة للغاية في قاعدة بيانات يستخدمها الذكاء الاصطناعي لتوفير سياق للموجهات المكتوبة أو الشفهية التي يتلقاها. باستخدام RAG، تسمح هذه المستندات للذكاء الاصطناعي بإضافة التفاصيل التقنية ذات الصلة إلى مخرجاته، وحتى الإشارة إلى المكان الذي حصلت فيه على المعلومات. على سبيل المثال، قد تضمِّن شركة ناشئة للرعاية الصحية المستندات أو المقالات التي تساعد LLM على فهم الغرض من الموجهات من المهنيين الطبيين بشكل أفضل ثم توفير لغة الإخراج المتعلقة بتخصصاتهم.

كل طريقة لها مزايا وعيوب من جانب السرعة والجودة والتكلفة. يُعد نهج تخصيص LLM قرارًا هامًا لأي شركة ناشئة للذكاء الاصطناعي تأمل في تقديم خدمة خاصة بالصناعة أو الاستخدام.

5. تكاليف السحابة

بالنسبة إلى الشركات في وضع شركة ناشئة تتقدم بسرعة، من الصعب قول "لا" للبنية التحتية السحابية الجاهزة. يقدم جميع موفري الخدمات السحابية فائقة النطاق ما هو مطلوب لتدريب نماذج اللغات الكبيرة أو تخصيصها، بما في ذلك مجموعات مثيلات الحوسبة المتصلة بشبكة ذات نطاق ترددي عالٍ ونظام ملفات عالي الأداء. ولأن هذه الخدمات قائمة على الاستهلاك، فغالبًا ما تكون أقل تكلفة، وعادةً ما تكون أسرع بكثير من إعداد البنية التحتية المحلية.

لأن هذه الأنظمة قائمة على الاستهلاك، فيجب ترجيح السرعة والكفاءة مقابل التكلفة. يمكن لشركة ناشئة في الذكاء الاصطناعي الحفاظ على إنفاقها من خلال تشغيل LLM الذي ينفذ ما يحتاج إلى تنفيذه باستخدام الخوارزميات الأقل تعقيدًا وأقل البيانات الممكنة. بمجرد إجراء حساب الموازنة هذا، اختر بنية تحتية سحابية تتعامل مع نموذجك بكفاءة. على سبيل المثال، يعمل التشغيل على خوادم لا تعتمد على أنظمة تشغيل على تجنب النفقات العامة للمثيلات الافتراضية ويوفر أداءً أفضل. يصبح هذا أهم عندما يتعلق الأمر بأحمال العمل المُجمعة المشتركة بين نماذج LLM.

تذكِّر أنه كلما تم تشغيل وظيفتك بشكل أسرع، قل الدفع.

6. الكفاءة

يمكن أن يستغرق العديد من ساعات جيجاوات من الطاقة لتدريب LLM. كمرجع، يمكن للجيجاوات تشغيل ما يصل إلى 874,000 منزل لمدة عام واحد، وفقًا إلى شركة الاستثمار Carbon Collective. يجب على الشركة الناشئة التي تسعى للحصول على تمويل رأس مال استثماري (VC) لتقديم الخدمات القائمة على LLM إثبات أنها تستخدم أموالها بحكمة. على سبيل المثال، لا تحتاج جميع مهام الذكاء الاصطناعي إلى نفس مستوى تطور النموذج أو القوة الحاسوبية. تقدم مجموعة متزايدة من نماذج LLM من شركات مثل OpenAI وCohere وAnthropic وغيرها متغيرات وأحجام مختلفة. كن مُستعدًا لشرح سبب ملاءمة اختيارك لاحتياجاتك وموازنتك.

بمجرد اختيار النموذج ومجموعات البيانات، حدد بعناية بنية تحتية ذات معالجة متوازية فعَّالة وتوسيع ديناميكي لتجنب الدفع مقابل موارد الحوسبة التي لا تستخدمها. كُن على استعداد أن تظهر للمستثمرين أن اختياراتك تحقق التوازن بين الأداء والقدرة على تحمل التكاليف.

7. التوسع

توجد ثلاث تقنيات رئيسة لتوسيع نطاق نماذج LLM لزيادة جودة و/أو سرعة مخرجات LLM: زيادة كمية بيانات التدريب، أو استخدام نموذج أكبر وأكثر تعقيدًا، أو إضافة قدرة حوسبة.

يزيد النموذج الأكبر من عدد المستويات والمعلمات في بنية الشبكة العصبية، مما يمنحها قدرة أعلى على تعلم وتمثيل الأنماط المُعقدة في البيانات. نتيجة إلى ذلك، يقدم LLM إجابات أكثر تفصيلاً وأدق. من خلال إضافة المزيد من جيجابايتات بيانات التدريب، يمكن لشركة ناشئة في الذكاء الاصطناعي تقديم استجابات أدقة وأكمل. في كلتا الحالتين، تحتاج أيضًا إلى توسيع موارد الحوسبة باهظة الثمن للحفاظ على أداء النموذج.

8. جودة البيانات

إن هذا ليس تحديًا خاصًا بالذكاء الاصطناعي. لقد اجتهد محللو الأعمال للوصول إلى جودة البيانات التي يستخدمونها منذ عقود. تحتاج الشركات الناشئة في مجال الذكاء الاصطناعي إلى الاستفادة من خبرة علماء البيانات وخبراء الموضوعات للتخلص من المعلومات الزائدة والمحتوى غير ذي الصلة وغيرها من "التشويش" من مجموعات البيانات المستخدمة لتدريب الخوارزميات وتغذية نماذج LLM.

إن "ما يتم إدخاله، يتم إخراجه" إعلان يجب أن يتردد صداه مع الشركات الناشئة في الذكاء الاصطناعي.

9. مؤشرات الأداء الرئيسة والقياس

من المهم للشركات الناشئة في الذكاء الاصطناعي وضع مقاييس كمية ونوعية للنجاح. تشمل المقاييس الكمية العائد على الاستثمار في الاستثمارات التكنولوجية ومؤشرات الأداء الرئيسة التقنية، مثل متوسط الخطأ المربّع (MSE)، الذي يحدد نتائج القيم المتطرفة.

بالإضافة إلى ذلك، يجب أن تكون الشركة الناشئة في الذكاء الاصطناعي قادرة على قياس النتائج النوعية، مثل مدى جودة أداء نموذج الذكاء الاصطناعي على البيانات الجديدة أو التي لم يتم عرضها سابقًا، ومدى ملاءمة النتائج للجمهور المقصود، ومدى شمول النتائج في سياق المجال الذي تتم مناقشته.

10. التمويل

توجد مجموعة من الأساليب لتمويل شركة ناشئة في الذكاء الاصطناعي. يمكنك اتباع مثال نماذج LLM مثل Midjourney وSurge AI، التي نمت قواعد عملائها تدريجيًا دون أخذ أموال الاستثمار. إذا لم تتمكن شركة ناشئة في الذكاء الاصطناعي من انتظار النمو التمهيدي، فيوجد مستثمرون ملاك ومسرعات وحاضنات يبحثون جميعًا عن مؤسسي الذكاء الاصطناعي أصحاب عقول حادة وأفكار جيدة. تتمثل ميزة الحاضنات والمسرعات في توفير العلاقات والوصول إلى فُرص سوقية ومشورة تجارية وحتى منصات التكنولوجية لإنشاء خدمة الذكاء الاصطناعي.

11. المبيعات والتسويق

توظف منصات المبيعات والتسويق المُتطورة الذكاء الاصطناعي في كل مرحلة من مراحل رحلة العميل، كما ترغب أي شركة ناشئة في الذكاء الاصطناعي إلى التطلع نحو زيادة الحصة السوقية استخدام الذكاء الاصطناعي للمساعدة. كيف تقوم بذلك؟ يمكن للذكاء الاصطناعي استخدام بيانات مُفصَّلة، بما في ذلك بيانات الموقع الجغرافي الفورية لتخطيط الحركة وتتبعها، لإنشاء عروض منتجات أو خدمات مُخصصة للعملاء المحتملين. يمكن لمساعدي الذكاء الاصطناعي بعد ذلك إنشاء فرص الارتقاء بالصفقة والبيع العابر أو دفع المتسوقين إلى إكمال المعاملات بمجرد وجود العناصر في عربات التسوق لديهم. ثبت أن هذه الأساليب تزيد من معدلات التحويل وتترجى المستثمرين أن يكونوا حريصين على الشركة الناشئة أن تزيد مبيعاتها.

يمكن للخدمات بعد البيع التي تدعم الذكاء الاصطناعي التعامل مع الاستعلامات وفهم السياق وتقديم الاقتراحات مع مشاركة التفاصيل الملموسة حول الجدولة أو أوقات التسليم وتوجيه الأسئلة الأكثر تعقيدًا إلى الوكلاء البشريين. يمكن أن يساعدك معرفة طريقة عمل هذه الخدمات المدعومة بالذكاء الاصطناعي في قياس عروض الشركات الناشئة في الذكاء الاصطناعي الخاصة بك.

توسيع نطاق أعمالك باستخدام خدمات Oracle

إذا كنت تنشئ شركة قائمة على الذكاء الاصطناعي، ففكر في البنية التحتية من Oracle Cloud (OCI)، التي توفر بنية تحتية قوية لتدريب النماذج وتقديمها على نطاق واسع. من خلال شراكتها مع NVIDIA، يمكن لـ Oracle تزويد العملاء بالمجموعات الفائقة التي يتم تشغيلها بواسطة أحدث وحدات GPU والمتصلة بشبكة RDMA ذات زمن وصول منخفض للغاية عبر شبكة Ethernet المُتقاربة (RoCE). توفر هذه البنية طريقة عالية الأداء وفعَّالة من جانب التكلفة لتدريب نماذج الذكاء الاصطناعي العامة على نطاق واسع. تبني العديد من الشركات الناشئة للذكاء الاصطناعي، بما في ذلك Adept وMosaicML منتجاتها مباشرةً على OCI.

تسهِّل Oracle بدء استخدام خدمات OCI، بما في ذلك تحديد الخدمات السحابية المجانية دائمًا. يمكن للشركات الناشئة التعلم من خلال أوضاع حماية المطورين أو عمليات النشر المعبأة للبرامج الشائعة، مثل نشر مجموعة Kubernetes.

لمساعدة الشركات الناشئة في اتخاذ القرار، توفر Oracle أدوات استكشافية، بما في ذلك حاسبات التكلفة ومراجعات محللي الجهات الخارجية والمقارنات التفصيلية بين OCI والمنصات السحابية الأخرى.

ظل الذكاء الاصطناعي في حياتنا لأكثر من عقد من الزمان ويعمل في الخلفية، ويراقب الاحتيال وسط ملايين المعاملات المصرفية، ويتدخل للتعامل مع تفاعلات خدمة العملاء في الخطوط الأمامية، ويتخذ قرارات سريعة لتسريع لوجستيات الشحن بين عشية وضحاها. مع أحدث جيل من نماذج LLM الآن، تتوصل قدرات الذكاء الاصطناعي الدقيقة والقوية وغير المألوفة إلى واجهة المستخدم التي تستحقها: الكلمة الطبيعية كتابة ونطقًا.

نتيجة إلى ذلك، استحوذت نماذج LLM على المخيلة الشعبية من خلال إنشاء الصور، والنص المكتوب والترجمة، وحتى إنشاء التعليمات البرمجية. على الرغم من كثرة التحديات، حان الوقت للشركات الناشئة في مجال الذكاء الاصطناعي للوصول إلى مستثمرين وخدمة عملاء جدد والتوسع كما هو الحال في عام 1999.

الأسئلة الشائعة حول الذكاء الاصطناعي والشركات الناشئة

ما التحديات الشائعة للشركات الناشئة في مجال الذكاء الاصطناعي؟

تواجه الشركات الناشئة في مجال الذكاء الاصطناعي تحديات في اختيار LLM المناسب للتدريب، والعثور على بيانات التدريب المناسبة، وتجميع قوة الحوسبة الهائلة اللازمة لدعم شبكاتها العصبية. توجد أيضًا مشكلات تتعلق بخصوصية البيانات وأمان البيانات وتغيير اللوائح للتعامل معها.

ما أنواع الخدمات التي تقدمها الشركات الناشئة في مجال الذكاء الاصطناعي؟

تظهر الشركات الناشئة في الذكاء الاصطناعي في كل قطاع أعمال، بما في ذلك قطاعات متنوعة مثل الرعاية الصحية والتصنيع والدفاع الوطني. تقدم بعض الشركات الناشئة منتجات للمستهلكين في حين تبني شركات أخرى أدوات تستخدمها شركات الذكاء الاصطناعي الأخرى لإنشاء نماذجها وتدريبها.

كيف تصل الشركات الناشئة في مجال الذكاء الاصطناعي إلى التمويل؟

يمكن للشركات الناشئة التي تبحث عن المستثمرين إجراء بحث سريع عن المستثمرين الملاك الذين يبحثون عن الفرص. توجد خيارات أخرى مثل حاضنات أو مسرعات التكنولوجيا، والتي يمكن أن توفر التوجيه والمساعدة التكنولوجية لمؤسسي الشركات الناشئة.