Както се оказа, да, но съвсем малко
AI е вездесъщ. Едно от най-често срещаните места за AI в дома в наши дни са смартфоните, интелигентните домове и уредите. Наскоро, докато седяхме да вечеряме, имахме разговор с Алекса, който вървеше по следния начин:
Me: Alexa, играй акцентите на Cubs. [Това е функция, която се рекламира на началния екран на Alexa. Помолете Alexa да играе акценти за любимия ви отбор.]
Alexa: Намерих нещо в мрежата. [Знам, че когато Alexa стартира по този начин, има проблем. Няма да мине добре. Alexa показва списък с шепа видеоклипове. Разбира се, повечето от тях са бейзболни видеоклипове с играчи, които правят изключителни игри през последните 5 години. Моя грешка. Опитай пак.]
Me: Алекса, покажи ми акцентите от най-новия бейзболен мач на Чикаго Къбс. [Надявам се да не забележи снизходителния тон, тъй като приемам вината, че не може да разбере молбата ми.]
Alexa: Акцентите за мача на Чикаго Къбс ще бъдат налични два часа след края на мача. [Напредък. Нямах представа, че може да играят точно в този момент. Късметът е на моя страна. Изведнъж се обнадеждавам.]
Me: Алекса, тогава добре, покажи ми вчерашните акценти. [Да, разочарованието ми започва да личи. Толкова съм близо до разбиването на кода. Почти мога да го вкуся.]
Alexa: Съжалявам, не го познавам. [Това се казва твърде често. Може би не бях ясен.]
Me: Шегуваш ли се? Възпроизвеждане, видео акценти за бейзболния мач от Мейджър Лийг между Чикаго Къбс и Питсбърг Пайретс за понеделник, 25 юли 2022 г. на Wrigley Field. [Този път съм уверен, че успях. Изплюх конкретна, недвусмислена заявка, която е умение, което знам, че Алекса притежава. Правил е това и преди. ]
Alexa: [Мълчание. Нищо. Няма отговор. Забравих да кажа вълшебната дума за събуждане, Алекса.]
- среден IQ на 18-годишно дете е около 100. Средният коефициент на интелигентност на човек на 6-годишна възраст е 55. IQ на Google AI е оценен на 47. IQ на Siri се оценява на 24. Bing и Baidu са на 30-те. Не намерих оценка на коефициента на интелигентност на Alexa, но опитът ми беше много като разговор с дете в предучилищна възраст.
Някои може да кажат, че не е честно да се дава на компютър IQ тест. Но съвършено това е целта. Обещанието на AI е да прави това, което правят хората, само че по-добре. Досега всяко директно предизвикателство – или, да кажем, невронна мрежа към невронна мрежа – предизвикателство беше много фокусирано. Играя шах. Диагностициране на заболяването. Доене на крави. Каране на автомобили. Роботът обикновено печели. Това, което искам да видя, е Уотсън да дои крава, докато кара кола и играе Jeopardy. Сега, че ще бъде трифекта. Хората дори не могат да търсят цигарите си, докато шофират, без да претърпят инцидент.
IQ на AI
Надхитрени от машина. Подозирам, че не съм сам. Замислих се, ако това е най-модерното, колко умни са тези неща? Можем ли да сравним интелигентността на човека с интелекта на машина?
Учените оценяват способностите на системите да учат и разсъждават. Досега синтетичните хора не са се справяли толкова добре, колкото истинските. Изследователите използват недостатъците, за да идентифицират пропуските, така че да разберем по-добре къде трябва да се направи допълнително развитие и напредък.
Само за да не пропуснете същността и да забравите какво представлява „Аз“ в AI, търговците измислиха термина Smart AI.
Чувствен ли е AI?
Имат ли чувства роботите? Могат ли компютрите да изпитат emotions? Не. Да продължим. Ако искате чета относно това, един (бивш) двигател на Google наистина твърди, че AI моделът, върху който Google работи, е разумен. Той имаше страховит чат с бот, който го убеди, че компютърът има чувства. Компютърът се страхува за живота си. Дори не мога да повярвам, че съм написал това изречение. Компютрите нямат живот, от който да се страхуват. Компютрите не могат да мислят. Алгоритмите не се мислят.
Не бих се изненадал обаче, ако компютърът отговори на команда в много близко бъдеще с: „Съжалявам, Дейв, не мога да направя това.“
Къде се проваля AI?
Или по-точно защо AI проектите се провалят? Те се провалят поради същите причини, поради които ИТ проектите винаги са се проваляли. Проектите се провалят поради лошо управление или неуспех в управлението на време, обхват или бюджет..:
- Неясно или неопределено зрение. Лоша стратегия. Може да сте чували ръководството да казва: „Просто трябва да поставим отметка в квадратчето.“ Ако предложението за стойност не може да бъде определено, целта е неясна.
- Нереалистични очаквания. Това може да се дължи на недоразумения, лоша комуникация или нереалистичен график. Нереалистичните очаквания могат да произтичат и от липсата на разбиране на възможностите и методологията на инструментите за изкуствен интелект.
- Неприемливи изисквания. Бизнес изискванията не са добре дефинирани. Показателите за успех са неясни. Също в тази категория е подценяването на служителите, които разбират данните.
- Небюджетирани и подценени проекти. Разходите не са напълно и обективно оценени. Непредвидени обстоятелства не са планирани и предвидени. Времевият принос на персонала, който вече е твърде зает, е подценен.
- Непредвидени обстоятелства. Да, случайността се случва, но мисля, че това попада в лошо планиране.
Вижте също предишната ни публикация 12 причини за провал в анализа и бизнес разузнаването.
AI днес е много мощен и може да помогне на компаниите да постигнат огромен успех. Когато инициативите за ИИ се провалят, провалът почти винаги може да бъде проследен до едно от горните.
Къде работи AI Excel?
AI е добър в повтарящи се, сложни задачи. (За да бъда честен, той може да изпълнява и прости, неповтарящи се задачи. Но би било по-евтино да накарате вашето дете в предучилищна възраст да го прави.) Добре е в намирането на модели и връзки, ако съществуват, в огромни количества данни.
- AI се справя добре, когато търси събития, които не съответстват на конкретни модели.
- Откриване измама с кредитна карта е за намиране на транзакции, които не следват модели на използване. Склонен е да греши от страна на предпазливостта. Получих обаждания от кредитната си карта с прекалено ревностен алгоритъм, когато зареждах колата си под наем с бензин в Далас и след това зареждах личната си кола в Чикаго. Беше законно, но достатъчно необичайно, за да бъде маркирано.
"Американ Експрес обработва 1 трилион долара транзакции и има 110 милиона активни карти AmEx. Те разчитат в голяма степен на анализ на данни и алгоритми за машинно обучение, за да помогнат за откриване на измами в почти реално време, като по този начин спестяват милиони загуби“.
- Фармацевтични измами и злоупотреби. Системите могат да намерят необичайни модели на поведение въз основа на много програмирани правила. Например, ако пациент посети трима различни лекари в града в един и същи ден с подобни оплаквания от болка, може да е необходимо допълнително изследване, за да се изключи злоупотреба.
- AI в здравеопазването има някои отлични успехи.
- AI и дълбокото обучение бяха научени да сравняват рентгеновите лъчи с нормалните находки. Той успя да разшири работата на рентгенолозите, като маркира аномалии, които радиолог да провери.
- AI работи добре с социални и пазаруване. Една от причините да виждаме това толкова често е, че има нисък риск. Рискът ИИ да сгреши и да има тежки последствия е нисък.
-
- Ако сте харесали/купили това, смятаме, че ще ви хареса това. От Amazon до Netflix и YouTube, всички те използват някаква форма на разпознаване на образи. Instagram AI взема предвид вашите взаимодействия, за да фокусира вашата емисия. Това обикновено работи най-добре, ако алгоритъмът може да постави вашите предпочитания в кофа или група от други потребители, които са направили подобен избор, или ако вашите интереси са тесни.
- AI се радва на известен успех с разпознаване на лица. Facebook може да идентифицира вече маркирано лице в нова снимка. Някои ранни системи за лицево разпознаване, свързани със сигурността, бяха заблудени от маски.
- AI се радва на успех в земеделие използване на машинно обучение, IoT сензори и свързани системи.
- AI подпомаган умни трактори полета за засаждане и прибиране на реколтата, за да увеличите максимално добива, да сведете до минимум торовете и да подобрите разходите за производство на храни.
- С точки от данни от 3-D карти, почвени сензори, дронове, метеорологични модели, наблюдавани машинно обучение открива модели в големи набори от данни, за да предвиди най-доброто време за засаждане на култури и да предвиди добивите, преди те дори да бъдат засадени.
- Млечни ферми използвайте AI роботи, за да карате кравите да се доят сами, AI и машинното обучение също така наблюдават жизнените показатели на кравата, активността, приема на храна и вода, за да ги поддържат здрави и доволни.
- С помощта на AI, фермери които са по-малко от 2% от населението, изхранват 300 милиона в останалата част на САЩ.
- Изкуствен интелект в селското стопанство
Има и страхотни истории за AI успех в сферата на услугите, търговията на дребно, медиите и производството. AI наистина е навсякъде.
Контраст на силните и слабите страни на ИИ
Стабилното разбиране на силните и слабите страни на AI може да допринесе за успеха на вашите инициативи за AI. Не забравяйте също, че възможностите в момента в дясната колона са възможности. Това са областите, в които доставчиците и модерните осиновители в момента постигат напредък. Ще разгледаме възможностите, които в момента предизвикват AI отново след година и ще документираме лявото изместване. Ако проучите внимателно следната диаграма, няма да се изненадам, ако има някакво движение между времето, когато пиша това, и времето, когато е публикувано.
Силни и слаби страни на изкуствения интелект днес | |
---|---|
Силни |
Слабости |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Какво е бъдещето на AI?
Ако AI беше по-умен, можеше да предскаже какво крие бъдещето. Ясно е, че са много погрешни схващания за това какво може и какво не може да направи AI. много погрешни схващания и AI неграмотност са резултат от технологичния маркетинг, който прекалява със съществуващите възможности. AI е впечатляващ за това, което може да направи днес. Предвиждам, че много от слабостите в дясната колона ще се изместят наляво и ще се превърнат в силни страни през следващите 2 или 3 години.
[След като завърших тази статия, представих предишния параграф на OpenAI, отворен езиков генератор на AI платформа. Може да сте виждали част от изкуството, генерирано от DALL-E. Исках да знам какво мисли за бъдещето на AI. Ето какво трябваше да каже. ]
Бъдещето на AI не е в закупуването на няколко сървъра и инсталирането на готов софтуерен пакет. Става въпрос за намиране и наемане на правилните хора, изграждане на правилния екип и правене на правилните инвестиции както в хардуер, така и в софтуер.
Някои потенциални успехи на AI през следващите няколко години включват:
- Повишаване на точността на прогнозите и препоръките
- Подобряване на процесите на вземане на решения
- Ускоряване на изследванията и развитието
- Помощ за автоматизиране и оптимизиране на бизнес процесите
Съществуват обаче и някои потенциални грешки на AI, за които фирмите трябва да са наясно, като например:
- Прекаленото разчитане на AI води до неоптимални решения
- Липсата на разбиране за това как работи AI, което води до злоупотреба
- Пристрастия в данните, използвани за обучение на AI модели, водещи до неточни резултати
- Проблеми със сигурността и поверителността около данните, използвани за обучение на AI модели
И така, какво означава това за фирмите, които инвестират в AI, за да допълнят своите традиционни анализи? Краткият отговор е, че няма преки пътища. 85% от AI инициативите се провалят. Интересното е, че това е подобно на често цитираната статистика, свързана с традиционните ИТ и BI проекти. Същата упорита работа, която винаги се е изисквала, преди да можете да извлечете стойност от анализа, все още трябва да бъде свършена. Визията трябва да съществува, да е реалистична и постижима. Мръсната работа е подготовката на данните, споровете и почистването на данните. Това винаги ще трябва да се прави. В обучението на AI, още повече. Понастоящем няма преки пътища за човешка намеса. От хората все още се изисква да дефинират алгоритмите. От хората се изисква да идентифицират „правилния“ отговор.
В обобщение, за да бъде ИИ успешен, хората трябва да:
- Създайте инфраструктурата. Това по същество установява границите, в които AI ще работи. Става въпрос за това дали фондацията може да поддържа неструктурирани данни, блокчейн, IoT, подходяща сигурност.
- Помощ при откриване. Намерете и определете наличността на данни. Данните за обучение на AI трябва да съществуват и да са налични.
- Подредете данните. Когато се представя голям набор от данни и, следователно, голям брой потенциални резултати, може да се наложи експерт по домейн да оцени резултатите. Курирането ще включва и валидиране на контекста на данните.
Заимствайки фраза от учените по данни, за да могат компаниите да бъдат успешни с AI, за да могат да добавят стойност към съществуващите възможности за анализ, те трябва да могат да отделят сигнала от шума, съобщението от рекламата.
Преди седем години, на IBM Джини Ромети каза нещо като Watson Health [AI] е нашата лунна снимка. С други думи, AI – еквивалентът на кацане на Луната – е вдъхновяваща, постижима, дълга цел. Не мисля, че сме кацали на Луната. Още. IBM и много други компании продължават да работят към целта за трансформиращ AI.
Ако AI е луната, луната се вижда и е по-близо, отколкото някога е била.