Autor | Ling Zijun, Li Yuan
Herausgeber | Jing Yu
Bildquelle: Erstellt von Unbounded AI
Huang Renxun stand in einer Lederjacke auf einem blauen Surfbrett und machte ein paar Surf-Posen.
Dabei handelt es sich nicht um VidCon, das „Internet Red Festival“ in den USA, sondern um eine Szene auf der Entwicklerkonferenz von Snowflake, einer bekannten Datenplattform in den USA.
Am 26. Juni Ortszeit diskutierten Nvidia-Gründer Huang Renxun und Snowflake-CEO Frank Slootman darüber, „wie man generative KI zu Unternehmensbenutzern bringt“. Gastgeber ist der ehemalige Greylock GP, der heute Gründer der Investmentagentur Conviction ist.
Bei dem Treffen war der „Pate in Leder“ im Vergleich zum reifen und umsichtigen professionellen Manager des „Gastgebers“ Frank wie immer erstaunlich und sagte nicht nur, dass die Zusammenarbeit zwischen den beiden Parteien „Wir sind Liebhaber, keine Kämpfer“ sei ( Wir sind Liebhaber, keine Kämpfer. Noch scherzhafter ist es, dass das für Snowflake bereitgestellte trainierte Modell einem „Rabatt von 10 %“ für Kunden entspricht.
Am selben Tag kündigten Nvidia und Snowflake gemeinsam einen weiteren großen Schritt an: Das weltweit führende Chipunternehmen kooperierte mit der beliebtesten Cloud-Datenplattform, um eine gemeinsame Kooperation zu starten. **Snowflake-Benutzer können das vorab trainierte KI-Modell von Nvidia direkt nutzen, um die Daten ihres eigenen Unternehmens auf der Cloud-Plattform zu analysieren, ohne die Plattform zu verlassen, und „KI-Anwendungen“ für ihre eigenen Daten entwickeln. **
„Die aktuellen großen Veränderungen kommen von Daten + KI-Algorithmus + Computer-Engine. Durch unsere Zusammenarbeit können wir diese drei Punkte zusammenbringen“, sagte Huang Renxun.
Gesprächsthemen:
- Großes Sprachmodell + unternehmensspezifische Datenbank = KI-Anwendung für spezifische Probleme;
- Früher hieß es „Daten gehen an die Arbeit“, aber jetzt heißt es „Arbeit geht an die Daten“, sodass die Datenverarbeitung dorthin gehen kann, wo sich die Daten befinden, und Dateninseln vermieden werden.
- Das von Nvidia bereitgestellte Vortrainingsmodell wurde in der Nvidia-KI-Fabrik für mehrere zehn Millionen Dollar trainiert, sodass der Aufruf der Computer-Engine auf Snowflake bereits „0,5 % reduziert“ wurde;
- Im Software-3.0-Zeitalter können Unternehmen auf der Grundlage von Modellen und Datenbanken innerhalb weniger Tage ihre eigenen exklusiven Anwendungen erstellen.
- In Zukunft werden Unternehmen in der Lage sein, viele intelligente Agenten zu produzieren und diese auszuführen;
- Für Unternehmen besteht das eigentliche Problem darin, wie sie gemischte strukturierte und unstrukturierte Daten mobilisieren können. Dies kann zu einer Aktualisierung des Geschäftsmodells führen.
Das Folgende ist der Hauptinhalt des Dialogs zwischen den beiden Parteien, herausgegeben von Geek Park:
01 Sprechen Sie über Zusammenarbeit: Bringen Sie die beste Computer-Engine zu den wertvollsten Daten
Frank:
NVIDIA spielt derzeit eine wichtige Rolle in der Geschichte. Für uns ist es wichtig, Daten und Beziehungen zu großen Unternehmen zu bringen. Wir müssen diese Technologie und den gesamten Service-Stack aktivieren, um sie effektiv nutzen zu können. Ich möchte es nicht als „eine himmlische Verbindung“ bezeichnen, aber für einen Laien ist es eine gute Gelegenheit, diese Tür der Möglichkeiten zu betreten.
Huang Renxun:
Wir sind Liebende, keine Rivalen. **Wir möchten die weltweit beste Computer-Engine für die wertvollsten Daten der Welt bereitstellen. Rückblickend arbeite ich schon lange, bin aber noch nicht so alt. Frank, du bist älter (lacht). **
In letzter Zeit sind die Datenmengen riesig und aus bekannten Gründen wertvoll. Es muss sicher sein. Das Verschieben von Daten ist schwierig und die Bedeutung der Daten ist real. Daher war es für uns viel einfacher, unsere Rechenmaschine auf Snowflake zu übertragen. Bei unserer Partnerschaft geht es darum, Snowflake zu beschleunigen, aber auch darum, KI in Snowflake zu integrieren. **
**Der Kern ist die Kombination aus Daten + Algorithmus für künstliche Intelligenz + Computer-Engine. Unsere Partnerschaft vereint alle drei Dinge. **Unglaublich wertvolle Daten, unglaublich tolle künstliche Intelligenz, unglaublich tolle Berechnungs-Engine.
Gemeinsam können wir Kunden dabei helfen, ihre proprietären Daten zum Schreiben von KI-Anwendungen zu nutzen. Wissen Sie, der große Durchbruch besteht hier darin, dass Sie zum ersten Mal ein großes Sprachmodell entwickeln können. Sie stellen es vor Ihre Daten und sprechen dann mit Ihren Daten wie mit einem Menschen, und diese Daten werden zu einem großen Sprachmodell erweitert.
Die Kombination aus einem großen Sprachmodell und einer Wissensdatenbank entspricht einer KI-Anwendung. ** Dies ist einfach: Ein großes Sprachmodell verwandelt jede Datenwissensdatenbank in eine Anwendung. **
Denken Sie an all die tollen Apps, die Menschen geschrieben haben. Im Kern gab es schon immer einige wertvolle Daten. Jetzt haben Sie eine allgemeine Abfrage-Engine an der Vorderseite, die sehr intelligent ist. Sie können sie auf Sie reagieren lassen, aber Sie können sie auch mit einem Proxy verbinden. Dies ist der Durchbruch, den Langchain- und Vektordatenbanken bringen. Bahnbrechende Dinge, die Daten und große Sprachmodelle überlagern, passieren überall, und jeder möchte es tun. Und Frank und ich werden Ihnen dabei helfen.
02 Software 3.0: Erstellen Sie eine KI-Anwendung, um ein bestimmtes Problem zu lösen
Gastgeber:
Wenn ein Investor diese Änderung betrachtet, ist Software 1.0 ein sehr deterministischer Code, der von Ingenieuren funktionell geschrieben wurde; Software 2.0 optimiert ein neuronales Netzwerk mit sorgfältig gesammelten, gekennzeichneten Trainingsdaten.
Sie helfen Menschen dabei, Software 3.0 zu nutzen, eine Reihe zugrunde liegender Modelle, die für sich genommen unglaublich leistungsfähig sind, aber dennoch mit Unternehmensdaten und benutzerdefinierten Datensätzen arbeiten müssen. Es ist viel billiger, diese Apps einfach gegen sie zu entwickeln.
**Eine Frage an diejenigen, die sich intensiv mit diesem Gebiet befassen: Das zugrunde liegende Modell ist sehr allgemein. Kann es alles? Warum brauchen wir maßgeschneiderte Modelle und Unternehmensdaten? **
Frank:
Wir haben also sehr verallgemeinerte Modelle, die Gedichte schreiben, Zusammenfassungen von „Der große Gatsby“ verfassen und mathematische Probleme lösen können.
Aber im Geschäftsleben brauchen wir diese nicht. Was wir brauchen, ist ein Copilot, der außergewöhnliche Erkenntnisse über einen sehr begrenzten, aber sehr komplexen Datensatz gewinnen kann.
Wir müssen Geschäftsmodelle und Geschäftsdynamik verstehen. Dies muss nicht so rechenintensiv sein, da ein Modell nicht auf eine Million Dinge trainiert werden muss, sondern nur sehr wenige, aber tiefgreifende Themen kennen muss.
Zum Beispiel. Ich bin im Vorstand von Instacart und einer unserer großen Kunden, wie DoorDash und all die anderen Unternehmen, die das Problem haben, dass sie ihre Marketingausgaben ständig erhöhen, ein Kunde kommt, ein Kunde gibt eine Bestellung auf und der Kunde tut es entweder Kommt nicht zurück oder kommt in 90 Tagen zurück, was sehr instabil ist. Sie nennen das Abwanderung.
Dabei handelt es sich um die Analyse komplexer Sachverhalte, denn es kann viele Gründe dafür geben, dass ein Kunde nicht wiederkommt. Die Menschen wollen die Antworten auf diese Fragen finden, und zwar in den Daten, nicht im allgemeinen Internet, und sie können durch künstliche Intelligenz gefunden werden. Dies ist ein Beispiel dafür, wie großer Mehrwert geschaffen werden kann.
Gastgeber:
Wie sollten diese Modelle mit Unternehmensdaten interagieren?
Huang Renxun:
Unsere Strategie und unsere Produkte sind hochmoderne vorab trainierte Modelle aller Größen. Manchmal muss man ein sehr großes vorab trainiertes Modell erstellen, damit es zum Unterrichten kleinerer Modelle erstellt werden kann.
Und kleinere Modelle können auf fast jedem Gerät laufen, möglicherweise mit sehr geringer Latenz. Allerdings ist seine Generalisierungsfähigkeit nicht hoch, und die Fähigkeit zum Null-Schuss (Zero-Sample-Lernen) ist möglicherweise eingeschränkter.
Sie haben also möglicherweise mehrere Modelle unterschiedlicher Art und Größe, aber in jedem Fall müssen Sie eine überwachte Feinabstimmung durchführen, Sie müssen RLHF (Reinforcement Learning mit menschlichem Feedback) durchführen, damit es Ihren Zielen und Prinzipien konsequent entspricht, die Sie benötigen um es mit so etwas wie einer Vektordatenbank zu erweitern, damit alles auf einer Plattform zusammenkommt. Wir verfügen über die Fähigkeiten, das Wissen und die zugrunde liegende Plattform, um ihnen bei der Erstellung ihrer eigenen KI zu helfen und diese dann mit den Daten in Snowflake zu verbinden.
Nun, **sollte es nicht das Ziel jedes Unternehmenskunden sein, darüber nachzudenken, wie ich ein großes Sprachmodell erstelle, sondern sein Ziel sollte sein: Wie erstelle ich eine KI-Anwendung, um ein bestimmtes Problem zu lösen? **Diese App benötigt möglicherweise 17 Fragen, um schließlich die richtige Antwort zu finden. Und dann könnte man sagen, ich möchte ein Programm schreiben, es könnte ein SQL-Programm sein, es könnte ein Python-Programm sein, damit ich das in Zukunft automatisch machen kann.
**Du musst diese künstliche Intelligenz noch anleiten, damit sie dir endlich die richtige Antwort geben kann. **Aber danach können Sie eine Anwendung erstellen, die rund um die Uhr als Agent (Agent) ausgeführt werden kann, nach relevanten Situationen sucht und Ihnen im Voraus Bericht erstattet. Unsere Aufgabe besteht also darin, Kunden beim Aufbau dieser Anwendungen für künstliche Intelligenz zu unterstützen, die spezifisch und individuell mit Sicherheitsleitplanken ausgestattet sind.
Letztendlich werden wir in Zukunft alle intelligente Hersteller sein und natürlich Mitarbeiter beschäftigen, aber wir werden eine Reihe von Agenten erstellen, die mit etwas wie Lang Chain, verbundenen Modellen, Wissensdatenbanken und anderen APIs erstellt werden können. in der Cloud bereitgestellt und mit allen Snowflake-Daten verbunden.
Sie können diese KIs im großen Maßstab betreiben und diese KIs kontinuierlich verbessern. Jeder von uns wird also KI herstellen und eine KI-Fabrik betreiben. Wir werden die Infrastruktur auf die Datenbank von Snowflake stellen, wo Kunden ihre Daten nutzen, ihre Modelle trainieren und entwickeln und ihre KI betreiben können, sodass Snowflake Ihr Datenspeicher und Ihre Bank sein wird.
Mit ihrer eigenen Goldgrube an Daten werden alle KI-Fabriken auf Snowflake betreiben. Das ist das Ziel.
03 Obwohl „Atombombe“ teuer ist, entspricht die direkte Nutzung des Modells einem „10 % Rabatt“
Huang Renxun:
Wir haben bei NVIDIA fünf KI-Fabriken errichtet, von denen vier zu den 500 besten Supercomputern der Welt gehören und der andere in Planung ist. Wir verwenden diese Supercomputer, um Modelle vor dem Training zu erstellen. Wenn Sie also unseren Nemo AI-Basisdienst in Snowflake nutzen, erhalten Sie ein hochmodernes vorab trainiertes Modell, das bereits zig Millionen Dollar gekostet hat, ganz zu schweigen von Forschung und Entwicklung. Es ist also vortrainiert.
Dann gibt es noch eine ganze Reihe anderer Modelle, die zur Feinabstimmung verwendet werden, RLHF. Alle diese Modelle sind viel teurer in der Ausbildung.
Jetzt haben Sie das vorab trainierte Modell an Ihre Funktionen und Leitplanken angepasst, es für die Art von Fähigkeiten oder Funktionen optimiert, die es haben soll, und es mit Ihren Daten ergänzt. Daher wäre dies ein kostengünstigerer Ansatz.
Noch wichtiger: innerhalb von Tagen, nicht Monaten. Bei Snowflake können Sie KI-Anwendungen entwickeln, die eine Verbindung zu Ihren Daten herstellen.
Sie sollten in Zukunft in der Lage sein, KI-Anwendungen schnell zu erstellen.
Weil wir es jetzt in Echtzeit erleben. Es gibt bereits Apps, die das Chatten mit Daten ermöglichen, wie zum Beispiel ChatPDF.
Gastgeber:
**Ja, im Software-3.0-Zeitalter werden bereits 95 % der Schulungskosten von anderen übernommen. **
Huang Renxun:
(lacht) Ja, 95 % Rabatt, ich kann mir kein besseres Angebot vorstellen.
Gastgeber:
Das ist der eigentliche Beweggrund, und als Investor sehe ich sehr junge Unternehmen in den Bereichen Analytik, Automatisierung, Recht usw., deren Anwendungen innerhalb von sechs Monaten oder weniger einen echten Geschäftswert erzielt haben. Ein Teil davon ist, dass sie mit diesen vorgefertigten Modellen beginnen, was eine große Chance für Unternehmen darstellt.
Huang Renxun:
Jedes Unternehmen verfügt über Hunderte, vielleicht sogar 1.000 KI-Anwendungen, die einfach mit allen Arten von Daten in Ihrem Unternehmen verbunden sind. Deshalb müssen wir alle gut darin sein, diese Dinge zu bauen.
04 Früher waren es Daten, die nach Unternehmen suchten, jetzt sind es Unternehmen, die nach Daten suchen
Gastgeber:
Eine der Fragen, die ich immer wieder von großen Unternehmen höre, ist, dass wir in KI investieren müssen. Brauchen wir einen neuen Stack? Wie sollten wir über die Verbindung mit unserem vorhandenen Datenstapel nachdenken?
Frank:
Ich denke, es entwickelt sich weiter. Modelle werden nach und nach einfacher, sicherer und besser verwaltet. Wir haben also keine wirklich klare Vorstellung davon, dass dies die Referenzarchitektur ist, die jeder verwenden wird? Einige verfügen über Einstellungen für einen zentralen Dienst. Microsoft verfügt über eine KI-Version in Azure und viele seiner Kunden interagieren mit Azure.
**Aber wir wissen nicht, welches Modell dominieren wird. Wir gehen davon aus, dass sich der Markt nach Dingen wie Benutzerfreundlichkeit und Kosten ordnen wird. **Dies ist nur der Anfang, nicht der Endzustand.
Auch der Sicherheitssektor wird eingebunden und die Frage des Urheberrechts wird reformiert. Da wir nun von der Technik fasziniert sind, werden wir uns gleichzeitig mit realen Problemen befassen.
Huang Renxun:
Wir erleben jetzt den ersten grundlegenden Wechsel der Computerplattform seit 60 Jahren. Wenn Sie gerade die Pressemitteilung zu IBM 360 gelesen haben, haben Sie von Zentraleinheiten, E/A-Subsystemen, DMA-Controllern, virtuellem Speicher, Multitasking, skalierbarem Computing vorwärts und rückwärtskompatibel und diesen Konzepten gehört. Eigentlich ist das alles 1964 und diese Konzepte haben uns in den letzten sechs Jahrzehnten dabei geholfen, CPUs zu skalieren.
Diese Expansion dauerte 60 Jahre, aber sie ist zu Ende. Jetzt versteht jeder, dass wir die CPU nicht mehr skalieren können und sich plötzlich die Software ändert. Die Art und Weise, wie Software geschrieben wird, wie Software funktioniert und was Software tun kann, unterscheidet sich stark von dem, was sie früher war. Wir nennen die bisherige Software Software 2.0. Jetzt ist es Software 3.0.
Die Wahrheit ist, dass sich die Informatik grundlegend verändert hat. Wir sehen, dass zwei grundlegende Dynamiken gleichzeitig ablaufen, weshalb die Dinge derzeit heftig ins Wanken geraten. **
Zum einen kann man keine CPUs mehr kaufen. Wenn Sie nächstes Jahr einen weiteren Haufen CPUs kaufen, erhöht sich Ihr Rechendurchsatz nicht. Denn das Ende der CPU-Skalierung ist gekommen. Sie zahlen eine ganze Menge mehr und erhalten keinen höheren Durchsatz. Die Antwort lautet also: Sie müssen beschleunigen (Nvidia Accelerated Computing Platform). Der Turing-Award-Gewinner sprach über Beschleunigung, Nvidia leistete Pionierarbeit und beschleunigtes Computing ist jetzt da.
Andererseits hat das gesamte Betriebssystem des Computers tiefgreifende Veränderungen erfahren. Wir haben eine Schicht namens NVIDIA AI Enterprise, und die darin enthaltene Datenverarbeitung, Schulung und Argumentationsbereitstellung wurde jetzt in Snowflake integriert oder wird gerade integriert. Daher ist vom Beginn der Datenverarbeitung bis zur endgültigen Bereitstellung eines großen Modells alles dahinter Die Berechnungs-Engine wurde beschleunigt. Wir werden Snowflake mit Strom versorgen, sodass Sie mehr erreichen können und mit weniger mehr erreichen können.
Wenn Sie in eine Cloud gehen, werden Sie feststellen, dass NVIDIA-GPUs dort die teuersten Recheneinheiten sind. Aber wenn man sich die Mühe macht, wird man sehen, dass wir es wirklich schnell machen. Es ist, als ob Sie einen Rabatt von 95 % erhalten würden. Wir sind das teuerste Computerunternehmen, aber auch das kostengünstigste Gesamtbetriebssystem.
Wenn Ihre Aufgabe also darin besteht, eine Arbeitslast auszuführen, vielleicht ein großes Sprachmodell zu trainieren, vielleicht ein großes Sprachmodell zu verfeinern, wenn Sie das tun möchten, beschleunigen Sie es auf jeden Fall.
** Beschleunigen Sie jede Arbeitslast. Dies ist die Umgestaltung des gesamten Stapels. **Prozessoren ändern sich dadurch, Betriebssysteme ändern sich dadurch, große Sprachmodelle sind unterschiedlich, die Art und Weise, wie Sie KI-Anwendungen schreiben, ist unterschiedlich.
In Zukunft werden wir alle Bewerbungen schreiben. Wir alle müssen unseren und unseren Kontext mit ein paar Python-Befehlen an ein großes Sprachmodell und unsere eigene Datenbank oder die Datenbank des Unternehmens anbinden und eigene Anwendungen entwickeln. Jeder wird ein App-Entwickler sein.
Gastgeber:
Aber das Gleiche ist, es sind immer noch Ihre Daten. Sie müssen es noch verfeinern.
Frank:
Es stellt sich heraus, dass wir alle das Gefühl haben, dass schneller immer teurer ist. Tatsächlich gilt plötzlich: Schneller ist billiger, was irgendwie kontraintuitiv ist. Manchmal möchten die Leute das Angebot reduzieren, weil sie denken, es sei billiger, und es stellt sich als teurer heraus.
Ein weiterer Widerspruch zum vorherigen besteht darin, dass es früher darum ging, dass Daten zur Arbeit gehen (Daten gehen zur Arbeit), aber jetzt sucht das Unternehmen nach Daten (Arbeit geht zu Daten). ** Seit über 60 Jahren überlassen wir Daten dem Unternehmen, was zu großen Informationssilos geführt hat. Und wenn Sie eine KI-Fabrik haben möchten, wird es sehr schwierig sein, die vorherige Methode zu verwenden. Wir müssen die Datenverarbeitung dorthin bringen, wo die Daten sind. Ich denke, was wir jetzt tun, ist der richtige Weg.
05 Wie Unternehmen den schnellsten und größten Mehrwert erzielen können
Frank:
Der Schnellste zu sein und den größtmöglichen Mehrwert zu erzielen, sind eigentlich zwei sehr unterschiedliche Probleme.
Wenn es die schnellste ist, **werden Sie bald feststellen, dass die KI-gestützte Suchmethode überall in der Datenbank online ist, da dies die am einfachsten hinzuzufügende Funktion ist. **Es ist unglaublich, dass jetzt sogar ein Analphabet wertvolle Informationen aus Daten gewinnen kann, was die ultimative Demokratisierung der Interaktion bedeutet. Die Suchfunktion wurde erheblich verbessert. Sie stellen einfach eine Frage an die Hauptoberfläche und sie können diese Fragen für ihre eigene Abfrage in die Daten einbringen. Das ist die niedrig hängende Frucht, die einfachste, wir denken, es ist Stufe eins.
Als nächstes beginnen wir, uns wirklich auf das eigentliche Problem zu konzentrieren, nämlich proprietäre Unternehmensdaten, gemischt strukturiert, unstrukturiert, all das. Wie mobilisieren wir diese Daten? **
Ich habe bereits die Abwanderungsrate und die Probleme beim Supply Chain Management erwähnt, mit denen C-Unternehmen konfrontiert sind. Wenn die Lieferkette besonders komplex ist und ein Ereignis eintritt, wie können wir die Lieferkette dann neu anpassen, damit sie funktioniert? was sollte ich jetzt tun Eine Lieferkette besteht aus vielen verschiedenen Einheiten, nicht aus einem einzelnen Unternehmen. Historisch gesehen ist dies ein Problem, das nie rechnerisch gelöst werden konnte. Supply Chain Management war noch nie eine Plattform, es ist im Grunde eine E-Mail, eine Tabellenkalkulation, mit ein paar kleinen Ausnahmen. Das ist also äußerst aufregend.
Oder wir können die Investitionen in große Callcenter neu kalkulieren und die Einzelhandelspreise optimieren. Wie gesagt, darin liegt das eigentliche Potenzial der Neudefinition des Geschäftsmodells, auf das sich CEOs großer Unternehmen gefreut haben. **
06 Vorschläge für Unternehmen:
Huang Renxun:
**Ich würde mich erstens fragen: Was ist meine wertvollste Datenbank? Zweitens würde ich mich fragen: Was würde ich diese Person fragen, wenn ich eine super, super, superintelligente Person hätte und alle Daten im Unternehmen über diese Superintelligenz laufen würden? **
Dies ist je nach Unternehmen unterschiedlich. Franks Firmenkundendatenbank ist sehr wichtig, da er viele Kunden hat. Und meine eigene Firma, ich habe nicht so viele Kunden, aber für meine Firma ist meine Lieferkette superkompliziert und meine Designdatenbank ist superkompliziert.
**Für NVIDIA können wir keine GPU ohne künstliche Intelligenz bauen. Weil keiner unserer Ingenieure so viel Iteration und Erkundung für uns durchführen kann wie KI. ** Als wir künstliche Intelligenz vorschlugen, erfolgte die erste Anwendung daher in unserem eigenen Unternehmen. Darüber hinaus ist es unmöglich, Hopper (NVIDIA-Supercomputerprodukt) ohne künstliche Intelligenz zu entwickeln.
Wir werden auch unsere eigene KI auf unsere eigenen Daten anwenden. Unsere Fehlerdatenbank ist dafür ein perfekter Anwendungsfall. Wenn Sie sich die Codemenge bei NVIDIA AI ansehen, verfügen wir über Hunderte von Softwarepaketen, die zusammen die Ausführung einer Anwendung ermöglichen. Wir arbeiten derzeit unter anderem daran, mithilfe von KI herauszufinden, wie die Sicherheit gepatcht und am besten aufrechterhalten werden kann, sodass wir nicht in die gesamte obere Anwendungsschicht eingreifen müssen und gleichzeitig abwärtskompatibel sind .
Hierauf kann Ihnen KI Antworten geben. Wir können ein großes Sprachmodell verwenden, um diese Fragen zu beantworten, die Antwort für uns zu finden oder uns etwas zu offenbaren, und dann können Ingenieure das Problem beheben. Oder die KI kann eine Reparaturmethode empfehlen und menschliche Ingenieure können bestätigen, ob es sich um eine gute Reparaturmethode handelt.
Ich glaube nicht, dass jedem klar ist, wie viel Intelligenz, Einsicht und Einfluss in den Daten verborgen sind, die er täglich verarbeitet. **Deshalb müssen wir uns alle engagieren und mithelfen, diese Zukunft zu gestalten.
Jetzt können die Daten, die Sie im Data Warehouse speichern, erstmals mit der Fabrik für künstliche Intelligenz verbunden werden. **Sie werden in der Lage sein, Informationsintelligenz zu produzieren, das wertvollste Gut der Welt. Sie sitzen auf einer Goldmine natürlicher Ressourcen – den proprietären Daten Ihres Unternehmens, und wir verbinden sie jetzt mit einer Engine für künstliche Intelligenz, und am anderen Ende generiert sie jeden Tag direkt Informationsintelligenz, mit einer unglaublichen Menge an Informationen vom anderen Ende nach außen rein, auch während du schläfst, kommt es immer wieder heraus. Es ist das Beste überhaupt.
