Od +AI do AI+. Sztuczna inteligencja generatywna a "przełom Netscape'a" Czym jest "przełom Netscape'a"? Sztuczna inteligencja i magiczna chwila Ale. AI to nie magia Jak przekształcić firmę z "+AI" w "AI+"? Zanim cokolwiek zrobisz, zmień swoje podejście z "+AI" na "AI+" Drabina AI - nowe podejście w erze sztucznej inteligencji Zanim wyruszysz w podróż, określ budżet i ustal, do czego wykorzystasz AI Wymiar pierwszy. Wydawać pieniądze, by oszczędzać, czy wydawać je, by zarabiać? Jak sztuczna inteligencja pomoże Twojej firmie? Wymiar drugi. W jaki sposób sztuczna inteligencja będzie wspomagać Twoją firmę? Wykorzystaj krzywą biegłości w celu zobrazowania, jak sztuczna inteligencja wspiera Twoją firmę Od czego zacząć? Przydatne wskazówki Zostań mistrzem zmian. Przejdź w lewo, a potem możesz przejść w prawo! Codziennie spotykamy się z problemami, które można rozwiązać lub których skutki można zmniejszyć za pomocą technologii Jak efektywnie wykorzystać w swojej firmie modele podstawowe i sztuczną inteligencję generatywną? Wskazówka 1. Działaj bez zwłoki Wskazówka 2. Bądź twórcą wartości AI, a nie tylko okazjonalnym użytkownikiem Wskazówka 3. Jeden model nie zdominuje wszystkich, więc postaw na społeczność Wskazówka 4. Uruchamiaj wszędzie i wydajnie Wskazówka 5. Bądź odpowiedzialny, ponieważ najważniejszą przepustką do działania jest zaufanie A teraz skupmy się na części dotyczącej sztucznej inteligencji Jak zostać twórcą wartości w dziedzinie sztucznej inteligencji? Rozwój sztucznej inteligencji na przestrzeni lat. Ewolucja AI Krótko o modelach podstawowych Więcej szczegółów. Rozwój dużych modeli językowych i porównanie uczenia nadzorowanego z uczeniem samonadzorowanym Twoim celem powinno być tworzenie wartości z użyciem sztucznej inteligencji Jak korzystać z AI? Czy jesteś twórcą wartości, czy jej konsumentem? Planowanie przyszłości z AI. Era wielu modeli sztucznej inteligencji Czas zrozumieć i wykorzystać sztuczną inteligencję Przyszłość sztucznej inteligencji Zaczynajmy Równania perswazji w sztucznej inteligencji Niektóre rzeczy są ponadczasowe Napięcie między człowiekiem a technologią istniało od zawsze Bez kalkulatorów! Trzy równania perswazji Równanie 1. Jak zwiększyć PKB? Równanie 2. Co decyduje o sukcesie sztucznej inteligencji? Równanie 3. Znajdź równowagę - opanuj paradoks Ostatnia rada: traktuj sztuczną inteligencję jak źródło wartości, a nie centrum kosztów Podsumowanie Przypadki użycia Krzywa tworzenia wartości oparta na przypadkach użycia Podejście horyzontalne daje największe możliwości Eksperymentowanie Wykorzystaj swoje dane Automatyzacja IT Kod. Język komputerów Pracownicy cyfrowi i asystenty AI Agenty Perspektywa biznesowa. Przypadki użycia - spojrzenie przekrojowe Dodatkowy przypadek użycia (przekrojowy) - dane syntetyczne Przegląd przypadków użycia w różnych branżach Rolnictwo Rachunkowość Edukacja Ochrona zdrowia Ubezpieczenia Obsługa prawna Produkcja Farmacja Nieograniczony potencjał. Nowe obszary zastosowań GenAI Bloki budulcowe sztucznej inteligencji Żyć, umrzeć, kupić czy wypróbować? Sztuczna inteligencja zadecyduje o wielu sprawach Modele językowe. O czym zwykle się zapomina? Graniczna data wiedzy Modele LLM potrafią mistrzowsko improwizować Ślad węglowy sztucznej inteligencji. Jaki jest klimatyczny koszt Twojego wirtualnego przyjaciela? Prawa autorskie i procesy sądowe Co z cyfrową esencją? Rosnąca powierzchnia ataku Ochrona danych Ukradnij teraz, złam później Skuteczne narzędzia dla sztucznej inteligencji Uczciwość. Jak grać uczciwie w erze sztucznej inteligencji? Stronniczość tu, stronniczość tam - stronniczość danych jest wszędzie Niezawodność. Jak stworzyć sztuczną inteligencję odporną na awarie? Wytłumaczalność. Jak wyjaśnić to, co prawie niewytłumaczalne? Rodowód danych. Śledzenie ścieżki. Niechaj zwyciężą dobre dane Przepisy. Podrozdział, którego miało nie być Co należy uregulować? Nasze stanowisko Zarządzanie cyklem życia sztucznej inteligencji Podsumowanie Umiejętności, które robią wrażenie Zaczynamy naukę Droga do zaawansowanej sztucznej inteligencji wymaga rozwoju umiejętności w szerokim zakresie specjalizacji Sztuczna inteligencja. Niszczyciel czy kreator miejsc pracy? Jeśli nie poprawisz swoich umiejętności, czeka Cię szach i mat Technologia dla wszystkich. Kreator miejsc pracy Klucze do sukcesu - jak stworzyć program rozwoju umiejętności na całe życie? Dźwignia 1. Zacznij od podstaw. Zatrudniaj pracowników, którzy chcą wiedzieć "dlaczego" Dźwignia 2. Pozyskaj pracowników z nastawieniem cyfrowym Dźwignia 3. Przeprowadź inwentaryzację swoich umiejętności Dźwignia 4. Planuj z myślą o działaniu. Sam plan to za mało Dźwignia 5. Zaakceptuj krzywe uczenia się (i zapominania) Dźwignia 6. Połącz instrukcję, obserwację i współpracę Dźwignia 7. Kultura ma znaczenie. Bądź czasownikiem umiejętności, nie rzeczownikiem Dźwignia 8. Ustal kierunek organizacji w zakresie AI Studium przypadku: wyzwanie kompetencyjne IBM - prezes zapytał, odpowiedzieliśmy wszyscy Podsumowanie Przyszłość technologii AI. Jeden model nie zdominuje wszystkiego! Czy większe zawsze znaczy lepsze? Może na początku, ale to już dawno minęło Rozkwit modeli SLM Przygotowanie danych ratunkiem dla sztucznej inteligencji Zastanów się nad tym, gdy planujesz działania związane z przygotowaniem danych Destylacja modeli - wykorzystanie AI do udoskonalania AI Co warto wziąć pod uwagę, myśląc o destylacji modeli? Dokąd zmierzamy? Małe modele językowe. do boju! Routing modeli Czynniki do uwzględnienia podczas planowania routingu modeli Architektura MoE Czynniki do uwzględnienia w kontekście modeli MoE Systemy agentowe Jak reagujesz na agenta w działaniu? Więcej o agentach Jak tworzy się agenty? Zagrożenia i ograniczenia systemów agentowych Trzy wskazówki na dobry początek - sprawdzone praktyki Na co zwrócić uwagę podczas pracy z agentami AI? Podsumowanie Wykorzystanie danych jako źródła przewagi konkurencyjnej Dostosowywanie rozwiązań open source dla firm. Nowe spojrzenie na dane w przedsiębiorstwie Pierwsza epoka ery danych. Spojrzenie na reprezentacje informacji sprzed kilku dekad Stwórz reprezentację swoich danych! Krok 1. Wszystko zaczyna się od zaufania Krok 2. Wprowadzanie danych firmowych do modelu językowego Krok 3. Wielki finał - wdrożenie i testowanie Przyszłość jest otwarta, oparta na współpracy i elastyczna Obliczenia generatywne. Nowe podejście do przetwarzania danych Podstawowe elementy informatyki Transformery - sztuczna inteligencja w nowej odsłonie Nie powrót do przyszłości, lecz powrót do informatyki Bez granic. Nowe spojrzenie na potencjał Jak tworzy się modele na potrzeby obliczeń generatywnych? "Biblioteki" do rozszerzania możliwości systemu obliczeń generatywnych Krótkie porównanie. Jak korzystasz z LLM dziś, a jak będziesz korzystać w modelu obliczeń generatywnych? Środowisko programowania generatywnego - jakie możliwości przed nami otwiera? Strawberry firmy OpenAI. Słodka innowacja w świecie technologii Od obliczeń generatywnych do generatywnego komputera. Co to oznacza dla sprzętu? Badania nad akceleracją działania AI w projekcie IBM NorthPole Ostatni prompt. Podsumowanie całości