AI డిజిటల్ సహోద్యోగిగా వ్యవహరించే అవకాశం సహ-స్థానంలో మొదటి రోజు ఎజెండాలో ఆధిపత్యం చెలాయించింది AI & బిగ్ డేటా ఎక్స్పో మరియు ఇంటెలిజెంట్ ఆటోమేషన్ కాన్ఫరెన్స్సాంకేతిక సెషన్లు పని చేయడానికి మౌలిక సదుపాయాలపై దృష్టి సారించాయి.
ఎగ్జిబిషన్ ఫ్లోర్లోని ప్రాథమిక అంశం నిష్క్రియ ఆటోమేషన్ నుండి “ఏజెంటిక్” సిస్టమ్లకు పురోగతి. ఈ సాధనాలు దృఢమైన స్క్రిప్ట్లను అనుసరించడం కంటే టాస్క్లను కారణం, ప్లాన్ చేయడం మరియు అమలు చేయడం. సిటీకి చెందిన అమల్ మక్వానా ఎంటర్ప్రైజ్ వర్క్ఫ్లోలలో ఈ సిస్టమ్లు ఎలా పనిచేస్తాయో వివరించాడు. ఈ సామర్ధ్యం వాటిని మునుపటి రోబోటిక్ ప్రాసెస్ ఆటోమేషన్ (RPA) నుండి వేరు చేస్తుంది.
డీప్ఎల్కు చెందిన స్కాట్ ఇవెల్ మరియు ఇరే అడెవోలు ఈ అభివృద్ధిని “ఆటోమేషన్ గ్యాప్” మూసివేస్తున్నట్లు వివరించారు. ఏజెంట్ AI సాధారణ సాధనంగా కాకుండా డిజిటల్ సహోద్యోగిగా పనిచేస్తుందని వారు వాదించారు. ఉద్దేశం మరియు అమలు మధ్య దూరాన్ని తగ్గించడం ద్వారా వాస్తవ విలువ అన్లాక్ చేయబడుతుంది. SS&C బ్లూ ప్రిజం నుండి బ్రియాన్ హాల్పిన్, సంస్థలు సాధారణంగా ఏజెంట్ AIని అమలు చేయడానికి ముందు ప్రామాణిక ఆటోమేషన్లో నైపుణ్యం కలిగి ఉండాలని పేర్కొన్నారు.
ఈ మార్పుకు నిర్ణయాత్మకం కాని ఫలితాలను నిర్వహించగల గవర్నెన్స్ ఫ్రేమ్వర్క్లు అవసరం. ఇన్ఫర్మాటికాకు చెందిన స్టీవ్ హోలియర్, మ్యూల్సాఫ్ట్ మరియు సేల్స్ఫోర్స్ నుండి వక్తలతో పాటు, ఈ వ్యవస్థలను రూపొందించడానికి కఠినమైన పర్యవేక్షణ అవసరమని వాదించారు. కార్యనిర్వహణ వైఫల్యాన్ని నివారించడానికి ఏజెంట్లు డేటాను ఎలా యాక్సెస్ చేయాలి మరియు ఉపయోగించాలి అనేదానిని గవర్నెన్స్ లేయర్ తప్పనిసరిగా నియంత్రించాలి.
డేటా నాణ్యత విస్తరణను అడ్డుకుంటుంది
స్వయంప్రతిపత్త వ్యవస్థ యొక్క అవుట్పుట్ దాని ఇన్పుట్ నాణ్యతపై ఆధారపడి ఉంటుంది. విశ్వసనీయమైన, కనెక్ట్ చేయబడిన ఎంటర్ప్రైజ్ డేటా లేకుండా AI విఫలమవుతుందని SAP నుండి ఆండ్రియాస్ క్రాస్ పేర్కొన్నారు. GenAI కార్పొరేట్ సందర్భంలో పనిచేయాలంటే, ఇది ఖచ్చితంగా మరియు సందర్భోచితంగా సంబంధిత డేటాను యాక్సెస్ చేయాలి.
Gigaspaces యొక్క మెని మెల్లర్ LLMలలో “భ్రాంతులు” యొక్క సాంకేతిక సవాలును పరిష్కరించారు. అతను డేటా యాక్సెస్ సమస్యలను పరిష్కరించడానికి సెమాంటిక్ లేయర్లతో కలిపి eRAG (రిట్రీవల్-ఆగ్మెంటెడ్ జనరేషన్)ను ఉపయోగించాలని సూచించాడు. ఈ విధానం మోడల్లను నిజ సమయంలో వాస్తవిక సంస్థ డేటాను తిరిగి పొందేందుకు అనుమతిస్తుంది.
నిల్వ మరియు విశ్లేషణ కూడా సవాళ్లను కలిగి ఉన్నాయి. ఈక్విఫాక్స్, బ్రిటీష్ గ్యాస్ మరియు సెంట్రికా ప్రతినిధులతో కూడిన ప్యానెల్ క్లౌడ్-నేటివ్, రియల్ టైమ్ అనలిటిక్స్ ఆవశ్యకతను చర్చించింది. ఈ సంస్థల కోసం, స్కేలబుల్ మరియు తక్షణమే అనలిటిక్స్ వ్యూహాలను అమలు చేయగల సామర్థ్యం నుండి పోటీ ప్రయోజనం వస్తుంది.
భౌతిక భద్రత మరియు పరిశీలన
AI యొక్క ఏకీకరణ భౌతిక వాతావరణాలలోకి విస్తరించింది, సాఫ్ట్వేర్ వైఫల్యాల నుండి భిన్నమైన భద్రతా ప్రమాదాలను పరిచయం చేస్తుంది. ARIA నుండి ఎడిత్-క్లేర్ హాల్ మరియు IEEE RAS నుండి మాథ్యూ హోవార్డ్తో సహా ఒక ప్యానెల్ ఫ్యాక్టరీలు, కార్యాలయాలు మరియు బహిరంగ ప్రదేశాలలో AI ఎలా రూపొందించబడిందో పరిశీలించింది. భద్రతా ప్రోటోకాల్స్ ఏర్పాటు చేయాలి ముందు రోబోలు మనుషులతో సంకర్షణ చెందుతాయి.
ఆక్స్ఫర్డ్ రోబోటిక్స్ ఇన్స్టిట్యూట్కు చెందిన పెర్లా మైయోలినో ఈ సవాలుపై సాంకేతిక దృక్పథాన్ని అందించారు. టైమ్-ఆఫ్-ఫ్లైట్ (ToF) సెన్సార్లు మరియు ఎలక్ట్రానిక్ స్కిన్పై ఆమె చేసిన పరిశోధన రోబోలకు స్వీయ-అవగాహన మరియు పర్యావరణ అవగాహన రెండింటినీ అందించడం లక్ష్యంగా పెట్టుకుంది. తయారీ మరియు లాజిస్టిక్స్ వంటి పరిశ్రమల కోసం, ఈ ఇంటిగ్రేటెడ్ పర్సెప్షన్ సిస్టమ్స్ ప్రమాదాలను నివారిస్తాయి.
సాఫ్ట్వేర్ అభివృద్ధిలో, పరిశీలన అనేది ఒక సమాంతర ఆందోళనగా మిగిలిపోయింది. డేటాడాగ్కు చెందిన యులియా సమోయ్లోవా, టీమ్లు సాఫ్ట్వేర్ను రూపొందించే మరియు ట్రబుల్షూట్ చేసే విధానాన్ని AI ఎలా మారుస్తుందో హైలైట్ చేసింది. వ్యవస్థలు మరింత స్వయంప్రతిపత్తిగా మారడంతో, విశ్వసనీయత కోసం వాటి అంతర్గత స్థితి మరియు తార్కిక ప్రక్రియలను గమనించే సామర్థ్యం అవసరం అవుతుంది.
మౌలిక సదుపాయాలు మరియు స్వీకరణ అడ్డంకులు
అమలుకు నమ్మకమైన మౌలిక సదుపాయాలు మరియు గ్రహణశీల సంస్కృతి అవసరం. ఎక్స్పెరియో నుండి జూలియన్ స్కీల్స్ వాదిస్తూ నెట్వర్క్లు ప్రత్యేకంగా AI పనిభారం కోసం రూపొందించబడాలి. ఇందులో సార్వభౌమాధికారం, సురక్షితమైన మరియు “ఎల్లప్పుడూ ఆన్లో ఉండే” నెట్వర్క్ ఫ్యాబ్రిక్లను అధిక నిర్గమాంశను నిర్వహించగల సామర్థ్యం ఉంటుంది.
వాస్తవానికి, మానవ మూలకం అనూహ్యమైనది. IBM ఆటోమేషన్ నుండి పాల్ ఫెర్మోర్ సాంప్రదాయ ఆటోమేషన్ ఆలోచన తరచుగా AI స్వీకరణ యొక్క సంక్లిష్టతను తక్కువగా అంచనా వేస్తుందని హెచ్చరించారు. అతను దీనిని “AI సంసిద్ధత యొక్క భ్రాంతి” అని పేర్కొన్నాడు. జెనా మిల్లర్ ఈ విషయాన్ని బలపరిచారు, దత్తత తీసుకోవడానికి వ్యూహాలు మానవ-కేంద్రీకృతమై ఉండాలి. వర్క్ఫోర్స్ సాధనాలను విశ్వసించకపోతే, సాంకేతికత ఎటువంటి రాబడిని ఇవ్వదు.
సనోఫీకి చెందిన రవి జే నాయకులు ప్రక్రియ ప్రారంభంలోనే కార్యాచరణ మరియు నైతిక ప్రశ్నలను అడగాలని సూచించారు. స్థాపించబడిన ప్లాట్ఫారమ్లను ఎక్కడ కొనుగోలు చేయాలి మరియు యాజమాన్య పరిష్కారాలను ఎక్కడ నిర్మించాలో నిర్ణయించడంపై విజయం ఆధారపడి ఉంటుంది.
సాంకేతికత స్వయంప్రతిపత్త ఏజెంట్ల వైపు కదులుతున్నప్పుడు, విస్తరణకు పటిష్టమైన డేటా పునాది అవసరమని సహ-స్థాన ఈవెంట్లలో మొదటి రోజు నుండి సెషన్లు సూచిస్తున్నాయి.
CIOలు రిట్రీవల్-అగ్మెంటెడ్ జనరేషన్కు మద్దతు ఇచ్చే డేటా గవర్నెన్స్ ఫ్రేమ్వర్క్లను ఏర్పాటు చేయడంపై దృష్టి పెట్టాలి. నెట్వర్క్ ఇన్ఫ్రాస్ట్రక్చర్ ఏజెంట్ వర్క్లోడ్ల జాప్య అవసరాలకు మద్దతు ఇస్తుందని నిర్ధారించడానికి తప్పనిసరిగా మూల్యాంకనం చేయాలి. చివరగా, సాంస్కృతిక స్వీకరణ వ్యూహాలు సాంకేతిక అమలుకు సమాంతరంగా ఉండాలి.
పరిశ్రమ ప్రముఖుల నుండి AI మరియు పెద్ద డేటా గురించి మరింత తెలుసుకోవాలనుకుంటున్నారా? తనిఖీ చేయండి AI & బిగ్ డేటా ఎక్స్పో ఆమ్స్టర్డామ్, కాలిఫోర్నియా మరియు లండన్లో జరుగుతున్నాయి. సమగ్ర కార్యక్రమం ఇందులో భాగమే టెక్ఎక్స్ మరియు సహా ఇతర ప్రముఖ సాంకేతిక ఈవెంట్లతో కలిసి ఉంది సైబర్ సెక్యూరిటీ & క్లౌడ్ ఎక్స్పో. క్లిక్ చేయండి ఇక్కడ మరింత సమాచారం కోసం.
AI వార్తలు ఆధారితం టెక్ఫోర్జ్ మీడియా. రాబోయే ఇతర ఎంటర్ప్రైజ్ టెక్నాలజీ ఈవెంట్లు మరియు వెబ్నార్లను అన్వేషించండి ఇక్కడ.
