Utvecklingen av AI innebär många löften om en bättre tillvaro för både företag och privatpersoner. Men det finns utmaningar. Oförutsägbara kostnader, kompetensbrist och högre krav på datorers förmåga att utföra komplicerade beräkningar är några av de faktorer som gör att många mindre verksamheter ofta tvekar inför eller väljer bort AI investeringar.
För att AI ska bli vad det kan bli behöver vi demokratisera tillgången till tekniken. Vi behöver göra det tillgängligt för alla företag, oavsett storlek. Vi behöver sänka kostnadströsklar och skapa en ny våg av innovation. Här ser vi redan att vi är på väg framåt.
Sänk trösklarna och gör AI tillgängligt för alla
En ny rapport från EU-kommissionen bekräftar experternas bild av att molnteknik spelar en helt avgörande roll för den nuvarande och framtida eIektiviseringen av datahantering. På samma sätt betraktas en ökad tillgänglighet av aIärsdrivande AI som en viktig pusselbit för att fortsätta underlätta arbetsprocesser och bidra till ekonomisk tillväxt.
Ett exempel på hur stora saker kan åstadkommas med små medel är no-code/low code-konceptet, som möjliggör att människor med begränsade kunskaper inom programmering fortfarande kan utveckla och lansera programvara. Kraften i sådana lösningar förstärks ytterligare med hjälp av AI. Även professionella utvecklare använder idag sig verktyg som ChatGPT i sin utveckling.
Demokratisering av tillgången
Med hjälp av standardiseringar och decentraliserad edge-teknik kan AI-modeller aktivt tränas under säkra förhållanden. Det bidrar också till integritetsskydd vilket öppnar upp för fler möjligheter att träna AI:s förmåga. Den här typen av utveckling är precis det som
skapar förutsättningar för att öka tillgänglighet, förenkla arbetsprocesser och skapar säkra metoder för att implementera AI inom ett bredare spann av applikationer och miljöer, utan att behöva kompromissa med att hålla känsliga data trygga och skyddade.
Large Language Models (LLMs) hanterar idag enorma mängder data under sin träning och många intensiva beräkningar sker parallellt. Historiskt sett har GPU:er varit bättre lämpade för just den här typen av parallell processhantering jämfört med CPU:er. Men i samband med utveckling inom koncept som kvantisering, State Space Models och ramverk som MLX har förutsättningarna att utföra den här typen av beräkningar på SLMs (Small Language Models) – som använder sig av CPU:er – blivit mycket bättre. Även detta är ett kvitto på systemutvecklares förmåga att förstå och utveckla AI:s förmågor på ett praktiskt applicerbart sätt.
En framtid driven av AI
För att fostra en positiv grogrund för AI är det viktigt att fortsätta uppmärksamma utvecklingen inom såväl teknik som etik och regelverk för att få en rättvisande helhetsbild. Det gäller även de problem vi redan ser och känner till – exempelvis bristen på senior erfarenhet av såväl hantering som implementering av AI i befintliga system och arbetsflöden.
Ett första steg är att själv ta ansvar för anställdas kunskaper inom området och samtidigt minska oron för bristande integritet och säkerhet genom att bidra till att ny kunskap förvärvas, och för att skapa den utbildningsmiljö som krävs behövs gemensamma ansträngningar både från näringslivet och det oIentliga.
Jag är övertygad, och ser överallt tecken på, att dagens ledare är redo för den här typen av utmaning. Det är det här som driver demokratiseringen av teknik som i sin tur kommer släppa lös vågen av innovation i varje sektor och forma hur vi ser, inte bara på vår teknik, utan även på hur vi jobbar och knyter an till varandra.
Skriven av: Anup Purohit, Chief Information OIicer, Wipro Limited.
