Kako se ispostavilo, da, ali jedva

AI je sveprisutan. Jedno od najčešćih mjesta za AI u kući ovih dana su pametni telefoni, pametni domovi i uređaji. Nedavno, dok smo sjeli na večeru, imali smo razgovor sa Alexom koji je tekao otprilike ovako:

Me: Alexa, igraj Cubs highlights. [Ovo je funkcija koja se reklamira na Alexinom početnom ekranu. Zamolite Alexu da igra najzanimljivije stavke za vaš omiljeni tim.]

Alexa: Našao sam nešto na internetu. [Znam da kada Alexa počne ovako, postoji problem. Neće dobro proći. Alexa prikazuje listu nekoliko videozapisa. Doduše, većina njih su bejzbol video snimci sa igračima koji su napravili izuzetne igre u proteklih 5 godina. Moja greška. Pokušaj ponovo.]

Me: Alexa, pokaži mi najzanimljivije detalje za najnoviju bejzbol utakmicu Chicago Cubsa. [Nadam se da neće otkriti snishodljiv ton jer prihvatam krivicu što nije mogao razumjeti moj zahtjev.]

Alexa: Najvažniji detalji za igru ​​Chicago Cubsa bit će dostupni dva sata nakon završetka utakmice. [Napredak. Nisam imao pojma da možda igraju baš u ovom trenutku. Sreća je na mojoj strani. Odjednom sam pun nade.]

Me: Alexa, dobro, pokaži mi onda jučerašnje effing highlights. [Da, moja frustracija počinje da se pokazuje. Tako sam blizu razbijanja koda. Gotovo da ga mogu okusiti.]

Alexa: Žao mi je, ne znam tog. [To govori prečesto. Možda nisam bio jasan.]

Ja: Šališ se? Igrajte, video najzanimljiviji dio utakmice Major League Baseballa između Chicago Cubsa i Pittsburgh Piratesa za ponedjeljak, 25. jula 2022. na Wrigley Fieldu. [Ovaj put sam siguran da sam uspio. Ispljunuo sam konkretan, nedvosmislen zahtjev koji je vještina za koju znam da Alexa posjeduje. To je već radilo. ]

Alexa: [Tišina. Ništa. Bez odgovora. Zaboravio sam da izgovorim magičnu reč za buđenje, Alexa.]

The prosečan IQ 18-godišnjaka je oko 100. Prosječan IQ čovjeka od 6 godina je 55. Google AI IQ je procijenjen na 47. Sirijev IQ je procijenjen na 24. Bing i Baidu su u 30-im godinama. Nisam pronašao procjenu Alexinog koeficijenta inteligencije, ali moje iskustvo je bilo slično razgovoru sa predškolcem.

Neki će možda reći da nije fer dati kompjuteru IQ test. Ali, to je savršeno poenta. Obećanje AI je da će raditi ono što ljudi rade, samo bolje. Do sada je svaki izazov – ili, da kažemo, neuronska mreža do neuronske mreže – bio veoma fokusiran. Igranje šaha. Dijagnostikovanje bolesti. Muza krava. Vožnja automobila. Robot obično pobjeđuje. Ono što želim vidjeti je Watson kako muze kravu dok vozi auto i igra Jeopardy. Sad, da bila bi trifecta. Ljudi ne mogu čak ni tražiti svoje cigarete dok voze, a da ne dođu u nesreću.

AI-jev IQ

Nadmudrio ga mašina. Sumnjam da nisam sam. Morao sam da pomislim, ako je ovo stanje tehnike, koliko su ove stvari pametne? Možemo li uporediti ljudsku inteligenciju sa mašinom?

Naučnici procjenjuju sposobnosti sistema da uče i rasuđuju. Do sada, sintetički ljudi nisu radili tako dobro kao pravi. Istraživači koriste nedostatke kako bi identificirali nedostatke kako bismo bolje razumjeli gdje je potrebno napraviti dodatni razvoj i napredak.

Samo da ne biste propustili poentu i zaboravili šta predstavlja "ja" u AI, trgovci su sada skovali termin Smart AI.

Da li je AI Sentient?

Imaju li roboti osjećaje? Mogu li računari doživjeti emotions? Ne. Idemo dalje. Ako hoćeš čitati u vezi s tim, jedan (bivši) Googleov motor tvrdi da je AI model na kojem Google radi razuman. Imao je jezivi razgovor sa botom koji ga je uvjerio da kompjuter ima osjećaje. Računar se boji za svoj život. Ne mogu ni da verujem da sam napisao tu rečenicu. Kompjuteri nemaju života da se plaše. Kompjuteri ne mogu da misle. Algoritmi se ne razmišljaju.

Ne bih se iznenadio, međutim, da računar u bliskoj budućnosti odgovori na komandu sa: „Žao mi je, Dave, ne mogu to da uradim.”

Gdje AI ne uspijeva?

Ili, preciznije, zašto projekti AI propadaju? Oni propadaju iz istih razloga iz kojih su IT projekti uvijek propali. Projekti propadaju zbog lošeg upravljanja ili neuspjeha u upravljanju vremenom, obimom ili budžetom..:

• Nejasna ili nedefinirana vizija. Loša strategija. Možda ste čuli kako menadžment kaže: „Moramo samo označiti kućicu“. Ako se prijedlog vrijednosti ne može definirati, svrha je nejasna.
• Nerealna očekivanja. To može biti zbog nesporazuma, loše komunikacije ili nerealnog rasporeda. Nerealna očekivanja mogu također proizaći iz nerazumijevanja mogućnosti i metodologije AI alata.
• Neprihvatljivi zahtjevi. Poslovni zahtjevi nisu dobro definisani. metrika uspjeha je nejasna. U ovoj kategoriji je i potcjenjivanje zaposlenih koji razumiju podatke.
• Nebudžetirani i potcijenjeni projekti. Troškovi nisu u potpunosti i objektivno procijenjeni. Nepredviđeni slučajevi nisu planirani i predviđeni. Vremenski doprinos osoblja koje je već previše zauzeto je potcijenjeno.
• Nepredviđene okolnosti. Da, slučajnost se dešava, ali mislim da ovo spada pod loše planiranje.

Pogledajte, takođe, naš prethodni post 12 razloga za neuspjeh u analitici i poslovnoj inteligenciji.

AI je danas veoma moćan i može pomoći kompanijama da postignu ogroman uspjeh. Kada inicijative AI ne uspiju, neuspjeh se gotovo uvijek može pratiti do jednog od gore navedenih.

Gdje radi AI Excel?

AI je dobar u ponavljajućim, složenim zadacima. (Da budemo pošteni, može da radi i jednostavne zadatke koji se ne ponavljaju. Ali, bilo bi jeftinije da to radi vaš predškolac.) Dobar je u pronalaženju obrazaca i odnosa, ako postoje, u ogromnim količinama podataka.

• AI dobro radi kada traži događaje koji se ne podudaraju s određenim obrascima.
  • Otkrivanje prevara sa kreditnom karticom radi se o pronalaženju transakcija koje ne prate obrasce korištenja. Ima tendenciju da pogreši na strani opreza. Primio sam pozive sa svoje kreditne kartice sa previše revnim algoritmom kada sam napunio svoj iznajmljeni automobil benzinom u Dalasu, a zatim napunio svoj lični auto u Čikagu. Bilo je legitimno, ali dovoljno neobično da bude označeno.

"americki ekspres obrađuje 1 bilion dolara u transakcijama i ima 110 miliona AmEx kartica u radu. Oni se u velikoj meri oslanjaju na analitiku podataka i algoritme mašinskog učenja kako bi pomogli u otkrivanju prevare u skoro realnom vremenu, čime štede milione gubitaka”.

• Farmaceutska prijevara i zloupotreba. Sistemi mogu pronaći neobične obrasce ponašanja na osnovu mnogih programiranih pravila. Na primjer, ako je pacijent istog dana vidio tri različita liječnika u gradu sa sličnim pritužbama na bol, dodatna istraga bi mogla biti opravdana kako bi se isključila zloupotreba.
• AI in zdravstvene zaštite postigla odlične uspjehe.
  • AI i duboko učenje su naučeni da uporede X-zrake sa normalnim nalazima. Bio je u mogućnosti da poveća rad radiologa tako što je označio abnormalnosti da ih radiolog provjeri.
• AI dobro radi sa društveni i šoping. Jedan od razloga zašto ovo toliko vidimo je taj što postoji nizak rizik. Rizik da AI bude pogrešan i da ima teške posljedice je nizak.
• • Ako vam se svidjelo/kupilo ovo, mislimo da će vam se svidjeti ovo. Od Amazona do Netflixa i YouTubea, svi koriste neki oblik prepoznavanja uzoraka. Instagram AI smatra da vaše interakcije fokusiraju vaš feed. Ovo najbolje funkcionira ako algoritam može staviti vaše preferencije u grupu ili grupu drugih korisnika koji su napravili slične izbore, ili ako su vaša interesovanja uska.
  • AI je postigao određeni uspjeh sa prepoznavanja lica. Facebook može identificirati prethodno označenu osobu na novoj fotografiji. Neki rani sistemi za prepoznavanje lica vezani za sigurnost bili su prevareni maskama.
• AI je postigao uspjeh u poljoprivreda koristeći mašinsko učenje, IoT senzore i povezane sisteme.
  • AI asistirao pametni traktori zasaditi i žetvena polja kako bi se maksimizirao prinos, minimizirao gnojivo i poboljšali troškovi proizvodnje hrane.
  • Sa podacima sa 3-D mapa, senzora tla, dronova, vremenskih obrazaca, pod nadzorom mašinsko učenje pronalazi obrasce u velikim skupovima podataka kako bi predvidio najbolje vrijeme za sadnju usjeva i predvidio prinose prije nego što se i zasade.
  • Mljekarske farme koristite AI robote kako bi krave same pomuzele, AI i mašinsko učenje također prate vitalne znakove krave, aktivnost, unos hrane i vode kako bi bile zdrave i zadovoljne.
  • Uz pomoć AI, poljoprivrednici koji čine manje od 2% stanovništva hrane 300 miliona u ostatku SAD-a.
  • Vještačka inteligencija u poljoprivredi

Postoje i sjajne priče o AI uspjeh u uslužnim djelatnostima, maloprodaji, medijima i proizvodnji. AI je zaista svuda.

AI snage i slabosti u suprotnosti

Čvrsto razumijevanje snaga i slabosti umjetne inteligencije može doprinijeti uspjehu vaših AI inicijativa. Zapamtite, također, da su mogućnosti koje se trenutno nalaze u desnoj koloni prilike. Ovo su oblasti u kojima dobavljači i najsavremeniji korisnici trenutno napreduju. Pogledaćemo mogućnosti koje trenutno izazivaju AI ponovo za godinu dana i dokumentovati pomeranje ulevo. Ako pažljivo proučite sljedeću tablicu, ne bih se iznenadio da je došlo do nekog pomaka između vremena kada sam ovo napisao i objavljivanja.

Šta je budućnost AI?

Da je AI pametniji, mogao bi predvidjeti šta donosi budućnost. Jasno je da ih ima mnogo zablude o tome šta AI može, a šta ne može. Mnogi zablude i AI nepismenost rezultat su tehnološkog marketinga koji prenaglašava postojeće mogućnosti. AI je impresivan za ono što danas može. Predviđam da će se mnoge slabosti u desnoj koloni pomjeriti ulijevo i postati prednosti u naredne 2 ili 3 godine.

[Nakon što sam završio ovaj članak, predstavio sam prethodni pasus OpenAI, generator jezika otvorene AI platforme. Možda ste vidjeli neke od umjetnina koje stvara njegov DALL-E. Želeo sam da znam šta misli o budućnosti veštačke inteligencije. Evo šta je trebalo reći. ]

Budućnost AI nije u kupovini nekoliko servera i instaliranju softverskog paketa koji se prodaje. Radi se o pronalaženju i zapošljavanju pravih ljudi, izgradnji pravog tima i pravim ulaganjima u hardver i softver.

Neki potencijalni uspjesi AI u narednih nekoliko godina uključuju:

• Povećanje tačnosti predviđanja i preporuka
• Poboljšanje procesa donošenja odluka
• Ubrzavanje istraživanja i razvoja
• Pomaže u automatizaciji i optimizaciji poslovnih procesa

Međutim, postoje i neki potencijalni propusti AI kojih bi kompanije trebale biti svjesne, kao što su:

• Pretjerano oslanjanje na AI dovodi do neoptimalnih odluka
• Nedostatak razumijevanja kako AI radi što dovodi do zloupotrebe
• Pristrasnost u podacima koji se koriste za obuku AI modela što dovodi do netočnih rezultata
• Zabrinutost za sigurnost i privatnost oko podataka koji se koriste za obuku AI modela

Dakle, šta to znači za kompanije koje ulažu u AI da dopune svoju tradicionalnu analitiku? Kratak odgovor je, ne postoje prečice. 85% inicijativa AI ne uspijeva. Zanimljivo je da je ovo slično često citiranim statistikama vezanim za tradicionalne IT i BI projekte. Isti naporan rad koji je oduvijek bio potreban prije nego što dobijete vrijednost iz analitike i dalje se mora obaviti. Vizija mora postojati, biti realna i ostvariva. Prljavi posao je priprema podataka, prepucavanje podataka i čišćenje podataka. Ovo će uvek morati da se radi. U obuci AI, čak i više. Trenutno ne postoje prečice do ljudske intervencije. Od ljudi se još uvijek traži da definiraju algoritme. Od ljudi se traži da identifikuju "pravi" odgovor.

Ukratko, da bi umjetna inteligencija bila uspješna, ljudi moraju:

• Uspostaviti infrastrukturu. Ovo je u suštini uspostavljanje granica u kojima će AI raditi. Radi se o tome može li fondacija podržati nestrukturirane podatke, blockchain, IoT, odgovarajuću sigurnost.
• Pomoć u otkrivanju. Pronađite i odredite dostupnost podataka. Podaci za obuku AI moraju postojati i biti dostupni.
• Odredite podatke. Kada se predstavi sa velikim skupom podataka i, posljedično, velikim brojem potencijalnih rezultata, može biti potreban stručnjak za domenu da ocijeni rezultate. Kuriranje će također uključivati ​​provjeru konteksta podataka.

Da pozajmimo frazu od naučnika podataka, da bi kompanije bile uspješne s AI, da bi mogle dodati vrijednost postojećim analitičkim sposobnostima, moraju biti u stanju da odvoje signal od buke, poruku od hypea.

Prije sedam godina, IBM-ov Ginni Rometty je rekao nešto poput, Watson Health [AI] je naš pogodak. Drugim riječima, AI – ekvivalent slijetanju na Mjesec – je inspirativan, dostižan i rastegljiv cilj. Mislim da nismo sleteli na Mesec. Ipak. IBM i mnoge druge kompanije nastavljaju da rade na cilju transformativne AI.

Ako je AI mjesec, mjesec je na vidiku i bliže je nego što je ikada bio.