Lorsque l’IA générative (GenAI) a fait irruption sur la scène, j’ai regardé pendant quelques mois et j’ai vu un cycle familier. C’est le même battage médiatique qui a poussé les nuages à des hauteurs auparavant inconnues. Et dans ce cycle il y avait des modèles ; Il s’avère que ces modèles ne sont pas propres à une technologie mais plutôt applicables au cycle général de l’innovation.
Il semble donc élémentaire d’appliquer ces cycles à l’IA et de proposer une spécialisation des modèles comme deuxième vague de développement. IA générative. Cela repose sur l’évolution du SaaS depuis l’hébergement général de logiciels vers des fonctions commerciales spécifiques, du cloud en tant que calcul bon marché vers des écosystèmes de services, et sur le matériel depuis un usage général (CPU) vers une informatique spécifique (GPU) besoin.
L’IA et la GenAI sont sur la voie rapide
La plus grande différence entre l’IA et le cycle du cloud est que l’IA évolue beaucoup plus rapidement. Cela peut être largement attribué au modèle de développement open source et à l’adoption de ce modèle par les entreprises dans leur ensemble. Nous disposons déjà de tellement de modèles dérivés que la plupart d’entre nous ne peuvent pas suivre. Nous devons effectuer un suivi en fonction de grandes catégories qui sont de plus en plus liées à la fonction commerciale.
Cela était déjà évident plus tôt cette année lorsque nous a étudié l’adoption de l’IA dans l’une de nos enquêtes approfondies du marché. Les organisations utilisaient déjà en moyenne 2,9 modèles différents, y compris des modèles open source et propriétaires. Après une analyse plus approfondie, les raisons sont devenues claires : les organisations sélectionnaient déjà elles-mêmes leurs modèles en fonction de leur domaine. C’est-à-dire sur la fonction commerciale et opérationnelle qu’ils remplissaient.
Par exemple, alors que près d’un tiers (32 %) des organisations se sont tournées vers Microsoft pour mettre en œuvre des solutions basées sur l’IA. automatisation du flux de travailles deux tiers (67 %) ont utilisé Mistral pour mener des opérations de sécurité. Et un nombre stupéfiant de 92 % s’appuyaient sur des modèles open source pour la création de contenu.
Mais ce n’étaient pas nécessairement spécifique au domaine. Il s’agissait simplement de modèles de déploiement différents pour une IA générative générique avec des capacités et des paramètres différents.
La GenAI spécialisée est ici
Maintenant, nous voyons spécifique au domaine des modèles surgissent. Il s’agit de modèles spécialisés qui se concentrent sur certains secteurs ou intègrent les meilleures pratiques d’un domaine qui peuvent être formés de manière centralisée, puis déployés et affinés par les organisations. Ils reposent sur des ensembles de connaissances spécifiques plutôt que sur le corpus d’informations généralisé sur lequel l’IA conversationnelle est formée.
Par exemple:
Med-PaLM 2 – Med-PaLM 2 se concentre sur les connaissances médicales, en aidant à l’analyse des données cliniques, aux questions-réponses médicales et aux informations liées aux soins de santé.
BloombergGPT – Ce modèle a été formé sur un vaste corpus de données financières, lui permettant de faciliter des tâches telles que l’analyse financière, la synthèse des tendances du marché et la génération de rapports financiers.
Semi-Kong – Destiné à l’industrie des semi-conducteurs, il s’agit d’un LLM open source spécifiquement formé au contenu lié aux semi-conducteurs. Il prend en charge des tâches telles que la synthèse de documents techniques, l’assistance à la conception de semi-conducteurs et la gestion de requêtes complexes dans ce domaine spécialisé.
En adoptant l’IA générative spécifique à un domaine, les entreprises peuvent obtenir des résultats plus précis et plus pertinents, réduisant ainsi les risques associés aux modèles à usage général. Cette approche améliore non seulement la productivité, mais aligne également les capacités d’IA sur les besoins spécifiques de l’entreprise.
GenAI et réseautage
La question est maintenant de savoir si cette spécialisation peut être appliquée à des domaines tels que les réseaux, la sécurité et la fourniture d’applications.
Oui, mais non. La vérité est que l’IA prédictive (classique) va changer à jamais ces domaines techniques. Mais cela se fera de l’intérieur vers l’extérieur ; c’est-à-dire que l’IA prédictive fournira une analyse en temps réel du trafic qui permettra à une IA opérationnelle d’agir. Il pourrait bien s’agir d’une IA générative si nous incluons l’IA agentique dans cette vaste catégorie.
Mais GenAI aura un impact sur comment nous opérons mise en réseau, sécurité et fourniture d’applications. Ils ne seront pas spécifiquement formés pour ton opérations à moins que ton l’architecture d’entreprise ressemble exactement à toutes les autres architectures d’entreprise.
Ouais, je ne le pensais pas.
Mais nous verrons des modèles GenAI opérationnels formés pour interagir avec un large éventail d’infrastructures de réseau, de sécurité et de fourniture d’applications via leurs API. Nous verrons des modèles capables de générer des configurations et des politiques correctes en fonction des informations qu’ils reçoivent de l’IA prédictive et des humains. Nous verrons une IA générative capable de déployer ces configurations et politiques. Il peut même être capable de suggérer des architectures basées sur les meilleures pratiques et une compréhension des flux de trafic. dans votre architecture.
Les modèles GenAI spécifiques à un domaine arrivent sur un réseau près de chez vous. Et pour les 95 % de professionnels frustrés par la complexité des opérations modernes, c’est une bonne chose.
