-
IA generativa
A IA generativa já chegou:
Você está com tudo pronto?Inovação Integrada Intel®
-
-
-
Ponto de partida
Uma nova era com a IA generativa
A IA generativa (GenAI) está sendo aproveitada em grande escala tanto por organizações como indivíduos, gerando uma grande mudança social. A IA para consumidores, como o ChatGPT e DALL-E, conquistou a imaginação de todos pela capacidade de gerar conteúdo. No entanto, a repercussão da IA generativa sobre as organizações promete agregar ainda mais valor, como na maior produtividade, na redução de custos e na transformação da maneira que trabalhamos.
-
dos líderes de TI acreditam que a IA generativa será significativa, se não transformadora, para suas organizações.76%
A IA generativa transformará as organizações
Embora ela traga recompensas, também apresenta novos desafios e riscos. À medida que as organizações embarcam na jornada da IA generativa, elas não podem, na ânsia de cruzar a linha de chegada e ficar em primeiro lugar, colocar a confiança dos clientes e os próprios dados valiosos em risco.
dos líderes de TI acreditam que a IA generativa será significativa, se não transformadora, para suas organizações.76%
-
-
-
A função vital dos seus dados na IA generativa
Dados e os riscos caminham lado a lado. Os dados aceleram os projetos com IA generativa, mas você também precisa avaliar os possíveis riscos de hospedar os modelos dela em nuvens públicas, incluindo: a perda de propriedade intelectual, vazamento de dados, problemas de privacidade, violações de conformidade, perda de credibilidade e integridade, desvios, além de violação de IP.
-
-
Como gerenciar riscos e agregar valor
Ao iniciar sua jornada, é essencial sintonizar os investimentos em tecnologia e treinamento para acelerar a maturidade operacional, reduzir os riscos, aumentar o controle e maximizar valor para sua organização. Com a IA generativa pronta para empresas, você terá o controle sobre quem conseguirá acessar seus dados.
-
-
Risco em comparação com maturidade operacional de uma IA generativa imatura e IA generativa pronta para empresas.
-
-
-
Tenha sucesso ao usar a IA generativa
Embora as empresas tenham à disposição centenas de casos de uso em todos os segmentos verticais, é crucial chegar aos casos de uso certos.
-
Pessoas e equipes
Prepare sua organização para aproveitar as oportunidades da IA generativa, com um foco interno das organizações de TI e uma perspectiva externa da empresa.
-
Processos e políticas
Defina e comunique como sua organização aproveitará a IA e passará a encará-la como uma questão essencial dos negócios para motivar os funcionários.
-
Tecnologia
Ofereça um acesso seguro à IA generativa em toda a sua organização, evitando instâncias de IA invisíveis para garantir a integridade e a conformidade dos dados.
-
Estratégia
Observe o estado atual do seu ambiente para estabelecer a visão estratégica e os princípios básicos para futuros projetos de IA generativa.
-
-
-
-
-
-
Use seus dados com IA
Aproveite os dados certos
Os melhores casos de uso aproveitam seus dados avançados e contam com o nível de prontidão da IA, além de exigir a combinação ideal de conjuntos de habilidades, orçamentos e recursos. É importante que as equipes de TI e de negócios colaborem para estabelecer prioridades.
Embora implementar instâncias privadas de modelos de linguagem grandes (LLMs) com IA generativa, como Llama 2 ou Falcon, ofereça vantagens na velocidade e implementação, eles podem envolver custos mais altos e outras desvantagens. De qualquer forma, uma IA generativa interna deverá agregar o máximo de valor para suas iniciativas iniciais.
-
-
-
Criação de conteúdo
-
Pesquisas com linguagem natural
-
Geração de códigos
-
Assistente de suporte
-
Design e criação de dados
-
Automação de documentos
-
-
-
-
Mantenha os modelos de IA generativa próximos dos dados
-
-
Em termos de posicionamento, a IA generativa não é diferente de qualquer outra carga de trabalho. Para ter os melhores resultados, é preciso colocá-la no ambiente que faça mais sentido com base tanto nas necessidades de negócios como nas técnicas.
O diagrama abaixo apresenta conceitos e estruturas que entram em cena ao determinar o posicionamento das cargas de trabalho com IA generativa.
-
-
-
Cinco motivos para usar seus dados com IA
-
-
Alocação de cargas de trabalho de IA generativa em nuvens privadas em comparação com nuvens públicas.
-
-
Gerenciamento de dados para IA generativa
A maioria das organizações está implementando uma abordagem dupla na estratégia de IA generativa. Elas estão experimentando implementações táticas para aprender e tentar não ficar para trás, desenvolvendo também uma estratégia em longo prazo para acomodar os muitos casos de uso que surgirão com o passar do tempo. Essa abordagem requer uma estratégia de gerenciamento de dados de duas camadas.
PREPARAÇÃO DE DADOSENGENHARIA DE DADOS -
-
-
Preparação de dados
-
Detecção de dados
Identifique conjuntos de dados e defina os requisitos para dados
-
Exploração e aprimoramento de dados
Desenvolva e implemente o pipeline de dados para marcar, limpar, rotular e ocultar essas informações
-
Curto prazo: preparação dos dados
A preparação inclui a identificação de conjuntos e a definição dos requisitos de dados, seguidas da limpeza, rotulagem e ocultação, e, por fim, a normalização deles em diferentes fontes. Também é necessário criar pipelines de dados para integrá-los a um modelo.
-
-
-
Engenharia de dados
-
Ingestão de dados
Integre dados empresariais a modelos de linguagem grandes
-
Observabilidade e desempenho
Verifique se os dados transformados atendem aos objetivos
-
Longo prazo: engenharia de dados
As organizações precisam de um repositório de dados bem estruturado, como um data lake ou data lakehouse, para integrá-los aos modelos de IA generativa. É possível considerar a criação iterativa de um data lake para expandir progressivamente os recursos do repositório de dados de IA generativa à medida que a equipe aprimorar o gerenciamento de dados e as habilidades da IA generativa.
-
-
-
-
-
-
"Esta colaboração [com a Dell Technologies] capacitará as empresas a criar os próprios sistemas de IA aproveitando as inovações incríveis da comunidade de código aberto e se beneficiando da segurança, da conformidade e do desempenho dos sistemas Dell."
-
-
-
-
-
-
A IA NO TAMANHO CERTO
Defina a infraestrutura e a IA no tamanho certo
Seus dados exclusivos permitem que você utilize casos de uso específicos do domínio e da empresa, agregando valor ao setor por meio de tarefas ou funções pelas quais você tem propriedade exclusiva dos dados. Diferentes tipos de IA generativa têm pontos de entrada e investimentos correspondentes que são necessários para garantir o sucesso. LLMs treinados com grandes quantidades de texto são como enciclopédias, úteis para uso geral, mas talvez não adequados para responder a perguntas específicas sobre seus dados organizacionais.
-
-
-
Seus dados melhoram muito a eficiência e o valor da IA generativa
-
Uma comparação dos tipos de modelo, entre eles, os específicos da empresa, do domínio, bem como os modelos de linguagem grandes (LLMs).
-
-
-
Modelos de implementação de IA: avaliação das vantagens e desvantagens de custo e valor
Os três primeiros tipos de modelos de implementação mostrados abaixo são o que a maioria das organizações está implementando atualmente, começando com o "aumento de modelos" e, por fim, decidindo sobre "modelos de ajuste". O modelo de IA escolhido dependerá do nível de preparo da ciência de dados de sua organização, dos padrões de implementação e das implicações de cada um deles.
-
Modelo pré-treinado
Conhecida por "engenharia de prompt", essa abordagem trata da pergunta que é feita a um modelo pré-treinado e o recebimento de uma resposta.
Exemplo: ChatGPT
Aumento de modelos
Aprimore seu modelo de IA generativa incluindo dados que dão um contexto adicional para as respostas; por exemplo, a inferência, que inclui casos de uso como a geração aumentada de recuperação (RAG).
Modelos de ajuste
Envolvem o ajuste da ponderação do modelo e a integração dos seus dados. Embora isso resulte em resultados melhores, também exigirá mais esforço durante a configuração.
Treinamento de modelos
Inclui a criação de um modelo específico e o treinamento dele com um conjunto de dados. Geralmente, é preciso dedicar a maior parte do trabalho e de recursos para essa abordagem, que, com frequência, é reservada para resolver problemas complexos.
Esforço 
Custo 
Valor e
diferenciação
Integração de dados Infraestrutura Entre client e servidor Entre client e servidor Otimizado para GPU Grandes implementações de GPU Habilidades Operações de TI Desenvolvedor Cientista(s) de dados Cientista(s) de dados
-
Escolha a infraestrutura certa para o seu modelo
A infraestrutura compatível com a implementação da sua IA generativa depende muito dos requisitos computacionais, influenciados pelo tipo, tamanho e o número de usuários do modelo. Outras considerações incluem a capacidade de armazenamento necessária para os dados usados durante a implementação, o treinamento e o aperfeiçoamento do modelo.
-
Como o tipo, tamanho e número de usuários do modelo influenciam a infraestrutura da IA generativa para sua implementação.
-
-
-
-
-
Acelere sua jornada com a IA
Saia ganhando
A geração aumentada de recuperação (RAG) é um caso de uso inicial ideal para muitas organizações que utilizam recursos adicionais, como os seus dados, para aumentar um modelo sem precisar retreiná-lo. Explore a configuração de casos de uso de RAG que podem ser aplicados para melhorar sua empresa e dados.
-
Caso de uso de RAG
Aplique a RAG a um conjunto de dados em PDF personalizado
-
DELL VALIDATED DESIGN PARA RAG
Implemente um assistente digital no Dell APEX Cloud Platform for Red Hat OpenShift
-
-
Conte conosco para ajudar a acelerar sua jornada
A Dell pode ajudar você a eliminar obstáculos e permite a implementação da IA generativa em toda a empresa por meio de uma abordagem holística e abrangente desde o escritório até o data center.
-
