Łukasz Grabczyński: Rynek żyje dziś potencjałem wykorzystania generatywnej sztucznej inteligencji. W ciągu kilku miesięcy technologia ta pojawiła się praktycznie w każdym rozwiązaniu technologicznym. Czy możesz nam powiedzieć, czy kiedykolwiek widziałeś technologię, która tak szybko i znacząco wpłynęła na rynek?

Torsten Grabs: Tak, uważam, że to moment przełomowy dla całej branży. W przypadku konsumentów przypomina mi to wprowadzenie na rynek iPhone'a, które również było tak samo przełomowe w tamtych czasach. Jeśli chodzi o przemiany o podobnym charakterze w przestrzeni przedsiębiorstw, prawdopodobnie musimy wrócić do początku ery internetu, kiedy rozpoczął się e-commerce na wczesnym etapie rozwoju globalnej sieci. To chyba jest podobna zmiana, której jesteśmy teraz świadkami.

Zobacz również:

• Snowflake Arctic - nowy model językowy LLM klasy korporacyjnej
• Copilot Pro czyli subskrypcja na AI - wkraczamy w nową erę usług?

ŁG: Obecnie najlepszym środowiskiem dla sztucznej inteligencji jest chmura, która zapewnia szybki i nieograniczony dostęp do danych, na których opiera się AI. Jakie narzędzia i rozwiązania technologiczne potrzebują organizacje, aby w pełni wykorzystać potencjał generatywnej sztucznej inteligencji opartej na chmurze?

TG: Pierwszym kluczowym elementem sukcesu w zastosowaniach generatywnej sztucznej inteligencji jest posiadanie doskonałych danych. Bez odpowiednich danych nie osiągniemy właściwych wyników. Dzięki chmurze możemy mieć dostęp do takich danych, jak również najlepszych danych od partnerów i osób trzecich na całym świecie. Kolejnym ważnym elementem, co można zauważyć na przykładzie tegorocznego Snowflake Summit, jest zdolność do wykorzystania przyspieszonych obliczeń i układów GPU. Wiele możliwości oferowanych przez duże modele językowe i generatywną sztuczną inteligencję zależy właśnie od tych rzeczy. W ramach naszych aktualizacji ogłosiliśmy usługę Snowpark Container, która umożliwia klientom uruchamianie kontenerów z dowolnymi obliczeniami na platformie Snowflake. Będziemy również oferować kontenery wspierane przez GPU, aby umożliwić klientom korzystanie z przyspieszonych obliczeń. Wreszcie istotny jest dostęp do poufnych danych własnych przedsiębiorstwa, by tworzyć wysoce specjalizowane modele językowe i generatywne AI, które można dostosować i zoptymalizować pod kątem konkretnego przypadku użycia, domeny i danych. Zapewnia to wyższą jakość wyników, lepszy czas odpowiedzi i oszczędności finansowe. Ważne jest, aby te dane były chronione, aby nie wysyłać poufnych danych do nieznanych miejsc w internecie. W ramach platformy Snowflake oferujemy kontenerowe obliczenia z wykorzystaniem GPU w granicach bezpieczeństwa każdego indywidualnego konta, co daje organizacjom pewność, że ich dane nie opuszczają ich organizacji.

ŁG: Poruszyłeś przed chwila bardzo ciekawy i istotny temat Jak byś mógł zdefiniować, co to są doskonałe dane, wartościowe lub jak można je zdefiniować jako doskonałe dane?

TG: To głównie kwestia dyscypliny i kultury w organizacji. Często surowe dane nie są tak czyste, jak byśmy tego chcieli. Istnieją techniczne przyczyny tego stanu rzeczy. Dlatego musimy wprowadzić praktykę zarządzania danymi w organizacji, która pozwoli nam na podnoszenie jakości danych w miarę ich przepływu.

ŁG: Czyli jednym słowem, dyscyplina w zakresie gromadzenia danych, przygotowywania ich, analizowania i wykorzystania ich w kontekście nowych generacji technologii.

TG: Dokładnie tak, istnieją praktyki, które pomagają w tym zakresie. Na przykład inżynierowie danych stosują technologie oczyszczania danych do surowych danych, aby wykryć brakujące fragmenty lub błędy. Następnie mogą podjąć kroki w celu ich naprawienia, aby uzyskać niezawodne i starannie wyselekcjonowane dane dla organizacji. Istnieją również standardy związane z modelowaniem danych, które można do tego zastosować. Trzeba stosować najlepsze praktyki, aby mieć wartościowe dane.

Zachęcam każdą organizację, aby wdrożyła takie podejście. Dodatkowo, warto poszukać odpowiednich danych od partnerów lub firm trzecich. Szczególnie w kontekście sztucznej inteligencji, dodanie dodatkowych odpowiednich danych do analizy, może poprawić wyniki pracy w ramach uczenia maszynowego.

ŁG: Mówiłeś o ochronie danych. Użytkownicy technologii chmurowych są świadomi i w jakiś sposób boją się o ochronę danych, które przekazują do chmury. Masz jakieś wskazówki, które mogłyby ich przekonać, że ich dane są odpowiednio chronione i może nawet bardziej chronione, niż gdyby przechowywali je na swoich własnych komputerach czy w datacenter?

TG: Po pierwsze, porównując dane przechowywane na własnym serwerze z danymi w chmurze, zarządzanie i utrzymywanie własnych centrów danych wymaga ogromnej wiedzy i jest obarczone dużym ryzykiem związanym z bezpieczeństwem i zarządzaniem. Korzystanie z usług dużych dostawców chmur pozwala na skorzystanie z w pełni ustandaryzowanych i wdrożonych najlepszych praktyk bezpieczeństwa. Przechowując dane w chmurze, można oczekiwać wyższego poziomu ochrony i bezpieczeństwa niż w przypadku tworzenia własnej infrastruktury.

Po drugie, istnieją różne standardy bezpieczeństwa, które dostawcy muszą spełnić. Zachęcam organizacje do sprawdzenia, jakie standardy bezpieczeństwa są wymagane dla danych w ich organizacji i upewnienia się, że dostawcy chmur spełniają te standardy, takie jak PCI lub HIPAA w Stanach Zjednoczonych, a także odpowiednie standardy w Polsce.

Po trzecie, warto sprawdzić, jakie praktyki związane z szyfrowaniem danych stosują dostawcy. W przypadku platformy Snowflake stosujemy szyfrowanie dla danych przekazywanych przez naszych klientów. W zależności od wersji platformy Snowflake, oferujemy dodatkowe mechanizmy defensywne, takie jak tryb podwójnej ochrony danych. Przy tej opcji klucze są dzielone między klientem, dostawcą chmury a Snowflake, a dane są szyfrowane i odszyfrowywane tylko wtedy, gdy klient udzieli uprawnień do użycia klucza. Nasi najbardziej wymagający klienci korzystają z tej funkcji.

ŁG: Firma Snowflake obecnie pełni dwie role: jako dostawca i twórca platformy analizy danych, która wspiera także sztuczną inteligencję oraz jako firma, która korzysta ze wsparcia sztucznej inteligencji do analiz i automatyzacji procesów na własnej platformie. Czy zgadzasz się z tą opinią o swojej firmie, że pełni dwie takie funkcje?

TG: Tak, oczywiście. Możemy to rozpatrywać w kontekście różnych obciążeń pracy oferowanych klientom. Oczywiście analiza danych i sztuczna inteligencja są jednymi z kluczowych zastosowań naszej platformy, ale ta nie ogranicza się tylko do nich. Mamy także obszar analizy języka naturalnego, inżynierię danych, jeziora danych oraz aplikacje danych, które są również obszarami, w których platforma Snowflake wspiera klientów. Można więc rzeczywiście mówić o różnych rodzajach obciążeń pracy oferowanych w ramach platformy. Co do sposobu, w jaki sami budujemy platformę, to w wielu przypadkach korzystamy z technologii uczenia maszynowego lub sztucznej inteligencji, aby zapewnić najlepsze możliwe doświadczenia klientom na platformie. Na przykład używamy modeli uczenia maszynowego, aby przewidywać zapotrzebowanie na moc obliczeniową dla klientów w czasie rzeczywistym, tak aby mogli oni szybko wykonywać swoje zapytania. To wyróżnia nas na rynku, ponieważ umożliwia szybsze uzyskanie mocy obliczeniowej w porównaniu do tradycyjnych dostawców. Nasze podejście pozwala na natychmiastowe uruchomienie dostępnych zasobów, co jest bardzo cenione przez klientów. To tylko jeden z przykładów, jak wykorzystujemy sztuczną inteligencję do budowania lepszego doświadczenia dla klientów. Istnieją także inne zastosowania, takie jak automatyczne wspomaganie pisania kodu SQL w interfejsie użytkownika Snowflake, co pozwala na zwiększenie produktywności użytkowników.

ŁG: Łatwo jest zapomnieć o potencjalnych zagrożeniach związanych ze sztuczną inteligencją. Czy Twoim zdaniem powinna być zachowana równowaga między zaufaniem a ostrożnością w stosowaniu AI?

TG: Wyzwania związane ze sztuczną inteligencją wynikają głównie właśnie ze wspomnianej przez Ciebie konieczności zachowania równowagi między zaufaniem a ostrożnością. Musimy pamiętać, że sztuczna inteligencja nie jest doskonała i może generować błędne wyniki lub dezinformacje. Dlatego ważne jest, aby w procesie korzystania z AI nadzorować i weryfikować wyniki oraz zachować zdrowy rozsądek. Pierwsza kwestia to konieczność zdrowego sceptycyzmu do wyników generowanych przez narzędzia AI. Wszyscy, z którymi rozmawiam, pytają mnie o to. Mówię, że nie powinno się pozwolić, aby pracownicy zostali całkowicie wyparci przez tę technologię. Ważne jest, aby wykorzystać tę technologię do przyspieszenia pracy, jaką wykonują ludzie, ale jednocześnie upewnić się, że eksperci branżowi nadzorują proces automatyzacji i rozumieją, na co się decydują, korzystając z wyników generatywnej AI czy dużych modeli językowych. Musimy pamiętać o możliwych błędach generowanego wyniku i zrozumieć, że ta technologia może pracować szybciej, ale nadal należy dostarczyć rzetelne dane do poparcia tego wyniku.

Być może warto również krótko wspomnieć o aspekcie społecznym. Coraz więcej dzieci zaczyna używać generatywnej AI w szkole do pomocy w odrabianiu prac domowych. Co ciekawe, niedawno pojawiły się też klasy na uczelniach, gdzie studenci są proszeni o zweryfikowanie wyników generowanych przez generatywną AI. Uczą się, jak rozpoznać, czy dane informacje zostały wygenerowane przez człowieka czy przez maszynę. I potem uczą się, jak upewnić się, czy te dane są rzeczywiście godne zaufania. Budowanie takich umiejętności jest kluczowe dla przyszłych pokoleń.