B2B-KI-Anwendungen sind besser für die Umsatzgenerierung, B2C kann einige Zeit dauern: Shailesh Saraph von Tata Technologies

Während Regulierungsbehörden auf der ganzen Welt darum kämpfen, einen Regulierungsansatz für die sich schnell verändernde Welt der generativen künstlichen Intelligenz (KI) zu finden, sehen Unternehmen davon ab, die Technologie in sicherheitskritischen Anwendungen einzusetzen, und reservieren sie nur für Anwendungsfälle im Kundenservice. Shailesh Saraph, Executive Vice President und Global Head für Engineering Research & Entwicklung, sagte Tata Technologies. In einem Interview mit Soumyarendra Barik sprach Saraph auch über Indiens Hardware- und Talentherausforderungen für KI und die Einnahmemodelle für Unternehmen in diesem Bereich. Bearbeitete Auszüge:

Wie interagiert Tata Technologies mit den anderen Konzernunternehmen?

KI-Technologie ist definitiv eine der sechs Säulen, die der Fraktionsvorsitzende allen Unternehmen vorgeschrieben hat. Tata Technologies ist sehr eng mit der Zusammenarbeit innerhalb der Gruppe mit verschiedenen Unternehmen verbunden. Wenn Sie Tata Motors nehmen, haben wir dort unser erstes Framework für KI erstellt. Wir haben viele Deep-Learning-Algorithmen für die Produktentwicklung ausgeführt, vom Testen und Validieren bis zur Produkterstellung. Wir arbeiten an vielen genAI-Anwendungen, die es Tata Motors ermöglichen, die Front-End-Reise zu nutzen und gleichzeitig im Backend mit vielen Co-Piloten und Deep-Learning-Servern zu arbeiten.

Aber bietet generative KI etwas Wesentliches im Vergleich zu der Technologie, über die die meisten Autos heute verfügen?

Wenn man es im indischen Kontext betrachtet, könnte es sein, dass ein Fahrer kein Englisch spricht, während jemand anderes es kann. Die Sprachinteraktion mit dem Auto gibt es schon seit sehr langer Zeit, sie ist jedoch größtenteils in Form von Befehlen kodifiziert, die Sie geben und empfangen können. Es eignet sich nicht für die Verarbeitung natürlicher Sprache. Hier sehen wir eine große Anzahl von Anwendungen, bei denen Sie mit einem großen Sprachmodell lokale Sprachen verwenden können.

Wenn zum Beispiel das Auto einen Defekt hat und irgendwann eine Panne hat, kann die im Hintergrund arbeitende generative KI-Anwendung den Fahrer dazu veranlassen, viele Dinge im Voraus zu tun – ihn zum Beispiel zur nächsten Tankstelle zu leiten, Oder weisen Sie sie sogar darauf hin, was sie tun sollten, wie z. B. langsamer zu fahren oder zu einem bestimmten Zeitpunkt den Gang zu wechseln, um eine Panne zu vermeiden. Das Modell kann auch Daten aus der Bedienungsanleitung abrufen und erfahren, was sie tun können, um die Ursache einer Panne zu beheben.

Wir haben auch eine Anwendung erstellt, bei der die Batterie eines Elektrofahrzeugs überwacht wird. Typischerweise verfügt die Batterie über ein BMS (Batteriemanagementsystem), das die Kühlung und den Leistungsausgleich steuert, aber mit generativer KI sind wir auch in der Lage, den Ausfall des Akkus in einem bestimmten Modul oder in einer bestimmten Zelle vorherzusagen – und dann dort Das könnten selbstheilende Anwendungen sein, die erstellt werden können, oder das Modell könnte den Techniker in einer bestimmten Tankstelle anweisen, entweder die Batterie auszutauschen oder eine Verbindung herzustellen, damit die Batterie besser funktioniert.

< img src="https://images.indianexpress.com/2024/03/UPSC_Students25_970x150_New-1.jpg" />

Viele regionale Sprachen haben, auch wenn sie alt sind, nur eine geringe Präsenz im Internet, was es schwieriger macht, ein Modell zu erstellen, das gute Antworten in ihnen generiert. Wie kann der indische Kontext durch generative KI verbessert werden?

Heutzutage ist die Erstellung großer Sprachmodelle von Grund auf ein sehr komplizierter Prozess. Eine Möglichkeit besteht darin, ein vorhandenes Modell zu nehmen und die Parameter fein abzustimmen. Wir haben es also so gemacht, dass wir unser eigenes Framework geschaffen haben. Sie möchten diesen Modellen auch keine Kundendaten zugänglich machen. Wir haben unser Framework aufgebaut und es werden nur kodifizierte und verschlüsselte Daten an das Open-Source-Modell übergeben. Wenn Sie ChatGPT und Llama sehen, können sie ziemlich gut Hindi und vielleicht auch Kannada. Andere regionale Sprachen nicht so sehr … Es gibt ein Bhashini LLM, das gerade gebaut wird, also untersuchen wir das. Für alle indischen Sprachen liegt noch ein weiter Weg vor uns.

Monetarisierung ist ein Bereich, den Verbraucher- und KI-Unternehmen noch nicht erkannt haben. Glauben Sie, dass Business-to-Business (B2B) zum jetzigen Zeitpunkt ein besserer Umsatzweg ist?

Derzeit ist es das B2B-Segment, in dem die Monetarisierung generativer KI für Dienstanbieter wie uns bei der Erstellung von Anwendungen stattfindet. Diejenigen wie diejenigen, die diese Open-Source-Modelle bereitstellen, arbeiten mit uns zusammen, weil wir, wie ich bereits sagte, die Kundendaten nicht dem Internet zugänglich machen wollen, und bieten daher eine Unternehmensversion ihres LLM an. Das ist also das Geschäftsmodell, das in naher Zukunft funktionieren wird. Die Monetarisierung in B2C-Anwendungen schreitet weiter voran, und ich glaube nicht, dass dies in den nächsten Jahren passieren wird.

Ein großer Vorteil, den einige westliche generative KI-Firmen gegenüber indischen Unternehmen haben könnten, ist der Zugang dazu Rechenkapazität. Sehen Sie darin eine Schwäche?

Während generative KI heute von einer großen Anzahl westlicher Angebote wie ChatGPT und Llama dominiert wird, haben die Chinesen bereits ihr eigenes LLM eingeführt.

In Indien steht der Bhashini LLM an. Die Infrastruktur stellt keine Hürde mehr dar … Die Herausforderung besteht darin, ein grundlegendes Modell zu erstellen, da die Erstellung eines Algorithmus von Grund auf zeitaufwändig ist und außerdem viel datenwissenschaftliche Arbeit erfordert. Ich glaube also nicht, dass sich das in naher Zukunft ändern wird. Wir müssen immer noch Modelle von Google, Microsoft usw. verwenden.

Experten, mit denen wir gesprochen haben, sagten, dass Indien ebenfalls Schwierigkeiten haben könnte, das zu finden das richtige Talent für generative KI. Vor welchen Herausforderungen stehen Sie bei der Besetzung dieser Rollen?

Ich habe eine etwas andere Meinung. In Indien gibt es viele Datenwissenschaftler, und auch viele westliche Unternehmen haben hier ihre eigenen Forschungszentren. Für uns als Anwendungsunternehmen ist die Art und Weise, wie wir LLMs nutzen, wichtiger als die Datenwissenschaft. Es ist nicht so, dass Talent keine Herausforderung darstellt. Daher stellen wir normalerweise viele Experten ein, die grundlegende Schulungsmodule erstellen Menschen, die in unseren Technologie-Stack einsteigen

Gesponsert | Führung durch KI-Integration stärken: Geschäftstransformation katalysieren

Weitere Premium-Geschichten

24 junge Ladakhis auf einer Mission zum Schutz des NachthimmelsNur für Abonnenten

Was passiert, wenn Bengalurus Wasserhähne versiegen? Nur für Abonnenten

Wird Modis Garantie über Onion siegen? Züchter ?Nur für Abonnenten