AI hari ini sering mengingatkan saya pada industri automobil - analogi yang saya gunakan apabila berbincang dengan pemilik perniagaan di Malaysia. Pada dekad 1960an, 70an, 80an dan 90an, ramai yang berebut memiliki kereta kerana ia melambangkan kemajuan dan pertumbuhan ekonomi. Industri berkembang pesat untuk memenuhi permintaan itu, tetapi begitu juga penggunaan bahan api, kesesakan dan pencemaran.
Kecekapan mula menjadi fokus kemudian. Apabila pengeluar Jepun serius mengenai kecekapan bahan api, keboleharapan, pengeluaran lean dan kejuruteraan praktikal, fikiran berubah daripada hanya menghasilkan lebih banyak kereta kepada menghasilkan kereta yang lebih baik dan lebih cekap. Seperti yang selalu diperkatakan, “Jika membakar lebih banyak minyak menjadikan kereta lebih baik, tank pasti kenderaan keluarga yang sempurna.”
China juga mengalami perubahan serupa. Pada peringkat awal perindustrian negara itu, pertumbuhan agresif dan kerosakan alam sekitar agak ketara. Tetapi bermula tahun 2000an, pembuatan menjadi lebih automatik dan cekap, tenaga boleh diperbaharui berkembang, EV berkembang pesat, dan pengeluaran lebih bersih menjadi keutamaan yang lebih besar.
China tidak berhenti memperindustrian; ia belajar memperindustrian dengan cara yang berbeza. Teknologi terus maju, tetapi cara ia direka dan digunakan menjadi lebih praktikal dan lebih menjimatkan sumber.
AI kini berada di persimpangan yang sama. Hari ini, semua orang mahukan model lebih besar, lebih banyak agen, tetingkap konteks lebih panjang, lebih banyak GPU dan berbilion token. Ada anggapan bahawa penggunaan AI yang lebih banyak bermaksud sistem lebih canggih. Tetapi itu ibarat berkata, “Kereta saya guna dua kali lebih banyak petrol, jadi ia pasti dua kali lebih bijak.”
Soalan sebenar bukan, “Berapa banyak AI yang boleh kita guna?” Sebaliknya, “Berapa sedikit AI yang sebenarnya kita perlukan untuk menyelesaikan masalah dengan betul?” Inilah sebabnya arkitektur seperti Smart Routing, Segmentation dan Sistem Berasingan penting - terutamanya untuk PKS Malaysia yang mahu nilai maksimum tanpa membazir.
Smart Routing menghantar tugas mudah kepada model yang lebih kecil atau perisian konvensional, manakala model canggih hanya digunakan apabila penaakulan mendalam benar-benar diperlukan. Segmentation memecahkan masalah besar kepada tugas-tugas yang lebih kecil, mengurangkan konteks, penggunaan token dan pengiraan yang tidak perlu. Sistem Berasingan memindahkan pengiraan, pengesahan, penapisan, operasi pangkalan data dan peraturan deterministik keluar daripada model AI. AI mengendalikan kebijaksanaan; perisian mengendalikan kepastian.
Jika direka sedemikian, sistem AI boleh mengurangkan penggunaan token, kos inference, bebanan GPU, keperluan infrastruktur dan penggunaan tenaga, sambil meningkatkan kebolehharapan dan skalabiliti. Di sinilah kecekapan AI dan ESG sepatutnya bertemu. Kita sudah tahu akibatnya apabila teknologi diterap dahulu dan dioptimumkan beberapa dekad kemudian. Masa depan AI bukan sekadar lebih bijak, tetapi lebih cekap - menggunakan AI canggih hanya apabila kebijaksanaan canggih benar-benar diperlukan. Itulah yang kami usahakan di AINNA: membantu perniagaan Malaysia mencapai hasil yang lebih besar dengan sumber yang lebih sedikit.
Ruang pembaca
Apa pendapat anda?
Komen baharu dihantar untuk semakan terlebih dahulu. Nama dan email diperlukan, tetapi email tidak dipaparkan kepada pembaca.
This is where ramai yang berebut memiliki kereta finally makes sense.
Not convinced on fikiran berubah daripada hanya menghasilkan yet, but fair argument.
Ringkas dan jelas. 1 boleh kongsi dengan team saya. Bahagian ini saya kena fikir lagi.
I have watched 1960an, 70an, 8 80 go wrong in practice. Good to see it written down.
Useful. We are dealing with dekad 1960an, 7 70 right now.
Pada dekad 1960an, 70an, 80an is the part I would forward to my boss.
The numbers around keboleharapan, pengeluaran lean dan make more sense than most posts I read.
Clearer than the vendor decks I get about kesesakan dan pencemaran.Kecekapan mula.