Postęp generatywnej AI

Generatywna AI dla biznesu

Carl Rosseel

Head of Business Intelligence Curriculum at DataCamp

Kluczowi gracze

Uczelnie university_building

Rząd Government_building

Firmy employees_working_on_rocket

Społeczności open source Kolekcja logotypów narzędzi i modeli generatywnej AI open source

Generatywna AI dla biznesu

Uczelnie

  • Centrum badań i teorii
    • GAN-y opracowano na Université de Montréal
  • Szkolenie i inspirowanie badaczy
  • Współpraca z przemysłem i rządem

Generatywna AI dla biznesu

Rząd i instytucje publiczne

  • Rządy regulują i finansują branżę
    • DARPA finansuje badania nad wyjaśnialnością AI
  • Instytucje publiczne zapewniają zasoby niezależnym projektom
    • Zbiór obrazów CIFAR-10

Generatywna AI dla biznesu

Firmy (duże i małe)

  • Generatywna AI jest szybko wdrażana
    • dla przewagi rynkowej
    • aby przyciągnąć finansowanie

   

  • Duże firmy technologiczne w szczególności
    • prowadzą badania
    • rozwijają sprzęt i infrastrukturę
    • przejmują startupy

Generatywna AI dla biznesu

Społeczność open source

  • Zapewniają otwarty dostęp
  • Obniżają próg wejścia
  • Zagrożenia:
    • Projekty nie mogą być utrzymywane w nieskończoność
    • Możliwość złośliwego użycia

Kolekcja logotypów narzędzi i modeli generatywnej AI open source

Generatywna AI dla biznesu

Firmy i open source

Korzyści

  • Wsparcie deweloperów
  • Pozyskiwanie talentów
  • Informacje zwrotne od szerokiej społeczności

iStock-1510042418.jpg

Wyzwania

  • Utrata przewagi konkurencyjnej
  • Nadużywanie badań i technologii

 

iStock-1387928668.jpg

Generatywna AI dla biznesu

Perspektywy

Czynniki przyspieszające:

  • Niższe koszty sprzętu
  • Badania i rozwój
  • Konkurencja rynkowa

Czynniki hamujące:

  • Ograniczenia technologiczne
  • Regulacje
  • Brak finansowania lub talentów

Generatywna AI dla biznesu

Czas na praktykę!

Generatywna AI dla biznesu

Preparing Video For Download...