Blog
Google Cloud大會：AI成為焦點，但實施仍面臨挑戰
Google Cloud大會：AI成為焦點，但實施仍面臨挑戰
April 15, 2024
重點摘要：
- 本週Google Cloud大會聚焦於生成式人工智慧，但部分展示似乎過於簡單，忽略了實施人工智慧解決方案的複雜性。
- 雖然生成式人工智慧具有強大應用場景，但公司在實施過程中可能遇到數據問題和其他障礙，需要解決數據清理、管理和治理等挑戰。
- 面對AI帶來的挑戰，包括治理、安全、隱私等方面，公司需要更多考慮，而對於缺乏數位化成熟度的組織，可能需要更長時間才能利用這些技術。
新聞內文：
本週在拉斯維加斯，有3萬人聚集一堂，聆聽來自Google Cloud的最新消息。他們聽到的全部都是關於生成式人工智慧。Google Cloud首先是一家雲基礎設施和平台供應商。如果你不知道這一點，你可能在AI新聞的猛烈轟擊中忽略了這一點。並不是要貶低Google展示的內容，但就像去年Salesforce在紐約巡迴展覽中一樣，該公司除了在生成式人工智慧的上下文中，幾乎沒有提及其核心業務。
Google宣布了一系列人工智慧增強功能，目的在幫助客戶充分利用Gemini大型語言模型（LLM）並提高平台的生產力。這當然是一個值得追求的目標，在第一天的主要主題演講和第二天的開發者主題演講中，Google在公告中穿插了大量的演示，以說明這些解決方案的威力。
但是很多演示似乎有些過於簡單，即使考慮到它們需要在有限的時間內放入主題演講中。它們主要依賴於Google生態系統內部的示例，而幾乎每家公司都將其大部分數據儲存在Google之外的數據庫中。
有些例子實際上感覺即使沒有人工智慧，也可以完成。例如，在一個電子商務演示中，示範者打電話給供應商完成線上交易。這是為了展示銷售機器人的通訊能力，但實際上，買家可以輕鬆在網站上完成這一步驟。
這並不是說生成式人工智慧沒有一些強大的應用場景，無論是建立代碼，分析內容語料庫並能夠查詢它，還是能夠對日誌數據進行問題詢問以了解為什麼網站崩潰。此外，公司引入的基於任務和角色的代理程式有望以實質的方式利用生成式人工智慧。
但是，當涉及到基於Google模型架構AI工具，而不是消費Google和其他供應商為其客戶架構的工具時，我無法不感到他們在掩蓋可能阻礙成功實施生成式人工智慧的許多障礙。儘管他們試圖讓它聽起來很容易，但實際上，在大型組織內實施任何先進技術都是一個巨大的挑戰。
大變革不容易
就像過去15年中的其他技術飛躍一樣，無論是移動、雲端、容器化、營銷自動化，你名字都在其中。它們都帶來了許多潛在收益的承諾。然而，這些進步每一次都引入了它們自己的複雜性，而大公司的行動要比我們想像的更加謹慎。人工智慧感覺比Google或實際上任何其他大型供應商所透露的都要更為龐大。
我們從過去的技術變革中學到的是，它們帶來了大量的炒作，並導致了巨大的幻滅。即使過了多年，我們還是看到一些大公司可能應該利用這些先進技術，但仍然只是在摸索或完全坐視不管，多年之後才開始參與其中。
公司無法利用技術創新的原因有很多，包括組織慣性；脆弱的技術堆棧使得難以采用更新的解決方案；或者一組企業的否定者關閉了甚至是最出於善意的倡議，無論是法律、人力資源、IT還是其他部門，出於各種原因，包括內部政治，繼續對實質性變革說「不」。
Egnyte執行長Vineet Jain表示，公司分為兩類：已經對雲端進行了重大轉變並且在採用生成式人工智慧方面會更加容易的公司，以及那些行動緩慢並且可能會遇到困難的公司。
他與許多仍將大部分技術放在本地的公司進行交流，這些公司在開始思考AI如何幫助它們之前還有很長的路要走。Jain向TechCrunch表示：「我們與許多『遲到』的雲端採用者交流，他們尚未開始或者在數位轉型的征途上還處於非常早期的階段」。
AI可能迫使這些公司深入思考如何進行數位轉型，但他們可能會因為起點太低而遇到困難。他說：「這些公司將需要首先解決這些問題，然後在擁有成熟的數據安全和治理模型後才能開始應用AI」。
一直以來都是數據問題
像Google這樣的大供應商讓實施這些解決方案聽起來很簡單，但是就像所有複雜的技術一樣，前端看起來簡單並不一定意味著後端也是簡單的。就像我本週經常聽到的一樣，當涉及到用於訓練Gemini和其他大型語言模型的數據時，仍然是「垃圾進，垃圾出」的情況，當涉及到生成式人工智慧時，這種狀況更加適用。
一切都始於數據。如果您的數據不井井有條，那麼很難將其整理成適合用於您的用例的LLMs。負責Google Cloud實踐的Deloitte負責人Kashif Rahamatullah對本週Google的公告印象深刻，但仍然承認一些缺乏乾淨數據的公司將面臨實施生成式人工智慧解決方案的問題。Rahamatullah表示：「這些對話可能始於一個關於AI的對話，但很快就變成了：『我需要解決我的數據問題，我需要清理數據，我需要將它全部放在一個地方』，或者幾乎放在一個地方，然後我才能從生成式人工智慧中獲得真正的好處」。
從Google的角度來看，該公司已經建立了生成式人工智慧工具，以更輕鬆地幫助數據工程師建立數據管道，連接到Google生態系統內外的數據源。Google的數據庫、數據分析和Looker副總裁兼總經理Gerrit Kazmaier告訴TechCrunch：「它真的旨在通透過自動化許多涉及移動數據和為這些模型準備數據的勞動密集型任務，加速數據工程團隊的速度」。
這將有助於連接和清理數據，特別是在那些在數字轉型旅程中走得更遠的公司。但對於像Jain提到的那些公司（那些還沒有採取實質步驟邁向數位轉型的公司），即使有了Google創造的這些工具，它們也可能遇到更多困難。
Constellation Research的分析師Andy Thurai表示，這一切甚至還沒有考慮到，AI本身帶來了一套挑戰，除了純粹的實施之外，無論是基於現有模型的應用程式，還是尤其是在試圖架構自定義模型時，都是如此。Thurai說：「在實施這些解決方案的過程中，公司需要思考治理、責任、安全、隱私、道德和負責任使用以及這些實施的合規性」。所有這些都不是微不足道的。
本周參加GCN的高層主管、IT專家、開發人員和其他人可能去尋找Google Cloud接下來會帶來什麼。但如果他們沒有去尋找AI，或者他們的組織還沒有準備好，他們可能會對Google全力以赴地專注於AI感到震驚。對於缺乏數位化成熟度的組織來說，可能還需要很長一段時間才能充分利用這些技術，除了Google和其他供應商提供的更包裝的解決方案之外。
新聞原址： https://techcrunch.com/2024/04/13/google-goes-all-in-on-generative-ai-at-google-cloud-next/