대학 교육자이자 전 IT 업계 베테랑으로서 저는 중국의 Deepseek R1 모델 주변의 과대 광고 세 가지를 상기시켜줍니다.
첫 번째는 그 것입니다 생성 AI 더 이상 프롬프트에 대한 관련 응답을 생성하기 위해 방대한 양의 컨텐츠를 처리하는 것이 아닙니다. 인지 추론 (R1의“R”)에 관한 것입니다.
추론의 약속 큰 언어 모델 (LLM ‘s)는 한때 슈퍼 컴퓨터를 가진 Brainiacs의 독점적 인 영역 인 대규모 지식 검색 및인지 처리 기능이 이제 거의 모든 사람의 손에 달려 있다는 것입니다. 효율성 부스팅 기술의 차세대 발전 덕분에 복잡한 대화식 작업을 자율적으로 수행 할 수있는 여러 지능형 에이전트를 지원할 수있는 기존 랩톱에서 실행하기에 충분히 작은 모델이 있습니다.
둘째, 생성 AI 혁명은 혁신과 창의성에 가장 중요합니다. 가장 강력한 하드웨어, 교육 데이터 세트의 규모 또는 모델 매개 변수 수에 대한 무기 경주가 아닙니다. 이러한 기술을 성공적으로 채택하는 것은 대규모 에너지가 많은 슈퍼 컴퓨터를 훈련시키는 대규모 기술 회사에 의해 결정되지 않을 것입니다.이 새로운 물결을 준비하기 위해 인적 자본에 투자하는 국가와 조직에 의해 결정됩니다.
셋째, 마지막 지점을 세우는 미국은 우리 경제와 사회에 오는 극적인 변화에 잘 어울리지 않는 것 같습니다. 고등 교육과 기업 미국의 두 가지 예를 인용하겠습니다.
더 높은 -ED
대부분의 고등 학습 기관에서 학부의 첫 번째 큰 결정은보다 광범위하고 학제 간 교육, 또는 과학 학사 (BS) 학위와 관련된 예술 학사 (BA) 학위를 추구할지 여부를 결정하는 것입니다. 특정 분야에서 기술 개발 및 실습 경험에 더 중점을 둡니다.
AI의 시대에, 이것은 두 분야의 두 분야가 직장에서 필수적이되기 때문에 절망적으로 구식 이분법입니다.
사실, 대부분의 1 학년 학생들은 다양한 유형의 직업에서 일하는 것이 어떤 것인지, 심지어 자신의 능력, 재능, 기술 및 적성의 상대적 강점과 약점에 대한 지식이나 통찰력 근처에 있지 않습니다. 그럼에도 불구하고 대부분의 첫해는 전공을 선언해야하며, 이는 (더 나은 또는 더 나쁜) 공학, 엔지니어링, 어떤 분야를 알고 있는지 알고있는 (또는 적어도 그들이 알고 있다고 생각하는) 소수의 쉬운 결정이 될 것입니다. 과학, 의학, 법률 등
우리는 대학 졸업생의 첫 풀 타임 직업이 그들이 얻은 학위 나 전공과 아무 관련이 없음을 인정하는 고등 교육에 대한 훨씬 다르고 경력에 대비하고 광범위하며 학제 간 접근이 필요합니다. 그들의 대학 경험은 지속적인 학습의 평생 여행의 첫 번째 단계 일뿐입니다-업무, 자격 증명, 재창조, 경력 전환-지금도 상상조차 할 수없는 역할을합니다.
또한 교육자로서 우리는 처리 할 새로운 전략을 개발해야합니다. 당신은 표절이 있습니다 채팅 봇이 지적 단축키가되는 위험을 탐색하거나 “인지 오프로드” – 내부 기능을 개발하기보다는 외부 도구에 의존하는 경향이 있습니다.
지식이 이해와 분리되는 시대에는 AI가 개념을 이해하거나 문제를 해결하기 위해 레슬링 대신 즉각적인 답이나 해결책을 위해 AI를 자극하는 유혹이 너무 많습니다.
기업
대부분의 기업은 또한 이러한 새로운 기술의 조직적 영향을 깨닫지 못하는 것 같습니다.
현재의 IT 역할 및 구조는 이전의 디지털 혁명의 조직 요구 사항을 반영합니다. 이러한 기능은 필요한 전문 지식에서 발생했습니다 인간 사용하고 상호 작용합니다 컴퓨터 – 프로그래밍, 데이터 엔지니어링, 컴퓨터 아키텍처, 네트워크 관리, 정보 보안 등
대조적으로, 생성 AI (및 전체 필드 자연어 처리 이전)는 설계와 훈련에 관한 것입니다 컴퓨터 상호 작용합니다 인간.
결과적으로, 순위 및 파일 직원은 이러한 기술을 사용할 수있는 훌륭한 (그리고 때로는 위험한) 방법을 발명하고 있습니다. 조직은 위험을 최소화하면서 잠재적 생산성 이점을 극대화하기 위해 실행 가능한 정책, 절차 및 통제를 제시하기 위해 고군분투하고 있습니다.
주요 문제는 대부분의 기업에서 데이터 과학 전문 지식이 IT 부서에 집중되는 경향이 있는데, 대부분은 여전히 핵심 비즈니스 단위에서 조직적이고 기능적으로 고립 된 자신의 신비한 언어와 관행을 가진 비밀 길드로 운영되고 있다는 것입니다. 다가오는 생산성 혁명은 데이터 전문 지식이 전문화 된 기능으로 격리되지 않고 운영의 거의 모든 측면과 상호 연결되는 새로운 유형의 조직 역할과 구조를 요구한다고 생각합니다.
그리고 데이터 도전도 있습니다. 대부분의 조직에서 AI 채택은 독점 데이터를 사용하여 전문 사용 사례를 실행하기 위해 LLM을 사용자 정의하는 것입니다. 비즈니스 라인의 데이터 사용자는 완전히 정확하고 깨끗하며 잘 관리되는 데이터를 원하지만 데이터의 개별 소유자는 이러한 수준의 품질과 투명성을 보장하기위한 예산, 재무 인센티브 또는 조직 권한이 없습니다.
결과적으로 내부 데이터 세트는 기업 전체에서 발견 할 수 없거나 관리되지 않습니다. 일반적으로 다른 유형의 데이터는 다른 장소에 저장됩니다. 비즈니스 사용자 요청에 대한 응답으로 데이터에 대한 다양한보기를 제공하고, 데이터의 다른 사본 (및 사본 사본)을 만들고 다양한 이유로 데이터의 노출 및 추상화를 만듭니다.이 시점에서 어떤 버전을 아무도 모릅니다. 부실, 불완전, 복제, 부정확 또는 상황입니다.
결론
생성 AI는 모든 형태의 지식 작업을 변화시킬 가능성이 있습니다. 핵심적 으로이 기술은 코더, 비디오 그래퍼, 일러스트 레이터, 작가, 편집자 및 모든 유형의 지식 근로자 또는 “전문가”와 같은 전문가의 전문가 인 전문가의 전문 지식 민주화에 관한 것입니다. 이전에는 인간이 자신의인지 처리 및 추론 능력과 경쟁하는 기술을 다루지 않았으며, 단지 체력, 지구력, 손재주의 정밀도, 방대한 양의 데이터를 처리하고 처리하는 능력 일뿐입니다.
이 흥미 진진한 새로운 생산성 혁명에는 데이터 전문 지식이 거의 모든 유형의 비즈니스 프로세스에 필수적인 새로운 기술, 기능 및 조직 구조가 필요합니다.
아이러니 한 점은 기계가 더 큰 분석력을 달성함에 따라 조직 계층 구조에서 직원의 상태와 가치는 전문화 된 전문 지식, 경험 및 자격 증명의 기능이 줄어들 수 있으며 창의적이고 다 분야 및 대인 관계 기술의 기능이 줄어들 수 있습니다.
이 기능을 개발하고 투자 할 시간이 이제 있습니다.
게시물 Deepseek의 R1 : 유용한 알림 먼저 나타났습니다 Unite.ai.
