Hoe generatieve AI de economie en het bedrijfsleven AI veranderen en stimuleren

In zijn inleiding op de conferentie merkte Vincent Luciani op: „Overal zijn mensen enthousiast over deze nieuwe technologie en de impact die deze zal hebben op organisaties en werknemers. Tot nu toe hadden we op het gebied van AI relatief deterministische toepassingen AI aangevuld met machine learning. We konden voorspellen, personaliseren en optimaliseren, maar niet echt creëren.“ 

“Maar vandaag zien we voor het eerst echte interactie tussen mens en machine. Uit deze technologie en deze algoritmen ontstaat nu een echte vorm van intelligentie, ook al is de wetenschappelijke gemeenschap verdeeld over de vraag of het hier om een revolutie of een evolutie gaat… 

“We hebben het al gehad over ‘augmented humans’ of ‘augmented activities’: binnenkort zullen we het hebben over ‘augmented businesses’.” Voordat hij een kort overzicht gaf van de onderwerpen die tijdens de conferentie aan bod zouden komen en het woord gaf aan de keynote-sprekers, herinnerde hij het audience an audience

“Ondanks de voortdurende opkomst van nieuwe generatieve AI is terughoudendheid van cruciaal belang: een succesvolle bedrijfstransformatie gebeurt niet van de ene op de andere dag, maar vereist bezinning, onderzoek en voorbereiding.”

Vincent Luciani, CEO en medeoprichter van Artefact

De eerste keynote-spreker, Hanan Ouazan, begon met een overzicht van tekstmodellen, te beginnen met het baanbrekende artikel van Google uit 2017, getiteld„Attention is all you need“, dat leidde tot de ontwikkeling van de Transformers, die de basis vormen voor bijna alle grote taalmodellen (LLM's) die tegenwoordig worden gebruikt. "Zoals u weet, kost onderzoek tijd, maar vandaag de dag bevinden we ons in een periode van versnelling, waarin we elke dag nieuwe modellen zien die profiteren van een grotere toegang tot data infrastructuur."

Hanan ging in op verschillende aspecten van de democratisering en toegankelijkheid van generatieve AI , waarbij hij met name de nadruk legde op de snelle opmars van deze technologie: „Het tempo is duizelingwekkend: ChatGPT bereikte in slechts vijf dagen 1 miljoen gebruikers.“

Wat betreft de strategieën voor het trainen van LLM’s ging hij in op de voordelen van pre-training, fine-tuning en prompt engineering, waarbij hij voor elk daarvan praktijkvoorbeelden uit de industrie aanhaalde en de beslissingsmatrix voor modelstrategieën Artefactpresenteerde.

Naast de gebruikskosten, prestaties en beperkingen ging Hanan ook in op verandermanagement en de AI gevolgen van generatieve AI voor de werkgelegenheid.

“Het zal onze manier van werken zeker veranderen, maar bij Artefact denken we niet dat dit beroepen zal doen verdwijnen: het zal de mensen die deze beroepen uitoefenen juist versterken.”

Hanan Ouazan, partner Data en hoofd Generatieve AI Artefact

Keynote-spreker Matthieu Rouif is CEO en medeoprichter van PhotoRoom, een app waarmee de inmiddels 80 miljoen gebruikers met hun smartphone foto’s van studiokwaliteit kunnen maken, dankzij Stable Diffusion, een generatieve AI voor beelden.

Sinds de explosieve groei van e-commerceplatforms als gevolg van de COVID-19-pandemie worden er jaarlijks twee miljard foto’s bewerkt. De PhotoRoom-app speelt hierin een belangrijke rol door het uitsnijden, de schaduwweergave en het genereren van realistische achtergronden voor verkopers te automatiseren. “We gebruiken generatieve AI klanten foto’s aan te bieden die eruitzien alsof ze door een professionele fotograaf zijn gemaakt, waarbij we zelfs in minder dan een seconde unieke, realistische, AI achtergronden toevoegen”, zegt Matthieu.

“Wij helpen onze klanten hun bedrijf te laten groeien door hen te voorzien van een ruime keuze aan hoogwaardige, voordelige foto’s die aansluiten bij hun merk en hun producten zo goed mogelijk in de schijnwerpers zetten, om zo klanten aan te trekken en te behouden.”

Matthieu Rouif, CEO en medeoprichter van PhotoRoom

Igor Carron is CEO en medeoprichter van LightOn, een Franse organisatie het nieuwe generatieve AI Paradigm organisatie , dat krachtiger is dan GPT-3. Het biedt de meest geavanceerde modellen voor het beheer van servers en data het bedrijven data garandeert.

In zijn keynote-toespraak vertelde Igor over het ontstaan van zijn organisatie. „Toen we LightOn in 2016 oprichtten, ontwikkelden we hardware die licht gebruikte om berekeningen voor AI uit te voeren. Het was een ongebruikelijke aanpak, maar het werkte – onze Optical Processing Unit (OPU), ’s werelds eerste fotonische AI , wordt inmiddels door onderzoekers over de hele wereld gebruikt en is geïntegreerd in een van ’s werelds grootste supercomputers.

“Sinds 2020, na de introductie van GPT, hebben we ons verdiept in de vraag hoe we onze hardware konden inzetten om onze eigen LLM’s te bouwen – zowel voor eigen gebruik als voor externe klanten. We leerden hoe we LLM’s moesten maken en werden er zelfs behoorlijk goed in. Maar toen we in 2021 en 2022 voor het eerst met mensen spraken, hadden ze geen idee wat GPT-3 was, dus moesten we onze audience informeren.

“We hebben samen met een klant een groter model ontwikkeld, dat onlangs is gelanceerd met 40 miljard parameters. Het is op een unieke manier getraind om te kunnen concurreren met GPT-3, maar maakt gebruik van veel minder parameters. Dit betekent dat je een infrastructuur nodig hebt die veel minder zware hardware vereist, en dat je het kunt gebruiken zonder dat het je een fortuin kost.”

Igor benadrukt het belang van grote taalmodellen en zegt:

“Ik denk dat de meeste bedrijven in de toekomst op LLM’s zullen draaien… Met deze tools zullen ze in staat zijn om echte waarde uit hun eigen data te halen.”

Igor Carron, CEO en medeoprichter van LightOn

“Wat we onze klanten vandaag de dag bieden, is een product met de naam Paradigm: hiermee kunnen bedrijven hun eigen data binnen hun organisatie beheren en deze data hergebruiken data hun modellen opnieuw te trainen en te verbeteren. Zo kunnen hun interne processen of producten profiteren van de inzichten die worden verkregen uit hun interacties met hun LLM’s.

“Veel spelers in het Franse of Europese ecosysteem zijn afhankelijk van de AI of andere Noord-Amerikaanse concurrenten.” Igor waarschuwt: “Het gevaar van het versturen van je data een openbare API is dat deze worden hergebruikt om nieuwe modellen te trainen. Stel dat mensen in de mijnbouw, die letterlijk weten waar ze goud kunnen vinden, hun technische reports sturen… Als je over een paar jaar aan ChatGPT-8 of -9 of wat dan ook vraagt: ‘Waar is het goud?’, dan zal het je vertellen waar het goud is!” Hij raadt bedrijven ten zeerste aan om de data intern genereren te gaan gebruiken om hun modellen te trainen.

Yohann Ralle, de laatste keynote-spreker, is AI generatieve AI bij het Franse ministerie van Economie, Financiën en Industriële en Digitale Soevereiniteit. Hij begon met het toelichten van zijn „magische formule“ voor het bouwen van een geavanceerd grootschalig taalmodel (LLM): rekenkracht + datasets + fundamenteel onderzoek:

“Wat rekenkracht betreft, heeft de Franse regering geïnvesteerd in een digitaal gemeenschappelijk platform, de Jean Zay-supercomputer, die is ontworpen om de AI te ondersteunen. Hierdoor kon het Europese meertalige BLOOM- model worden getraind.”

Yohann Ralle, AI generatieve AI bij het Franse ministerie van Economie, Financiën en Industriële en Digitale Soevereiniteit.

““Wat datasets betreft, hebben initiatieven zoals Agdatahub bijgedragen aan het samenvoegen, annoteren en kwalificeren data leer- en data efficiënte en betrouwbare AI data ontwikkelen AI wat ook kan bijdragen aan het Franse concurrentievermogen. Wat fundamenteel onderzoek betreft, heeft de nationale strategie geholpen bij het structureren van het ecosysteem AI en -ontwikkeling met de oprichting van de 3IA-instituten, de financiering van doctoraatscontracten, de lancering van het IRT Saint Exupéry- en het SystemX-project, diverse opleidingsprogramma’s voor studenten en nog veel meer in heel Frankrijk en Europa.”

Hoewel de vraag gemengde reacties opriep, is men het er algemeen over eens dat er weliswaar sprake is van intelligentie, maar niet van opzet.

Matthieu: „Ik denk van wel… Je hebt het gevoel dat er iemand is, zolang je maar niet naar data vraagt. Er is een tijdsaspect dat niet klopt.”
Igor: „Mijn vraag is: waarom stelde je die vraag? Want de Turingtest is voor het bedrijfsleven niet erg interessant. Maar wat interactie betreft, ja, dan kun je zeggen dat AI de test AI doorstaan.”

Yohann: “De Turingtest is erg subjectief. Er schuilt een risico in het toeschrijven van menselijke eigenschappen aan AI, in het antropomorfiseren ervan. Denk maar aan het geval van Google-ingenieur Blake Lemoine, die geloofde dat de LaMDA-chatbot waarmee hij praatte bewustzijn had gekregen… De Turingtest is een interessante oefening, meer niet.”

Hanan: „Wat ChatGPT betreft, zijn we er bijna, maar we zijn er nog niet helemaal.“

Igor: „Hoewel de langetermijngevolgen van ChatGPT voor grote taalmodellen (LLM’s) nog niet volledig duidelijk zijn, zullen er in de loop van de tijd nieuwe toepassingen voor deze technologieën ontstaan die belangrijke maatschappelijke gevolgen hebben. De discussie is interessant, maar het belangrijkste zijn de wetenschappelijke artikelen waarin de verbeteringen aan LLM’s gedetailleerd worden beschreven. De huidige en potentiële praktische toepassingen van deze modellen mogen niet over het hoofd worden gezien of worden onderschat.”

Hanan: “Het is duidelijk dat chatbots altijd al een belangrijke rol hebben gespeeld binnen AI dat ze ook in de toekomst een belangrijke toepassing zullen blijven, want nu, met ChatGPT, kun je er binnen 48 uur een opzetten door hem aan een database te koppelen – dat is echt verbazingwekkend. Een andere toepassing is het ontwikkelen van autonome agents die specifieke taken kunnen uitvoeren zonder menselijke tussenkomst, zoals een reisagent die al je tickets, hotels en restaurants boekt voor een reis naar Italië.”

Yohann: „Ik zie veel mogelijkheden voor plug-ins op basis van CGT, zoals Kayak of Booking. Ik denk dat dit de digitale wereld ingrijpend zal veranderen, waarbij OpenAI de rol van de aggregators zal overnemen.”

Igor: “Ik zie mogelijkheden voor het op maat maken van LLM’s voor bedrijven. Naast data zullen bedrijven gaan begrijpen hoe ze ongestructureerde data kunnen gebruiken en hoe ze data echte waarde uit hun data kunnen halen met eigen LLM’s. Tegelijkertijd denk ik dat we dankzij ChatGPT ingrijpende veranderingen zullen zien in de manier waarop mensen zoeken en het internet gebruiken.”

Vincent: Ik denk dat er een fusie zal plaatsvinden tussen interne data LLM’s tot een soort ‘Master FAQ+’ die door zoek- of augmented agents kan worden doorzocht. Het concept van zoekopdrachten evolueert: zullen mensen morgen één of meerdere zoekwoorden kopen, of zullen ze een concept kopen? In de reclame was het doel altijd om mensgericht en audience te zijn; nu we data beschermen, gaan we richting contextgericht. En dat kan leiden tot interessantere reclame.”

Matthieu: “We hebben geluk: een van onze concurrentievoordelen is dat AI ons DNA zit. We stimuleren intern het gebruik van meer generatieve tools. Ons technische team gebruikt Copilot voor de ontwikkeling, en onze programmeurs maken gebruik van zowel ChatGPT als Copilot. We zijn creatiever met deze tools. Wat betreft personeel: we groeien, dus we zijn van plan nieuwe mensen aan te nemen… maar tegelijkertijd kunnen we, als we geweldige software hebben, meer doen met kleinere teams.”

Igor: “We hebben altijd met een klein team gewerkt – zeven of acht mensen – om hetzelfde hoge niveau van technische expertise te bereiken als bijvoorbeeld Google, waar de teams tien keer zo groot zijn. Onze kleine teams hebben een buitenproportioneel groot effect. Het is een misvatting om te denken dat je een groot team nodig hebt om grote dingen te bereiken.”

Yohann: „Tien jaar geleden stelde een Amerikaans onderzoek dat 47% van de banen AI twintig jaar door AI zou verdwijnen, maar we zien dat dit niet gebeurt. Een recenter onderzoek van de OESO kwam uit op een percentage dat dichter bij 14% ligt. Ik denk dat we moeten denken in termen van taken, niet van banen. Zoals vermeld in een recent onderzoek van OpenAI, zal 80 tot 90% van de banen worden beïnvloed door generatieve AI maar dat betekent in feite dat 90% van de werknemers te maken krijgt met veranderingen in 10% van hun taken. Wat interessant is, is dat het idee dat bepaalde beroepen onaantastbaar zijn voor AI discussie AI gesteld, zoals beroepen in de creatieve, juridische, financiële en andere sectoren. De Franse regering heeft Le LaborIA opgericht om deze kwesties te helpen onderzoeken.”

Hanan: “De eerste beperking betreft intellectueel eigendom (IE). Momenteel zijn er drie soorten modellen: openbare modellen, zoals ChatGPT, waarbij de data verstuurt voor commerciële doeleinden kunnen worden gebruikt; particuliere modellen zonder eigenaar van intellectueel eigendom, zoals de API van Google op Lambda; en zelf geïnstalleerde open-source-modellen. Data is een punt van zorg, aangezien GPT en PaLM niet in Europese maar in Amerikaanse handen zijn.”

Yohann: „Regelgeving is een groot probleem in Europa. Italië heeft het gebruik van ChatGPT volledig verboden in afwachting van een onderzoek naar de vraag of de applicatie voldoet aan de privacyvoorschriften van de AVG. OpenAI moet uiterst duidelijk zijn over het gebruik van data bijvoorbeeld een disclaimer te plaatsen data staat data ze data gebruiken data gebruikers de mogelijkheid te bieden zich af te melden voor data en hen in staat te stellen hun data te wissen. Een ander probleem met betrekking tot de beperkingen van LLM's zijn hallucinaties: ze geven vaak verkeerde antwoorden, wat ernstige gevolgen kan hebben als het verzoek betrekking heeft op een publiek figuur en het model een ‘nepnieuws’-verhaal genereert dat de persoon in kwestie daadwerkelijk schade kan berokkenen.”

Vincent: “Heb je je verdiept in het onderwerp intellectueel eigendom en de problemen die naar voren zijn gekomen door de rechtszaak van Getty Images tegen Stability AI? Er zijn veel vragen over het scrapen van afbeeldingen van het internet om modellen te trainen…”

Yohann: “We denken erover na. Open source zou een manier kunnen zijn om schone, auteursrechtvrije databases en datasets te creëren die intellectueel eigendom respecteren.”

Matthieu: „Wat betreft data producten: wat ervoor zorgt dat ChatGPT, Midjourney of PhotoRoom goed werken, zijn niet data, maar de feedback van klanten.”

Yohann: „Feedback van gebruikers is ideaal, maar het verzamelen ervan is in het geval van LLM’s onbetaalbaar.”

Igor: “Waar is het geld? Dat is mijn vraag. Alle problemen die je hebt genoemd, zijn van technische aard, en we kunnen ze pas oplossen als we de middelen hebben om technici aan te nemen en een ecosysteem op te zetten, en daar zijn we nu gewoon nog niet klaar voor.”

Yohann: “Het is een reëel risico. Op dit moment heeft NVIDIA hier een monopolie; zij bepalen de markt en de prijzen. Helaas zijn er in Europa geen echte concurrenten. Het is per definitie een schaarse grondstof, dus het is een zware strijd.”

Matthieu: „Het tekort aan GPU’s beperkt niet alleen onze productiviteit ernstig, maar ook de groei van bedrijven in heel Europa.“

Igor: „Omdat we zijn begonnen als hardwarefabrikant, hadden we al in 2016 met dit probleem te maken… Tegenwoordig zijn er mensen bij onze concurrenten die fulltime bezig zijn met het vinden van voldoende GPU’s om modellen te trainen… De markt groeit explosief, maar de chipproductie kan dat nergens ter wereld bijhouden.”

Hanan: “Er zal onvermijdelijk een GPU-bottleneck ontstaan, maar we kunnen leren efficiënter te werken – dat moet ook wel. En we moeten kijken hoe we open source in onze bedrijven kunnen integreren, niet alleen hoe we alle nieuwste technologieën kunnen gebruiken.”

Matthieu: “Bij PhotoRoom maken we gebruik van open source; zo kunnen we sneller werken en onze eigen intellectuele eigendom ontwikkelen. We hebben een grote Hugging Face-gemeenschap in Parijs die ons essentiële feedback geeft.”

Igor: “We gebruiken LLM’s, maar we zijn niet gebonden aan dat bedrijfsmodel. We zouden open source kunnen gebruiken. Het belangrijkste is dat we onze eigen data kunnen en weten hoe we die moeten hergebruiken data toekomstige modellen te trainen. Het doel is een sector die deze modellen op maat maakt voor andere bedrijven.”

Yohann: „De ontwikkeling van open source ten opzichte van propriëtaire software heeft generatieve AI gestimuleerd. De AI heeft samengewerkt zodat andere partijen konden profiteren van dit fundamenteel onderzoek om hun eigen modellen te bouwen. Ik vraag me af of de prestaties van deze open-source-modellen niet achterblijven bij die van propriëtaire modellen, maar dat kan nog veranderen. Hoe dan ook, je kunt je afvragen of Google er geen spijt van heeft dat ze de deuren naar hun ChatGPT-technologie hebben opengezet!”

Na de rondetafelgesprek volgde een audience , waarbij een bijzonder levendige discussie ontstond over het gebrek aan vrouwen in de techsector. Yohann gaf een gedetailleerd overzicht van verschillende maatregelen die de Franse regering op onderwijsgebied neemt en die specifiek op meisjes en vrouwen zijn gericht, terwijl Vincent vertelde over wat de Artefact of Data, het Artefact en andere techbedrijven ondernemen om deze situatie te verbeteren.

Er werden ook vragen gesteld over de toegankelijkheid van grote taalmodellen (LLM’s) voor mensen met autisme en andere beperkingen; het probleem van AI ; de maatregelen die bedrijven van plan zijn te nemen om het milieu te beschermen; en de rol van Europa ten opzichte van Frankrijk met betrekking tot het verzamelen van data via het internet. Bekijk de replay de conferentie om te zien hoe de deelnemers deze vragen hebben beantwoord.