В современных бизнес-процессах внедрение генеративного ИИ вышло за рамки простого использования инструментов и теперь переходит в стадию систематической интеграции.
За этим лежит новая эра интеллекта: «Симфонический интеллект».
В этой статье будет рассмотрено текущее состояние и будущие перспективы использования генеративного ИИ с двух точек зрения: итеративной работы и потоковой работы.
Итеративная работа
В предыдущей статье мы проанализировали подходы «итеративная работа и инструменты» против «потоковая работа и системы» как точки зрения для обеспечения выполнения бизнес-задач генеративным ИИ.
Итеративная работа относится к задачам, в которых люди полубессознательно комбинируют несколько отдельных конкретных задач и продвигаются методом проб и ошибок.
И для такой итеративной работы инструменты являются оптимальными. Выбирая инструменты, подходящие для различных задач, можно эффективно продвигать работу. Поэтому необходимо собрать необходимый набор инструментов и освоить его использование.
В настоящее время, когда генеративный ИИ используется в бизнесе, подавляющее большинство случаев подразумевает использование генеративного ИИ как инструмента.
Большая часть дискуссий об улучшении эффективности бизнеса с помощью генеративного ИИ почти всегда сводится к добавлению этого нового мощного инструмента в существующий набор инструментов, используемых людьми для итеративной работы.
Проблема итеративной работы
С другой стороны, как указывалось в предыдущей статье, выгоды от повышения эффективности инструментов в итеративной работе относительно ограничены.
По мере того, как инструменты становятся более эффективными, люди в конечном итоге становятся узким местом. В конечном счете, барьер человеческого рабочего времени не может быть преодолен.
Более того, существует значительный разрыв в эффективности и точности итеративной работы между опытными сотрудниками и новичками, и этот разрыв трудно преодолеть. Следовательно, даже если вы захотите удвоить объем работы в следующем месяце, вы не сможете справиться без людей с опытом.
Чтобы решить проблему того, что люди являются узким местом, в конечном итоге все сводится к замене всего искусственным интеллектом.
Однако нынешний генеративный ИИ еще не обладает таким уровнем производительности.
Более того, даже казалось бы, простые итеративные задачи, если присмотреться, состоят из большого количества неосознанных задач.
По этой причине они не могли быть сведены к обычным ИТ-системам или руководствам, которым мог бы следовать любой, и поэтому зависели от человеческого мастерства.
Пока эти многочисленные неосознанные, требующие мастерства задачи не будут организованы, а необходимое ноу-хау для каждой из них не будет кодифицировано в знания, генеративный ИИ, независимо от того, насколько улучшится его производительность, не сможет заменить человеческий труд.
Преобразование в поточную работу и систематизация
Для достижения цели распределения задач в пределах текущих ограничений производительности генеративного ИИ, а также цели организации бессознательных задач и кодификации ноу-хау, крайне важно организовать итеративную работу методом проб и ошибок в стандартизированную поточную работу.
Стандартизированная поточная работа подходит не только для инструментов, но и для систем.
В рамках поточной работы существуют задачи, выполняемые генеративным ИИ, и задачи, выполняемые людьми. Соединяя их с помощью системы, вся поточная работа становится выполнимой.
Преобразование в поточную работу и систематизация дает несколько значительных эффектов.
Во-первых, генеративный ИИ специализируется на отдельных задачах, что позволяет четко определить, как оптимизировать эффективность и точность генеративного ИИ для каждой задачи.
Во-вторых, несколько работников могут добавлять знания в генеративный ИИ, и преимущества распространяются на всех.
В-третьих, становится легко постепенно переводить разделение задач внутри этой работы на генеративный ИИ.
Таким образом, путем преобразования итеративной работы в поточную работу и накопления знаний, необходимых генеративному ИИ для каждой задачи, в виде системы, интеллектуальная работа приближается к автоматизации, подобно заводской линии.
И, используя улучшения в базовой производительности генеративного ИИ, которые развиваются со временем, и применяя накопленные знания, специализированные для различных задач, станет возможным сделать всю поточную работу автоматизированным процессом, управляемым генеративным ИИ.
Виртуальный интеллект
На этом завершается анализ с точки зрения итеративной работы и инструментов, а также потоковой работы и систем.
Другая статья, которую я недавно написал, развивает эту дискуссию.
В той статье я затронул тему оркестровки с помощью виртуального интеллекта.
В настоящее время и в самом ближайшем будущем, из-за ограничений производительности, генеративный ИИ показывает лучшую эффективность и точность при сосредоточении на конкретных задачах.
Поэтому, как обсуждалось ранее в отношении поточной работы и систем, идеальным механизмом было соединение специализированных генеративных ИИ для каждой отдельной задачи через систему.
Однако, даже если производительность генеративного ИИ значительно улучшится, может быть более эффективным и точным обрабатывать данные, переключая роли и используя различные знания в рамках одного цикла обработки, а не просто параллельно обрабатывать различные задачи.
Этот метод исключит необходимость в системе для связывания генеративных ИИ. Операции, аналогичные системной интеграции, будут происходить внутри самого генеративного ИИ.
Кроме того, из ситуации, когда перестановка или добавление задач невозможны без изменений системы, сам генеративный ИИ сможет гибко реагировать.
Это означает возврат задач, выполненных поточным методом и систематизированных, к итеративной работе.
Однако итеративная работа, которая возвращается после прохождения этого процесса поточной работы и систематизации, будет находиться в состоянии, когда сформированы многократно используемые знания, даже если количество генеративных ИИ увеличивается или их версии изменяются.
Это решает проблемы человеческой итеративной работы и позволяет выполнять гибкие задачи, аналогичные тем, что выполняются людьми.
Здесь я называю способность генеративного ИИ переключать роли и знания во время одного выполнения «виртуальным интеллектом». Это аналогично виртуальной машине компьютера.
Подобно тому, как технология виртуальных машин имитирует работу совершенно разных компьютеров на одном аппаратном обеспечении, один генеративный ИИ обрабатывает данные, переключаясь между несколькими ролями.
Генеративный ИИ уже естественным образом приобрел эту способность виртуального интеллекта. Вот почему генеративный ИИ может имитировать дискуссии с участием нескольких человек или генерировать романы с несколькими персонажами.
Если эта способность виртуального интеллекта улучшится и будет обеспечена достаточными знаниями, станет возможным выполнение итеративной работы.
Оркестровка интеллекта
Кроме того, я называю способность свободно комбинировать множество ролей и знаний для выполнения задач «оркестровкой интеллекта».
Это похоже на технологию оркестровки, которая управляет несколькими виртуальными машинами.
Подобно тому, как технология оркестровки эффективно управляет системами, запуская необходимые виртуальные машины по мере необходимости, генеративный ИИ с улучшенными навыками оркестровки интеллекта — способностью виртуального интеллекта — сможет гибко выполнять итеративную работу, сохраняя эффективность и точность, при этом надлежащим образом используя многочисленные роли и знания.
Симфонический интеллект
Генеративный ИИ, достигший этой стадии, можно назвать Симфоническим интеллектом.
Подобно тому, как оркестр, в котором каждый музыкант владеет своим инструментом, исполняет одно произведение, выполняя свои соответствующие роли, Симфонический интеллект может исполнить симфонию интеллектуальной работы.
Этот Симфонический интеллект — новая концепция, представляющая собой конечную точку развития генеративного ИИ.
Однако сам Симфонический интеллект уже существует.
Это наш человеческий интеллект.
Именно потому, что мы обладаем Симфоническим интеллектом, мы можем неосознанно выполнять сложные интеллектуальные задачи гибко, с помощью итеративной работы, используя множество ноу-хау.
Наконец: Форма ОИИ
Предоставляя генеративному ИИ, способному имитировать симфонический интеллект, процессы поточной работы и базы знаний для других задач, он сможет обрабатывать множество итеративных задач.
По мере того как он станет способным обрабатывать множество различных итеративных задач, он, вероятно, сможет улавливать общие принципы и структурные закономерности в знаниях, относящихся к этим задачам.
В этот момент, для совершенно неизвестных итеративных задач, при наличии простого объяснения от человека, он сможет изучить ноу-хау этой задачи, просто наблюдая, как человек выполняет ее.
Это и есть истинный симфонический интеллект. Как только эта стадия будет достигнута, людям больше не придется тратить усилия на поточную работу или кодификацию ноу-хау.
Более того, знания, автоматически накапливаемые генеративным ИИ, могут быть переданы между самими генеративными ИИ.
Когда это произойдет, обучаемость генеративного ИИ значительно превзойдет человеческую.
Это можно считать одной из форм ОИИ.