Resulta que sí, però amb prou feines

La IA és omnipresent. Un dels llocs més habituals per a la IA a la llar en aquests dies són els telèfons intel·ligents, les cases intel·ligents i els electrodomèstics. Recentment, mentre ens asseiem a sopar, vam tenir una conversa amb Alexa que va ser una cosa així:

Me: Alexa, juga els aspectes més destacats de Cubs. [Aquesta és una característica que es mostra a la pantalla d'inici d'Alexa. Demana a Alexa que jugui els moments destacats del teu equip favorit.]

Alexa: He trobat alguna cosa a la xarxa. [Sé que quan Alexa comença així, hi ha un problema. No anirà bé. Alexa mostra una llista d'un grapat de vídeos. Per descomptat, la majoria són vídeos de beisbol amb jugadors fent jugades excepcionals durant els últims 5 anys. Culpa meva. Torna-ho a provar.]

Me: Alexa, mostra'm els aspectes més destacats de l'últim partit de beisbol dels Chicago Cubs. [Espero que no detecti el to condescendent, ja que accepto la culpa de no poder entendre la meva petició.]

Alexa: Els moments destacats del joc dels Chicago Cubs estaran disponibles dues hores després que s'acabi el joc. [Progrés, progressar. No tenia ni idea que podrien estar jugant en aquest mateix moment. La sort està del meu costat. De sobte estic esperançat.]

Me: Alexa, bé, mostra'm els aspectes més destacats d'ahir. [Sí, la meva frustració comença a mostrar-se. Estic tan a prop de trencar el codi. Gairebé el puc tastar.]

Alexa: Ho sento, això no el conec. [Ho diu massa sovint. Potser no ho vaig tenir clar.]

em: Em prens el pél? Reprodueix, vídeos destacats del partit de beisbol de la Lliga Major entre els Chicago Cubs i els pirates de Pittsburgh per al dilluns 25 de juliol de 2022 al Wrigley Field. [Aquesta vegada estic segur d'haver-ho encertat. He escopit una sol·licitud específica i inequívoca que és una habilitat que sé que té Alexa. Això ho ha fet abans. ]

Alexa: [Silenci. Res. Sense resposta. M'he oblidat de dir la paraula màgica del despertar, Alexa.]

El coeficient intel·lectual mitjà d'un jove de 18 anys és d'uns 100. El coeficient intel·lectual mitjà d'un ésser humà de 6 anys és de 55. El coeficient intel·lectual de Google AI es va avaluar en 47. S'estima que el coeficient intel·lectual de Siri és de 24. Bing i Baidu són als anys 30. No vaig trobar una avaluació del coeficient intel·lectual d'Alexa, però la meva experiència va ser molt semblant a parlar amb un nen en edat preescolar.

Alguns poden dir que no és just fer una prova de coeficient intel·lectual a un ordinador. Però, aquest és perfectament el punt. La promesa de la IA és fer el que fan els humans, només millor. Fins ara, cada repte de cap a cap, o, diguem-ne, de xarxa neuronal a xarxa neuronal, ha estat molt centrat. Jugant a escacs. Diagnòstic de la malaltia. Munyir vaques. Conduint cotxes. El robot sol guanyar. El que vull veure és que Watson muny una vaca mentre condueix un cotxe i juga a Jeopardy. Ara, que seria la trifecta. Els humans ni tan sols poden buscar els seus cigarrets mentre condueixen sense patir un accident.

El coeficient intel·lectual de l'IA

Enganyat per una màquina. Sospito que no estic sol. He de pensar, si això és l'estat de l'art, com d'intel·ligents són aquestes coses? Podem comparar la intel·ligència d'un humà amb una màquina?

Els científics estan avaluant capacitats dels sistemes per aprendre i raonar. Fins ara, els humans sintètics no ho han fet tan bé com els reals. Els investigadors estan utilitzant les deficiències per identificar les llacunes de manera que entenem millor on cal fer un desenvolupament i un progrés addicionals.

Perquè no us perdeu el punt i oblideu el que representa el "jo" de la IA, ara els venedors han encunyat el terme IA intel·ligent.

La IA és Sentient?

Els robots tenen sentiments? Els ordinadors poden experimentar emotions? No. Seguim endavant. Si vols llegir al respecte, un (antic) motor de Google afirma que el model d'IA en què està treballant Google és sensible. Va tenir una xerrada esgarrifosa amb un bot que el va convèncer que l'ordinador té sentiments. L'ordinador tem per la seva vida. Ni tan sols em puc creure que hagi escrit aquesta frase. Els ordinadors no tenen vida a témer. Els ordinadors no poden pensar. Els algorismes no es pensen.

No m'estranyaria, però, si un ordinador respongués a una ordre en un futur molt proper amb: "Ho sento, Dave, no puc fer-ho".

On falla la IA?

O, més precisament, per què fracassen els projectes d'IA? Fallen pels mateixos motius pels quals sempre han fracassat els projectes informàtics. Els projectes fracassen a causa d'una mala gestió, o una fallada en la gestió del temps, l'abast o el pressupost...:

• Visió poc clara o indefinida. Mala estratègia. És possible que hagis sentit dir a la direcció: "Només hem de marcar la casella". Si la proposta de valor no es pot definir, el propòsit no està clar.
• Expectatives poc realistes. Això pot ser degut a malentesos, mala comunicació o programacions poc realistes. Les expectatives poc realistes també poden derivar de la manca de comprensió de les capacitats i la metodologia de les eines d'IA.
• Requisits inacceptables. Els requisits empresarials no estan ben definits. Les mètriques de l'èxit no estan clares. També en aquesta categoria hi ha la infravaloració dels empleats que entenen les dades.
• Projectes sense pressupost i infravalorats. Els costos no s'han estimat de manera completa i objectiva. No s'han previst ni previst contingències. S'ha subestimat l'aportació de temps del personal que ja està massa ocupat.
• Circumstàncies imprevistes. Sí, l'atzar passa, però crec que això es troba en una mala planificació.

Vegeu també el nostre post anterior 12 raons per al fracàs en analítica i intel·ligència empresarial.

La IA, avui en dia, és molt potent i pot ajudar les empreses a aconseguir un èxit enorme. Quan les iniciatives d'IA fracassen, el fracàs gairebé sempre es pot atribuir a un dels anteriors.

On funciona AI Excel?

La IA és bona per a tasques repetitives i complexes. (Per ser just, també pot fer tasques senzilles i no repetitives. Però, seria més barat que ho fes el vostre nen en edat preescolar.) És bo per trobar patrons i relacions, si existeixen, en grans quantitats de dades.

• La IA funciona bé quan es busca esdeveniments que no coincideixen amb patrons específics.
  • Detectar frau amb targeta de crèdit es tracta de trobar transaccions que no segueixen els patrons d'ús. Acostuma a equivocar-se pel costat de la precaució. He rebut trucades de la meva targeta de crèdit amb un algorisme massa entusiasmat quan vaig omplir el meu cotxe de lloguer amb gasolina a Dallas i després vaig omplir el meu cotxe personal a Chicago. Era legítim, però prou inusual per ser marcat.

"American Express processa 1 bilió de dòlars en transaccions i té 110 milions de targetes AmEx en funcionament. Depenen molt de l'anàlisi de dades i els algorismes d'aprenentatge automàtic per ajudar a detectar el frau gairebé en temps real i, per tant, estalvien milions en pèrdues".

• Frau i abús farmacèutic. Els sistemes poden trobar patrons de comportament inusuals basats en moltes regles programades. Per exemple, si un pacient va veure tres metges diferents per la ciutat el mateix dia amb queixes de dolor similars, es podria justificar una investigació addicional per descartar l'abús.
• IA dins de salut ha tingut uns èxits excel·lents.
  • La IA i l'aprenentatge profund es van ensenyar a comparar els raigs X amb les troballes normals. Va poder augmentar el treball dels radiòlegs marcant anomalies perquè un radiòleg les comprove.
• La IA funciona bé social i de compres. Una de les raons per les quals ho veiem tant és que hi ha un risc baix. El risc que la IA s'equivoca i tingui conseqüències greus és baix.
• • Si t'ha agradat/ha comprat aquest, creiem que t'agradarà això. Des d'Amazon fins a Netflix i YouTube, tots utilitzen algun tipus de reconeixement de patrons. Instagram AI considera les teves interaccions per centrar el teu feed. Això acostuma a funcionar millor si l'algoritme pot posar les vostres preferències en un grup o grup d'altres usuaris que han pres decisions similars, o si els vostres interessos són limitats.
  • AI ha tingut cert èxit amb Reconeixement facial. Facebook és capaç d'identificar una persona etiquetada prèviament en una foto nova. Alguns primers sistemes de reconeixement facial relacionats amb la seguretat van ser enganyats per màscares.
• La IA ha tingut èxits a agricultura utilitzant aprenentatge automàtic, sensors IoT i sistemes connectats.
  • AI assistit tractors intel·ligents plantar i collir camps per maximitzar el rendiment, minimitzar els fertilitzants i millorar els costos de producció d'aliments.
  • Amb punts de dades de mapes en 3D, sensors del sòl, drons, patrons meteorològics, supervisats màquina d'aprenentatge troba patrons en grans conjunts de dades per predir el millor moment per plantar els cultius i predir els rendiments abans fins i tot de plantar-los.
  • Granges làctiques Utilitzeu robots d'IA per fer que les vaques es lletguin elles mateixes, la IA i l'aprenentatge automàtic també controlen els signes vitals, l'activitat, la ingesta d'aliments i aigua de la vaca per mantenir-les sanes i contentes.
  • Amb l'ajuda de la IA, els agricultors que són menys del 2% de la població alimenten 300 milions a la resta dels EUA.
  • Intel·ligència Artificial en Agricultura

També hi ha grans històries d'IA èxit a les indústries de serveis, comerç al detall, mitjans de comunicació i fabricació. La IA és realment a tot arreu.

Fortaleses i debilitats de l'IA contrastades

Una comprensió sòlida dels punts forts i febles de la IA pot contribuir a l'èxit de les vostres iniciatives d'IA. Recordeu, també, que les capacitats actualment a la columna de la dreta són oportunitats. Aquestes són les àrees en què els venedors i els adoptants d'avantguarda estan avançant actualment. Veurem les capacitats que actualment desafien de nou la IA d'aquí a un any i documentarem el desplaçament a l'esquerra. Si estudieu amb atenció el següent gràfic, no m'estranyaria que hi hagués algun moviment entre el moment en què escric això i el moment en què es publica.

Quin és el futur de la IA?

Si la IA fos més intel·ligent, podria predir el que depara el futur. Està clar que n'hi ha molts conceptes erronis sobre el que la IA pot i no pot fer. Molts idees errònies i analfabetisme de la IA són el resultat del màrqueting tecnològic exagerant les capacitats existents. La IA és impressionant pel que pot fer avui. Preveixo que moltes de les debilitats de la columna de la dreta es desplaçaran cap a l'esquerra i es convertiran en fortaleses en els propers 2 o 3 anys.

[Un cop acabat aquest article, vaig presentar el paràgraf anterior a OpenAI, un generador d'idiomes de plataforma d'IA oberta. És possible que hagis vist part de l'art generat pel seu DALL-E. Volia saber què pensava sobre el futur de la IA. Això és el que havia de dir. ]

El futur de la IA no consisteix en comprar uns quants servidors i instal·lar un paquet de programari disponible. Es tracta de trobar i contractar les persones adequades, construir l'equip adequat i fer les inversions adequades tant en maquinari com en programari.

Alguns èxits potencials de la IA durant els propers anys inclouen:

• Augment de la precisió de les prediccions i recomanacions
• Millorar els processos de presa de decisions
• Accelerar la recerca i el desenvolupament
• Ajudar a automatitzar i optimitzar els processos empresarials

Tanmateix, també hi ha alguns errors potencials de la IA que les empreses haurien de tenir en compte, com ara:

• La dependència excessiva de la IA condueix a decisions subòptimes
• La manca de comprensió de com funciona la IA provoca un mal ús
• El biaix de les dades utilitzades per entrenar models d'IA que condueix a resultats inexactes
• Preocupacions de seguretat i privadesa sobre les dades utilitzades per entrenar models d'IA

Aleshores, què significa això per a les empreses que inverteixen en IA per complementar les seves anàlisis tradicionals? La resposta curta és que no hi ha dreceres. El 85% de les iniciatives d'IA fracassen. Curiosament, això és similar a les estadístiques sovint citades relacionades amb els projectes tradicionals de TI i BI. Encara s'ha de fer el mateix treball dur que sempre s'ha requerit abans de poder treure valor de l'anàlisi. La visió ha d'existir, ser realista i assolible. El treball brut és la preparació de dades, la discussió de dades i la neteja de dades. Això s'haurà de fer sempre. En la formació d'IA, encara més. Actualment no hi ha dreceres per a la intervenció humana. Els humans encara estan obligats a definir els algorismes. Els humans han d'identificar la resposta "correcta".

En resum, perquè la IA tingui èxit, els humans necessiten:

• Establir la infraestructura. Això és essencialment establir els límits en què funcionarà la IA. Es tracta de si la fundació pot suportar dades no estructurades, blockchain, IoT, seguretat adequada.
• Ajuda a la descoberta. Trobar i determinar la disponibilitat de dades. Les dades per entrenar la IA han d'existir i estar disponibles.
• Cura les dades. Quan es presenta un conjunt de dades gran i, en conseqüència, un gran nombre de resultats potencials, es pot requerir un expert del domini per avaluar els resultats. La curació també inclourà la validació del context de les dades.

Per prendre prestada una frase dels científics de dades, perquè les empreses tinguin èxit amb la IA, per poder afegir valor a les capacitats analítiques existents, han de ser capaços de separar el senyal del soroll, el missatge del bombo.

Fa set anys, IBM Ginni Rometty va dir alguna cosa com: Watson Health [AI] és la nostra lluna. En altres paraules, la IA, l'equivalent a un aterratge lunar, és un objectiu inspirador, assolible i estirat. No crec que hàgim aterrat a la lluna. No obstant això. IBM i moltes altres empreses continuen treballant per aconseguir l'objectiu d'IA transformadora.

Si la IA és la lluna, la lluna està a la vista i està més a prop del que ha estat mai.