Tarehe 24 Oktoba iliyopita, kwa mwaliko wa Chama cha Korea cha Ujasusi wa Viwanda (KOIIA), tulishiriki katika 'Academy ya Kukuza Vipaji Muhimu vya Biashara za Kati za 2025, Semina ya Mikakati ya Kukabiliana na Sekta za Baadaye', ambapo Mkurugenzi Mtendaji wa CLEVI, Lee Hwan-ho, alitoa hotuba kuu.
Tulishiriki katika kipindi cha 'Mifano ya Matumizi ya Teknolojia ya AI na Mikakati ya Kiutendaji ya DX' kwa mada ya 'Mifano ya Matumizi ya Physical AI na Sababu za Kushindwa pamoja na Mikakati ya Uboreshaji katika Mchakato wa Kuanzisha Mawakala wa RAG'.
Kadiri hamu ya mawakala wa AI inavyozidi kuongezeka hivi karibuni, idadi ya kampuni zinazozingatia kuanzisha AI pia inaongezeka. Tunaelewa kuwa taasisi na kampuni nyingi tayari zimeanza kutumia AI kwa majaribio na kuiendesha.
Hata hivyo, kwa bahati mbaya, tafiti zimeonyesha kuwa katika kampuni na taasisi nyingi, ROI inayotarajiwa haipatikani, au vipengele vilivyofanya kazi katika PoC havitoi majibu yanayofaa au havifanyi kazi ipasavyo katika mradi mkuu au mazingira ya kazi.
Kwa sababu ya taarifa hizi, kampuni nyingi zinasita kuanzisha AI kwa haraka.
Katika mhadhara huu, Mkurugenzi Mtendaji wa CLEVI, Lee Hwan-ho, alieleza kwa kina kuhusu mipaka ya mifumo ya RAG, ambayo ni mojawapo ya sababu kuu za kushindwa kwa uanzishaji wa AI wa haraka, pamoja na miundo ya open source au Small LLM (SLM), na kueleza kwa nini mifano ya awali ya uanzishaji ilishindwa.
Hatimaye, sababu ya kutumia AI ni kutarajia kwamba itachukua nafasi ya kazi za binadamu au kuonyesha utendaji bora kuliko binadamu.
Wafanyakazi wa kiutendaji katika kampuni zilizoanzisha AI hivi sasa hawawezi kuamini ubora wa majibu ya AI, hivyo malalamiko yameibuka kwamba mzigo wa kazi umeongezeka kwa sababu wanalazimika kukagua kila jibu la AI moja baada ya jingine.
Sababu ni kwamba kampuni nyingi hutumia miundo ya SLM ya open source kama suluhisho baada ya kuifanyia fine-tuning.
Kwa mtazamo wa moja kwa moja, tunaweza kufikiri kwamba AI itakuwa na akili zaidi inapojifunza maarifa mapya, lakini kwa kweli, AI inapojifunza maarifa mapya, hupoteza kumbukumbu za zamani, yaani uzani wa vigezo unaobainishwa kiholela.
Tatizo kubwa zaidi ni kwamba hakuna anayejua ni taarifa au maarifa gani yamepotea.
Kwa kuwa kuanzisha AI si jambo linalohitaji rasilimali chache, huenda mlifanya uthibitishaji mwingi tangu hatua ya PoC.
Kwa nini matatizo hayo hayakujitokeza wakati huo? Bila shaka, ni kwa sababu ilifanyiwa mafunzo upya kwa kutumia taarifa lengwa.
Mlimfundisha AI iliyojua nambari pekee alfabeti, kisha mkamuuliza maswali kuhusu alfabeti pekee; kwa hiyo ni kawaida kutoa majibu mazuri. Lakini katika mazingira halisi, je, tunahitaji tu miundo iliyobobea katika kikoa fulani?
Mazingira yetu ya kazi hukabiliwa na mazingira mapya na data mpya kila siku. Hata hivyo, AI iliyofunzwa huku ikiharibu maarifa ya awali bila mpangilio haiwezi kuhakikisha si matumizi ya jumla tu bali pia usahihi.
Kwa hivyo, inahitajika kuwa na From-scratch Foundation modeli kubwa ya lugha, au teknolojia inayoweza kuunda modeli hiyo.
Hii ni kwa sababu miundo hiyo ina karibu maarifa yote ya ulimwengu, hivyo si ubora wa majibu pekee bali pia usahihi huwa wa juu.
Kwa vikoa maalumu, unaweza kushinda hasara za SLM iliyofanyiwa fine-tuning kwa kutumia teknolojia iitwayo SFT(Supervised Fine-Tuning), au kwa kiasi kidogo cha data kutumia mfumo wa RAG ama teknolojia ya Semantic Database, mfumo wa hifadhidata ya intelijensia uliotengenezwa na CLEVI wenyewe.
Kwa kuwa serikali pia inatambua umuhimu wa miundo hii ya foundation, inaendelea kutoa msaada mkubwa.
Huo ni mradi wa AI ya kitaifa. Lengo kuu la mradi huu huenda likawa kupata mamlaka ya kidijitali.
Kwa kuwa CLEVI pia tulijua hasara kubwa zinazoweza kutokea tunapotumia miundo ya open source, tuliunda kwa kujitegemea kila kitu kuanzia ukusanyaji wa data hadi usanifu wa usanifu wa mfumo, na tukafundisha miundo ya CLEVI.
Kwa sasa, miundo ya CLEVI ina utendaji ambao hauko nyuma hata kidogo inaposhindanishwa na AI bora zaidi duniani.
Hasa kwa kuwa tunamiliki modeli zetu wenyewe, CLEVI haihusiki na tatizo la utegemezi linaloweza kutokea tunapotumia modeli za nje.
Sasa kuanzisha AI kunazidi kuwa jambo la lazima badala ya chaguo. Hata hivyo, ni vigumu kupata matokeo yanayotarajiwa kwa kuanzisha tu teknolojia ya hivi punde.
Ubunifu wa kweli huanza pale tu tunapoelewa kwa usahihi mipaka ya teknolojia na kuweka mkakati bora unaolingana na mazingira na malengo ya shirika letu.
Kwa kutumia uwezo wa kipekee wa kiteknolojia, kama vile modeli kubwa ya lugha ya CLEVI iliyoundwa kwa kujitegemea na hifadhidata ya kisemantiki, CLEVI inapunguza kwa kiwango cha chini majaribio na makosa pamoja na hatari ambazo kampuni hukabili katika mchakato wa kuanzisha AI.
Tutaendelea kusikiliza sauti za walio mstari wa mbele na kufanya kila tuwezalo kuwa mshirika wa AI anayeaminika na makampuni zaidi. Tunatumaini mtajenga mafanikio ya kweli ya kuanzisha AI pamoja na CLEVI.