CP v2

Tag: Duomenų sauga

  • Bielik.AI kūrėjai apie lenkišką DI: bendruomenės jėga, 30 kalbų ir brangstanti skaičiavimo galia

    Lenkiškas DI, kurį augina bendruomenė

    Lenkijoje kuriamas kalbos modelis Bielik.AI vis dažniau minimas kaip pavyzdys, kaip atviro tipo projektas gali judėti į priekį ne tik įmonės, bet ir plačios bendruomenės pastangomis. Apie projekto kryptį ir iššūkius viešai kalba vienas jo bendraautorių Sebastianas Kondrackis, siejamas su fondu SpeakLeash ir technologijų bendrove „Deviniti“.

    Jo teigimu, Bielik.AI branduolį sudaro nedidelė komanda, kuri tiesiogiai treniruoja modelį, o aplink ją susiformavusi daug platesnė ekosistema kuria įrankius, testuoja, rengia demonstracijas ir perduoda grįžtamąjį ryšį. Toks organizavimo principas leidžia greičiau pastebėti klaidas, patikrinti idėjas ir adaptuoti sprendimus realioms užduotims.

    Pasak Kondrackio, aktyvi bendruomenė jau skaičiuoja apie 5 000 žmonių. Jie dalijasi pastebėjimais, lygina rezultatą su kitais modeliais, o dalis narių padeda projektą „įnešti“ į organizacijas, kuriose dirba.

    Nuo lenkų kalbos iki daugiau nei 30 kalbų

    Bielik.AI pradžioje orientavosi į lenkų kalbą, tačiau projektas ėmė plėstis, kai komanda įvertino, kad jų duomenų paruošimo, valymo ir klasifikavimo metodai gali būti pritaikomi ir kitoms kalboms. Dėl to modelis palaipsniui tapo daugiakalbis.

    Skelbiama, kad šiuo metu Bielik.AI apima daugiau nei 30 natūralių kalbų, o vienas artimiausių tikslų yra auginti naudotojų ir kūrėjų ratą ne tik Lenkijoje, bet ir plačiau Europoje. Praktinis šio žingsnio motyvas aiškus: kuo platesnė naudotojų bazė, tuo daugiau realių scenarijų, testų ir pastabų, padedančių gerinti kokybę.

    Plėtra į kitas kalbas taip pat suteikia galimybę konkuruoti ne „viena prieš vieną“ su didžiaisiais pasauliniais tiekėjais, o ieškoti nišų, kur svarbus lokalus kontekstas, terminija ir duomenų sauga.

    Verslas domisi, bet dažnai pritrūksta pasirengimo

    Kondrackis atkreipia dėmesį, kad daugelis organizacijų DI diegimą pradeda nuo noro neatsilikti nuo mados, tačiau ne nuo aiškiai suformuluoto poreikio. Tokiais atvejais rizika didelė: pasirenkamas netinkamas panaudojimo atvejis, o projektas nepasiekia laukiamos grąžos.

    Anot jo, dažnai trūksta ne vien techninių, bet ir organizacinių kompetencijų: kaip parinkti užduotį, kaip apibrėžti sėkmės rodiklius, kaip paruošti duomenis, kaip suvaldyti rizikas. Tai ypač aktualu generatyvinio DI atvejais, kai sprendimų kokybė priklauso nuo konteksto, o klaidos gali turėti reputacinių ar teisinių pasekmių.

    „Daugelis vertina DI per „ChatGPT“ prizmę ir nori tokio pat sprendimo savo organizacijoje, tačiau tuomet atsiranda kainos, reguliavimo ir jautrių duomenų klausimai“, – sakė Sebastianas Kondrackis.

    Skaitmeninė suverenija ir infrastruktūros kaina

    Viešojoje diskusijoje apie Europos skaitmeninę suvereniją vis dažniau akcentuojama, kad kritinėse srityse svarbu turėti alternatyvą globalioms platformoms. Kondrackis pabrėžia, kad jautrių duomenų atvejais daliai organizacijų aktualu DI sprendimus vykdyti savo infrastruktūroje, o ne vien viešojoje debesijoje.

    Jo vertinimu, Lenkijoje jau susiformavo keli centrai, kuriantys kompaktiškesnius kalbos modelius, galinčius tapti pagrindu lokalioms iniciatyvoms. Tačiau pagrindinis stabdis išlieka skaičiavimo galia: galingų serverių, akseleratorių ir kitos infrastruktūros poreikis auga, o dėl DI paklausos bumo komponentų kainos kyla visoje Europoje.

    Tai reiškia, kad net ir turint talentų bei aktyvią bendruomenę, ilgalaikis proveržis priklausys nuo to, ar pavyks užsitikrinti pakankamus skaičiavimo resursus. Kartu tai tampa ir strateginiu klausimu valstybėms bei regionui, siekiančiam mažinti priklausomybę nuo riboto skaičiaus pasaulinių tiekėjų.

  • DI bankuose ir medicinoje jau duoda naudą, bet pramonę stabdo viena kliūtis: pilotai be masto

    DI vertė atsiranda tik „produkcinėje“ fazėje

    DI bankuose, medicinoje, pramonėje ir viešajame sektoriuje vis dažniau tampa kasdieniu įrankiu, tačiau realią grąžą organizacijos pajunta tik tada, kai sprendimai įdiegiami plačiai. Ekspertų teigimu, daug įmonių užstringa bandymų ir pilotinių projektų etape, todėl DI neperkeičia veiklos modelio.

    Diskusijose apie DI praktinį pritaikymą dažnai pabrėžiama, kad problema retai būna technologijų trūkumas ar teisinis reguliavimas. Dažnesnė kliūtis yra organizacinė kultūra, vadovų lūkesčiai ir nenoras peržiūrėti procesų prieš diegiant automatizaciją.

    Didžiausia kliūtis – ne įrankiai, o požiūris

    Konsultavimo bendrovės „Accenture“ atstovai atkreipia dėmesį, kad prieš perkant DI sprendimus būtina įsivertinti, kaip veikia procesai ir kur tiksliai kuriama vertė. Kai DI įsigyjamas tikintis, kad jis „įsidiegs pats“, dažnai pritrūksta aiškių tikslų, duomenų parengimo ir atsakomybių.

    „Įmonės nusiperka įrankius ir tikisi, kad jie patys bus įdiegti, o žmonės pradės jais naudotis ir vėliau praneš, kiek tapo efektyvesni“, – sakė Dawidas Osiecki.

    „Google“ viešosios politikos vadovas regione Marcin Krasuski taip pat akcentuoja, kad DI diegimo tempą neretai riboja baimė suklysti ir nepasitikėjimas technologija. Pasak jo, verta pradėti nuo vieno aiškaus proceso ir mažos komandos, bet nuo pat pradžių numatyti kelią į mastą, o ne vien tik demonstraciją.

    „Skaičiai, rodantys atsilikimą diegiant debesiją ar DI, slepia paprastą tiesą: barjerai dažniausiai yra mentaliniai, o ne teisiniai“, – sakė Marcin Krasuski.

    Bankai ir sveikatos sektorius rodo apčiuopiamą naudą

    Finansų sektorius DI diegimą jau perkelia iš eksperimentų į skalę, nes čia aiškiai apibrėžti procesai, gausūs duomenys ir griežti rizikų valdymo standartai. Bankuose DI pradėtas taikyti kreditų rizikos vertinimui, sukčiavimo ir pinigų plovimo prevencijai, o šiandien vis dažniau naudojamas klientų užklausų analizei bei atsakymų juodraščių parengimui.

    „Bankas yra viešojo pasitikėjimo institucija, todėl DI modeliai turi būti validuojami, periodiškai peržiūrimi ir atitikti visus reguliacinius reikalavimus“, – sakė Alicja Żyła.

    Sveikatos apsaugoje ir klinikiniuose tyrimuose DI potencialas vertinamas kaip galintis sumažinti kaštus, pagreitinti tam tikrus etapus ir tiksliau parinkti tyrimų kryptis. Vis dėlto pabrėžiama, kad medicinoje klaidos tolerancija yra itin maža, todėl DI sprendimai turi būti integruoti taip, kad galimos modelių klaidos nepaveiktų galutinio sprendimo be žmogaus patikros.

    „Medicinoje ir klinikiniuose tyrimuose klaidos riba yra nulinė, todėl galutinėje grandyje sprendimą vis tiek priima žmogus“, – sakė Bartłomiej Kopacz.

    Pramonėje DI svarba didėja ir dėl darbo jėgos trūkumo: automatizacija padeda ten, kur darbas pavojingas, monotoniškas ar fiziškai sunkus. Praktiniai scenarijai apima vaizdo analizę, anomalijų aptikimą, kokybės kontrolę ir robotizuotų darbo vietų diegimą sudėtingomis sąlygomis.

    Viešajame sektoriuje DI potencialas siejamas su dokumentų apdorojimu, aptarnavimo greičiu ir vidaus procesų optimizavimu, tačiau čia ypač svarbūs duomenų apsaugos, skaidrumo ir atsekamumo principai. Be to, organizacijoms tenka investuoti į darbuotojų kompetencijas, kad DI būtų naudojamas atsakingai, o ne formaliai.

    Vienas ryškiausių bendrų vardiklių skirtinguose sektoriuose yra poreikis pereiti nuo pavienių bandymų prie nuoseklios programos: procesų inventorizacijos, duomenų parengimo, rizikų vertinimo, KPI nustatymo ir aiškaus valdymo modelio. Tik tuomet DI tampa ne „gražiu pilotu“, o įrankiu, keičiančiu produktyvumą ir paslaugų kokybę.

  • DI agentai pramonėje: kaip mažinti konfabulacijas, saugoti įmonės duomenis ir procesus

    Pramonėje dirbtinis intelektas vis dažniau diegiamas ne kaip vienas universalus pokalbių įrankis, o kaip specializuoti DI agentai, kurie padeda darbuotojams analizuoti duomenis ir priimti sprendimus. Toks modelis skirtas ne pakeisti žmogų, o suteikti jam greitesnę prieigą prie informacijos ir aiškesnį kontekstą.

    Šis požiūris ypač svarbus gamyboje, kur DI tenka dirbti su jautriais įmonės duomenimis: technologinėmis kortelėmis, įrangos parametrais, kokybės rodikliais, tiekimo grandinės informacija. Dėl to vienas svarbiausių reikalavimų tampa duomenų kontrolė ir aiški riba, kas gali būti apdorojama įmonės viduje, o kas apskritai neturi palikti organizacijos.

    Kaip mažinamos DI konfabulacijos?

    Viena didžiausių generatyvinio DI rizikų yra vadinamosios konfabulacijos, kai sistema pateikia įtikinamai skambančius, bet netikslius ar išgalvotus teiginius. Pramonėje tokia klaida gali reikšti ne tik neteisingą ataskaitą, bet ir brangiai kainuojančius gamybos sprendimus, broką ar prastovas.

    Specializuoti DI agentai paprastai kuriami taip, kad jų veikimo laukas būtų susiaurintas iki konkrečios užduoties ir patikimų šaltinių įmonės viduje. Tai reiškia, kad atsakymai grindžiami „kietais“ duomenimis, o ne bendromis interneto žiniomis, todėl klaidų tikimybė mažėja.

    „Agentas supranta kontekstą ir mato, kuriame proceso taške esame, todėl siauriname paieškos lauką ir mažiname konfabulacijų riziką“, – sakė Ireneuszas Borowskis, Dassault Systemes vadovas Lenkijoje.

    Praktikoje tai dažnai įgyvendinama per skirtingų agentų vaidmenis: vienas pateikia teorinę, patikrintą informaciją, kitas analizuoja konkrečius gamybos parametrus, trečias padeda sprendimų priėmimui ir fiksuoja, kodėl buvo pasiūlytas vienas ar kitas veiksmas. Esminė sąlyga išlieka žmogaus priežiūra ir atsekamumas, kad būtų aišku, kuo remiantis DI pateikė išvadą.

    Duomenų apsauga ir atskyrimas

    Pramonės įmonėms kritiškai svarbu, kad jautrūs duomenys nebūtų naudojami už įmonės ribų ir netaptų prieinami trečiosioms šalims. Todėl dažnai akcentuojamas fizinis arba logiškas duomenų atskyrimas, kai konfidencialūs rinkiniai lieka tik įmonės valdomoje infrastruktūroje.

    Toks atskyrimas ypač aktualus, kai įmonė dirba su rangovais ir tiekėjais, kuriems reikia dalies informacijos darbams atlikti. Tuomet kuriamas atskiras sluoksnis duomenų, kurie gali būti dalijami saugiai, išlaikant ribas tarp to, kas būtina bendradarbiavimui, ir to, kas yra įmonės komercinė paslaptis.

    DI agentai gamyboje: nuo įžvalgų iki veiksmų

    Specializuoti agentai pramonėje dažnai integruojami į skaitmeninius gamybos modelius ir inžinerines aplinkas, įskaitant 3D projektavimo bei skaitmeninių dvynių scenarijus. Tai leidžia ne tik apibendrinti duomenis, bet ir matyti procesus erdviniame kontekste, greičiau aptikti nukrypimus bei jų priežastis.

    Vienas dažnesnių taikymo pavyzdžių yra kokybės ir našumo problemų paieška, kai DI agentas identifikuoja neoptimalius etapus, pažymi rizikingas vietas ir pasiūlo tolesnius žingsnius. Kai kuriais atvejais agentas gali inicijuoti proceso sustabdymą tolimesnei analizei ir informuoti atsakingus asmenis, tačiau sprendimo teisė paliekama žmogui.

    Augant reguliavimo ir kibernetinio saugumo reikalavimams, įmonės vis labiau vertina sprendimus, kurie užtikrina skaidrumą, audituojamumą ir aiškias prieigos teises. Dėl to DI agentų diegimas pramonėje vis dažniau siejamas ne su madinga technologija, o su konkrečia nauda ir valdomomis rizikomis: mažiau klaidų, tikslesnės įžvalgos ir geriau apsaugoti duomenys.

  • Duomenys – XXI amžiaus nafta? Ekspertai įspėja: vėluojame su prieiga, kokybe ir saugumu

    Duomenys tampa ekonomikos varikliu

    Duomenys šiandien vis dažniau vadinami pagrindiniu šiuolaikinės ekonomikos ištekliumi: nuo jų priklauso sprendimų priėmimas, klientų patirtis, tiekimo grandinių valdymas ir naujų paslaugų kūrimas. Kartu jie yra ir vienas svarbiausių dirbtinio intelekto pagrindų, nes modelių tikslumą bei patikimumą lemia ne duomenų kiekis, o jų kokybė ir panaudojimo sąlygos.

    Tačiau ekspertai atkreipia dėmesį, kad organizacijos dažnai investuoja į technologijas, bet nepakankamai sutvarko pačius duomenis. Kai duomenys pasenę, nesuderinami tarpusavyje arba laikomi atskirose sistemose, net pažangūs sprendimai duoda prastesnius rezultatus ir gali klaidinti tiek verslą, tiek viešąjį sektorių.

    Kokybė, prieiga ir saugumas – trys ašys

    Diskusijose apie duomenų ekonomiką nuolat kartojasi trys kertiniai kriterijai: kokybė, prieinamumas ir saugus tvarkymas. Prasta duomenų kokybė reiškia ne tik netikslias įžvalgas, bet ir didesnę riziką žmonėms, kurių duomenys tvarkomi, ypač kai jie naudojami DI sistemose.

    Ne mažiau svarbus ir suderinamumas: kad skirtingų institucijų bei įmonių duomenys galėtų būti prasmingai sujungti, reikalingi bendri standartai, aiškios sąsajos ir nuoseklios duomenų valdymo taisyklės. Be to, duomenų vertė išauga tik tada, kai jų panaudojimas yra teisėtas, skaidrus ir paremtas rizikų valdymu.

    Privatumo apsaugos principai, tokie kaip privatumas pagal projektą, praktikoje reiškia, kad duomenų apsauga turi būti įdiegta ne po to, o kuriant sistemas nuo pat pradžių. Tokį požiūrį stiprina ir Europos Sąjungos reguliavimo kryptis, kai pasitikėjimas ir atskaitomybė tampa konkurenciniu pranašumu, o ne vien formalia prievole.

    Duomenų salos ir teisiniai barjerai lėtina DI

    Viena dažniausių problemų – vadinamosios duomenų salos, kai informacija egzistuoja skirtinguose padaliniuose ar sistemose ir „nemato“ viena kitos. Tai apsunkina tiek kasdienį valdymą, tiek pažangesnę analitiką, nes duomenų sujungimas reikalauja laiko, papildomų kompetencijų ir neretai brangių integracijų.

    Ekspertai pabrėžia ir paradoksą: net duomenys, kurie iš pirmo žvilgsnio atrodo vieši ar lengvai pasiekiami, praktikoje gali būti sunkiai panaudojami dėl licencijų, procedūrų ar neaiškių teisinių interpretacijų. Kai prieiga vėluoja arba kainuoja per brangiai, lėtėja ir DI modelių kūrimas, ir jų diegimas.

    „Kai pirmą kartą pasigirdo frazė, kad duomenys yra XXI amžiaus nafta, metodologiškai ir teisiškai mes tiesiog nespėjame su pažanga“, – sakė prof. Szymon Łukasik.

    Chmura, dalijimasis ir suverenumas

    Prieinamumą ir saugumą dažnai padeda užtikrinti debesų kompiuterijos sprendimai, nes jie leidžia centralizuoti duomenų valdymą, sustiprinti prieigos kontrolę ir greičiau taikyti analitikos priemones. Vis dėlto pati infrastruktūra nėra tikslas: vertę sukuria gebėjimas priimti geresnius sprendimus, remiantis patikimais duomenimis.

    Verslo pusėje akcentuojama ir adekvatumo taisyklė: kaupti terabaitus be aiškaus tikslo reiškia tik augančias sąnaudas. Tuo pat metu kai kuriose srityse, pavyzdžiui, sukčiavimo prevencijoje, ribotas, teisėtas dalijimasis duomenimis gali tiesiogiai padidinti visuomenės saugumą ir sumažinti nuostolius.

    Technologinio suverenumo diskusijoje išryškėja dvi kryptys: siekis turėti daugiau vietinių kompetencijų ir galimybę valdyti kritinius duomenis, bet kartu neužsidaryti nuo geriausių sprendimų. Praktikoje tai reiškia dėmesį tiek atviriems, lokaliai diegiamiems modeliams, tiek priemonėms, mažinančioms priklausomybę nuo vieno tiekėjo.

  • Nešiojamas be baterijos: kada tai saugu, o kada rizikuojate duomenimis ir pačiu įrenginiu

    Nešiojamąjį kompiuterį dažnai galima naudoti ir be akumuliatoriaus, kai įrenginys maitinamas tiesiai iš elektros adapterio. Tokiu režimu jis iš esmės tampa stacionariu kompiuteriu, tačiau praranda vieną svarbią apsaugą, kurią įprastai suteikia baterija.

    Jei akumuliatorius senas, greitai išsikrauna ar yra išsipūtęs, mintis jį išimti ir dirbti tik iš tinklo gali atrodyti patraukli. Vis dėlto tai dažniau yra laikinas sprendimas, o ne patikimas ilgalaikis naudojimo scenarijus.

    Nešiojamojo akumuliatorius nėra vien tik energijos šaltinis kelionėms. Jis veikia kaip buferis: amortizuoja trumpus įtampos kritimus, apsaugo nuo staigių išsijungimų ir suteikia laiko išsaugoti failus, jei dingtų elektra.

    Dėl to be baterijos kompiuteris tampa jautresnis elektros tiekimo sutrikimams. Net trumpas maitinimo dingimas reiškia momentinį išsijungimą, o tai gali baigtis neprarandamų duomenų netektimi arba sugadintais failais.

    Daugeliu atvejų, jei naudojamas tinkamas įkroviklis, našumas nesikeičia. Ypač tai būdinga senesniems modeliams su lengvai išimamomis baterijomis, kurių maitinimo schema sukurta stabiliai dirbti ir be akumuliatoriaus.

    Tačiau yra išimčių, kai sistema gali riboti spartą, kad valdytų šilumą ar energijos tiekimo pikus. Praktikoje tai reiškia, kad daliai modelių darbas be baterijos gali tapti lėtesnis, ypač esant didesnei apkrovai.

    Pagrindinė problema yra apsauga nuo elektros tinklo trikdžių: įtampos šuoliai, trumpi nutrūkimai ar net paprastas netyčinis laido ištraukimas. Tokiais atvejais kompiuteris išsijungia akimirksniu, o ne pereina į baterijos režimą.

    Riziką didina ir netinkami įkrovikliai. Naudojant neoriginalų arba per silpną adapterį gali trūkti galios pikinėse situacijose, o tai lemia nestabilų darbą, staigius persikrovimus ir galimą komponentų dėvėjimąsi.

    Jei akumuliatorius išsipūtęs, jį reikėtų nedelsiant atjungti ir nebandyti toliau naudoti. Tokia baterija yra saugos rizika, todėl svarbu ją pašalinti ir pasirūpinti tinkamu utilizavimu pagal elektronikos atliekų taisykles.

    Jei bateriją išimate norėdami sulėtinti jos dėvėjimąsi, praktinis patarimas yra laikyti ją dalinai įkrautą ir saugoti sausoje, vėsesnėje vietoje. Tačiau kasdieniam darbui dažniausiai racionaliau pakeisti akumuliatorių nauju, nes net ir 10 minučių autonomijos gali išgelbėti dokumentus dingus elektrai.

    Ilgalaikėje perspektyvoje baterijos keitimas paprastai yra saugesnis ir patogesnis sprendimas. Be akumuliatoriaus nešiojamas praranda mobilumą ir tampa visiškai priklausomas nuo elektros lizdo, o bet koks trikdis gali kainuoti ne tik laiką, bet ir duomenis.

    Yra ir praktinių niuansų: kai kuriuose senesniuose kompiuteriuose baterija yra konstrukcijos dalis, todėl ją išėmus atsiranda tuščia ertmė ir įrenginį mažiau patogu naudoti, pavyzdžiui, laikant ant kelių.