APIなしでは「AI」が成功できない理由

APIなしでは「AI」が成功できない理由

クラウド、携帯電話時代、メタバース、そして現在の人工知能などのテクノロジーのトレンドはすべて、表面下に隠れているテクノロジーの実現に依存しています。構造上の完全性は、多くの場合アプリケーション プログラミング インターフェイス (API) であるこれらの実現テクノロジの完璧な動作に依存します。したがって、彼らの成功は API の採用にかかっています。これは、Generative AI などの急速に進歩する AI テクノロジーが、誰もがテクノロジーを利用できるようにするためのシンプルで非常に使いやすいインターフェースを必要とする分野で特に当てはまります。ここでの秘密は、これらの AI ツールが、大規模言語モデル (LLM) の非常に複雑で集中的な作業の上にあるインターフェースにすぎないということです。

AI モデルは自分で考えるのではなく、私たちが慣れ親しんだ方法で対話できるようにそのように見えるだけであることを覚えておくことが重要です。 API は比較的シンプルで、高度に構造化されており、技術レベルで標準化されているため、本質的には AI プラットフォームの翻訳者として機能します。ほとんどの人が「AI」と考えるものは、API 製品のレンズを通して見る必要があります。この考え方により、組織は考えられるユースケースに最善の準備を整え、従業員がそれを実践するスキルを身に付けられるようにすることができます。

人工知能とAPI

賢明な従業員はすでに、ブレインストーミング、長いテキストの要約、検索エンジン、翻訳、または定型的な電子メールの作成の代替手段として、ChatGPT を日常のオフィス業務に取り入れています。ただし、これらの機能は 2021 年時点で公開されているデータに依存しているため制限があり、変化の速いビジネス環境では信頼することが困難です。

すべての兆候は、より強力な AI モデル、マルチモーダル AI モデル (テキスト、音声、画像を組み合わせたもの)、およびインタラクションから継続的に学習するモデルの開発を示しています。これらの AI モデルは、同社が一般市場向けに、または社内独自の AI アプリケーションとして AI 対応製品を構築するために使用されます。将来の AI アプリケーションは、ChatGPT のようなアプリケーションとは多くの点で異なります。最大の差別化要因は、企業のデータと機能(API 経由でアクセス)と AI モデル(API 経由でアクセス)を統合できる可能性です。一部のタスクでは、高度な AI プラットフォームが適切な API を検索してタスクを完了し、自動的に操作できる場合もあります。企業のデータと機能が API を通じて利用可能になると、AI モデルが安全かつクローズドな方法で独自の情報とやり取りできるようになるため、多くのユースケースが可能になります。たとえば、AI モデルが API と対話する単純な演習としては、顧客向けにパーソナライズされた電子メールを生成したり、顧客サービス リクエストに応答したりすることが挙げられます。より高度なユースケースでは、新しいデジタル製品やタッチポイントの作成が必要になります。

AI が普及するにつれて、データのプライバシー、安全性、セキュリティがより注目されるようになることは注目に値します。これがどのように進化するかを詳しく説明するのは時期尚早ですが、適切な API ガバナンスでは、セキュリティ、データ フロー、プライバシー、アクセスといった側面を正確に制御するメカニズムを提供する必要があります。

ビジネステクノロジストの台頭を推進

AI ソリューションによって約束される効率性の向上を実現するには、さまざまなビジネス機能の日常業務に AI ソリューションをシームレスに統合する必要があります。データと機能を簡単に利用できる API にパッケージ化するのは IT 部門の領域であると考える人もいるかもしれません。従来、これらの統合活動は IT 部門が担当していました。しかし、集中化された IT 部門には、効果的な API を作成するためのビジネス知識と背景が不足していることが多く、ビジネス要件が急速に変化して、膨大な作業負荷を超え、圧倒されてしまうことがよくあります。

幸いなことに、解決策があります。それは、ビジネス テクノロジスト、つまり関連する統合作業をより効率的に実行するための技術的知識を持つ知識労働者です。必ずしも、技術アーキテクチャに準拠したスケーラブルで信頼性の高いコードを作成するための高度な技術スキルを持っているわけではありませんが、ローコード開発ツールを活用して API を適切にオーケストレーションして使用することができます。世界中の開発者はわずか 2,700 万人ですが、知識労働者は 10 億人を超えます。ますます高額になる開発者を探すよりも、知識労働者をビジネス技術の専門家に昇進させる方が簡単でしょう。適切な権限付与を目指す組織は、包括的なドキュメント、ソリューションを構築および管理するための権限、直感的なエクスペリエンスを提供する最高の API を提供する必要があります。

APIの価値を過小評価しない

一見すると、API は AI 革命とは無関係に思えるかもしれません。 AI は魔法のように見えるかもしれませんが、舞台裏では API が LLM から結果を要求し、プラットフォームを既存の機能やデータと統合する上で重要な役割を果たしています。 API のイノベーション、採用、使用に投資するということは、AI によって企業を新たな高みへと導くことを望むすべての従業員に強力な基盤を提供する基盤に投資することを意味します。

<<:  「AI+コンピューティングパワー」が海外企業に「活力」を与えた

>>:  人工知能:創薬の厳しい時代に革命を起こすもの

推薦する

IntelがLoihi 2チップとLavaフレームワークを発表

インテルは、人工知能、ロボット工学などの分野におけるニューロモルフィック・コンピューティングの研究開...

偽3Dシーンがリアルすぎるとネット上で人気に!死角ゼロの1億画素超え、AIレンダリングの新たな高みと称賛

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...

コードを入力すること、詩を書くこと、論文を書くこと、すべてが可能です!史上最大のAIモデルGPT-3がGithubを席巻

[[334935]]最近、GPT-3が人気になってきました!インターネット上で GPT-3 のさまざ...

9つのディープラーニングアルゴリズムの紹介

1. 2段階アルゴリズム2 段階アルゴリズムには、候補ボックスの選択とターゲットの分類/位置の修正...

自動運転におけるディープラーニングベースの予測と計画の融合手法のレビュー

この記事は、Heart of Autonomous Driving の公開アカウントから許可を得て転...

なぜ人工知能は高度な数学を解くことができるのでしょうか?

まずは大学院入試から始めましょう。大学院入試の重要性は大学入試の重要性に匹敵します。数字で言うと、2...

...

...

コンパニオン チップ: AI にとって賢い選択でしょうか?

半導体業界では長年にわたり、より多くのコンポーネントを単一のシステムオンチップ (SoC) に緊密に...

分散コンセンサスアルゴリズム EPaxos について 1 つの記事で学ぶ

分散システムにおける中心的な問題はデータの一貫性です。 Paxos アルゴリズムは分散一貫性における...

人工知能技術には明るい未来がある

1990年代初頭、中国の著名な学者である周海中氏は、人工知能技術がさまざまな分野で広く使用され、予想...

...

...

2010年以降、MLコンピューティングパワーの需要は100億ドル増加し、6か月で2倍になり、ディープラーニングは画期的な分野となった。

計算能力、データ、アルゴリズムは、現代の機械学習 (ML) の進歩を導く 3 つの基本的な要素です。...

...