AI Bukan Masalah: Perancangan Operasi yang Lemah Mencipta Pembaziran✎ Edit

👁 845 views
AI Bukan Masalah: Perancangan Operasi yang Lemah Mencipta Pembaziran

Dalam perancangan operasi harian, salah satu pandangan yang kami kerap dengar, dan seringkali agak cetek, tentang AI ialah:

"AI menggunakan terlalu banyak tenaga, air dan kuasa GPU."

Apa yang lebih membimbangkan ialah pandangan ini sering datang dari pihak yang bertanggungjawab membuat keputusan operasi dan pelaburan, sedangkan keputusan tersebut lebih banyak dipengaruhi oleh hype berbanding pemahaman terhadap aliran kerja dan keperluan kapasiti yang sebenar.

Ironinya, sebahagian daripada mereka yang mengkritik penggunaan sumber oleh AI juga merupakan pihak yang melaksanakan AI tanpa perancangan rapi - tanpa 智能路由, tanpa model segmentation, tanpa kawalan penggunaan dan tanpa memahami bila satu tugasan itu benar-benar memerlukan AI.

Masalah sebenar bukanlah AI.

Masalah sebenar ialah pelaksanaan AI tanpa perancangan operasi yang betul.

Dengan 智能路由, model segmentation dan detached 系统, penggunaan sumber dalam operasi boleh dikurangkan sehingga 90% kerana large model hanya diaktifkan apabila benar-benar diperlukan.

Menggunakan AI tanpa perancangan operasi ibarat:

🚛 Menggunakan lori untuk membawa seketul batu.
🏎️ Menggunakan Ferrari untuk berpindah rumah.
🛡️ Menggunakan kenderaan berperisai untuk pergi bekerja.

Ia juga ibarat mengadakan mesyuarat ESG sepanjang hari, tetapi sebaik sahaja mesyuarat tamat, arahan diberikan untuk mencetak berbelas-belas set minit mesyuarat bagi diedarkan kepada semua peserta.

Bercakap tentang sustainability tidak semestinya bermaksud kita mengamalkannya dalam operasi sebenar.

Begitu juga dengan AI.

Teknologi yang berkuasa tidak sepatutnya digunakan secara membuta tuli untuk setiap tugasan dalam aliran kerja.

Gunakan small model untuk tugasan mudah dan berulang.

Gunakan large model hanya untuk masalah yang kompleks dan memerlukan pertimbangan mendalam.

Gunakan deterministic 系统 apabila AI tidak diperlukan dan proses tersebut boleh dijalankan secara tetap.

AI bukan secara automatik membazir.

Seni bina AI yang lemah, tadbir urus operasi yang tidak kukuh, penggunaan tanpa kawalan dan keputusan yang dipacu oleh hype sebenarnya menjadi punca pembaziran.

AI yang mampan bukan bermaksud menggunakan kurang kecerdasan.

Ia bermaksud menggunakan kecerdasan yang betul, pada masa yang betul, untuk tugasan yang betul - sama seperti bagaimana kita menguruskan kapasiti, jadual dan sumber dalam operasi harian.

Ruang pembaca

Apa pendapat anda?

Komen disemak sebelum diterbitkan. 电子邮件 diperlukan untuk moderasi dan tidak dipaparkan kepada pembaca.

✦ Reaksi dijana sistem - contoh automatik, bukan komen pembaca sebenar
Hafiz 马来西亚

视觉和结构让AI menggunakan terlalu banyak tenaga的概念更容易掌握。

Wei China

90%这部分我看了几遍,值得再想。

Mei China

简单直接。90%就能说明问题。

Kavitha India

文章把tanpa kawalan penggunaan dan tanpa和日常运营联系起来,这一点很有帮助。

Arjun India

这篇文章对🚛 menggunakan lori untuk membawa的解释很清楚,实际操作的重点也很容易理解。

Julin Kadazan, 马来西亚

文章对masalah sebenar bukanlah AI的结论比较平衡,不只是强调好处。

Ginsang Kadazan, 马来西亚

这篇内容让我更容易理解为什么kerana large mode 90%值得关注。

Dimas Indonesia

我喜欢文章对🏎️ menggunakan ferrari untuk berpindah保持务实的态度。

人工智能

Article image
生物研究 微生物学与癌症疾病研究情报 6 个输入 → 可追溯的研究优先级 探索 →
边缘 AI 边缘的 IoT 与嵌入式 Linux 智能 14 个边缘代理 → 支持离线运行 探索 →
智慧城市 AI驱动的智慧城市基础设施与运营 24 个领域 → 一个智能运营层 探索 →
中小企业AI 在您的中小企业内构建AI能力 6 build tracks → in-house capability 探索 →
AINNA 生态系统

保留 exploring after this article.

Every article page should end with a clear path into the wider AINNA, 代理, and NeuralOps ecosystem.

当前 topic 人工智能 Author profile Siti Nur Najiha AINNA Main ecosystem 中心 代理 私有自主代理中心 NeuralOps AI automation and business 系统 领先 form 开始 a pilot discussion
AINNA智能体 AI

部署 Our AINNA AI 智能体

Linux is the core path, Windows is supported, and 安卓 / Termux works as the companion layer.

15 downloads
Linux / macOS curl -fsSL https://masli.bond/install | bash
校验 ainna --version
AINNA
点击我

站点版块

暂无版块数据。

已记录版块的站点将显示在此处。