استراتژی مقیاسدهی مدلهای هوش مصنوعی تطبیق با زیرساختهای موجود و جمعآوری داده مداوم, مدیر محصول هوش مصنوعی شرکت متفا، مهدی شاهقلیان، در کارگاه از ایده تا محصول برگزار شده در حاشیه رویداد اینوتکس ۱۴۰۳، بر ضرورت تطبیق توسعه مدلهای هوش مصنوعی با واقعیتهای زیرساختی موجود تأکید کرد. او راهکارهای عملی برای تبدیل ایدهها به محصولهای موفق و چالشهای مقیاسدهی مدلها را تشریح نمود.
شناسایی نیاز واقعی بازار قدم اول موفقیت محصول شاهقلیان با اشاره به اهمیت حل مسئلهای واقعی، بیان کرد باید جستجوی مسئلهای باشیم که واقعاً نیاز حل شدن دارد، نه چیزی که خریدار نداشته باشد. او به مثالی از توسعهدهندهای اشاره کرد که مدل پیشبینی حرکات ترامپ ساخته بود، اما هیچ خریدار و کاربر هدفیابی برای آن وجود نداشت.
ن تلاش مورد نیاز برای ساخت محصول را با میزان اثرگذاری آن مقایسه کنند.
او مثال زد برای پیادهسازی چتبات، استفاده از APIهای آماده میتواند با تلاش کمتر، نیازهای کسبوکار را برطرف کند. این رویکرد پراگماتیک، از صرف منابع بیهوده در راهحلهای بیش از حد پیچیده جلوگیری میکند. جمعآوری داده فرآیندی مداوم، نه رویداد یکباره در خصوص حیاتیترین دارایی هوش مصنوعی، شاهقلیان هشدار داد داده نباید یکبار جمعآوری شود؛ این فرآیند باید مداوم باشد.
مدلها در طول زمان برجسته میسازد.
آخرین مطالب
واقعیتمحوری در انتخاب معماری و سختافزار او در مورد مقیاسدهی مدلها صراحتاً گفت نباید رویاپردازی کرد و تقلید از زیرساختهای OpenAI یا گوگل منطقی نیست، زیرا امکانات سختافزاری آنها با ما متفاوت است. شاهقلیان توصیه کرد در عدم دسترسی به کارتهای گرافیکی قدرتمند (مانند )، به سراغ معماریهای سبکتر و راهکارهای جایگزین روند.
این استراتژی توسعه متناسب با ظرفیت، کلید پایداری پروژههای هوش مصنوعی در محیطهای محدود منابع است.
