Wie sich herausstellt, ja, aber nur knapp

KI ist allgegenwärtig. Einer der häufigsten Orte für KI im Haushalt sind heutzutage das Smartphone, Smart Homes und Haushaltsgeräte. Kürzlich, als wir uns zum Abendessen hinsetzten, hatten wir ein Gespräch mit Alexa, das ungefähr so ​​lief:

Me: Alexa, spiele Cubs-Highlights. [Dies ist eine Funktion, die auf dem Startbildschirm von Alexa angepriesen wird. Bitten Sie Alexa, Highlights für Ihr Lieblingsteam zu spielen.]

Alexa: Ich habe etwas im Internet gefunden. [Ich weiß, wenn Alexa so startet, gibt es ein Problem. Es wird nicht gut gehen. Alexa zeigt eine Liste mit einer Handvoll Videos. Zugegeben, die meisten von ihnen sind Baseballvideos mit Spielern, die in den letzten 5 Jahren außergewöhnliche Spiele gemacht haben. Mein Fehler. Versuchen Sie es nochmal.]

Me: Alexa, zeige mir Highlights für das neueste Baseballspiel der Chicago Cubs. [Ich hoffe, es merkt den herablassenden Ton nicht, da ich die Schuld auf mich nehme, dass es mein Anliegen nicht verstehen kann.]

Alexa: Highlights für das Spiel der Chicago Cubs sind zwei Stunden nach Ende des Spiels verfügbar. [Fortschritt. Ich hatte keine Ahnung, dass sie in diesem Moment spielen könnten. Das Glück ist auf meiner Seite. Ich bin plötzlich hoffnungsvoll.]

Me: Alexa, dann zeig mir doch mal die effing Highlights von gestern. [Ja, meine Frustration beginnt sich zu zeigen. Ich bin so nah dran, den Code zu knacken. Ich kann es fast schmecken.]

Alexa: Tut mir leid, das kenne ich nicht. [Das sagt man viel zu oft. Vielleicht war ich nicht klar.]

Mich: Willst du mich verarschen? Play, Video-Highlights für das Baseballspiel der Major League zwischen den Chicago Cubs und den Pittsburgh Pirates am Montag, den 25. Juli 2022 im Wrigley Field. [Dieses Mal bin ich zuversichtlich, dass ich es geschafft habe. Ich habe eine bestimmte, eindeutige Anfrage ausgespuckt, von der ich weiß, dass sie Alexa beherrscht. Das hat es schon einmal getan. ]

Alexa: [Schweigen. Nichts. Keine Antwort. Ich habe vergessen, das magische Weckwort zu sagen, Alexa.]

Das durchschnittlicher IQ eines 18-Jährigen liegt bei etwa 100. Der durchschnittliche IQ eines 6-Jährigen beträgt 55. Der IQ von Google AI wurde mit 47 bewertet. Der IQ von Siri wird auf 24 geschätzt. Bing und Baidu liegen in den 30er Jahren. Ich habe keine Bewertung von Alexas IQ gefunden, aber meine Erfahrung war ähnlich wie im Gespräch mit einem Vorschulkind.

Manche mögen sagen, dass es nicht fair ist, einen Computer einem IQ-Test zu unterziehen. Aber das ist genau der Punkt. Das Versprechen der KI ist, das zu tun, was Menschen tun, nur besser. Bisher war jede Kopf-an-Kopf-Herausforderung – oder, sagen wir, von neuronalem Netzwerk zu neuronalem Netzwerk – sehr fokussiert. Schach spielen. Krankheit diagnostizieren. Kühe melken. Autos fahren. Der Roboter gewinnt normalerweise. Was ich sehen möchte, ist Watson, der eine Kuh melkt, während er ein Auto fährt und Jeopardy spielt. Jetzt, zur Verbesserung der Gesundheitsgerechtigkeit wäre das Trifecta. Menschen können nicht einmal während der Fahrt nach ihren Zigaretten suchen, ohne in einen Unfall zu geraten.

Der IQ der KI

Von einer Maschine überlistet. Ich vermute, ich bin nicht allein. Ich muss nachdenken, wenn das Stand der Technik ist, wie schlau sind diese Dinger? Können wir die Intelligenz eines Menschen mit einer Maschine vergleichen?

Wissenschaftler werten aus die Lern- und Argumentationsfähigkeit der Systeme. Bisher haben sich die synthetischen Menschen nicht so gut geschlagen wie die echten. Forscher nutzen die Mängel, um die Lücken zu identifizieren, damit wir besser verstehen, wo weitere Entwicklungen und Fortschritte erforderlich sind.

Damit Sie den Punkt nicht verfehlen und vergessen, wofür das „Ich“ in der KI steht, haben Marketer jetzt den Begriff Smart AI geprägt.

Ist KI empfindungsfähig?

Haben Roboter Gefühle? Können Computer zmotions? Nein. Machen wir weiter. Wenn Sie möchten lesen Darüber hinaus behauptet eine (ehemalige) Google-Engine, dass das KI-Modell, an dem Google arbeitet, empfindungsfähig ist. Er hatte einen gruseligen Chat mit einem Bot, der ihn davon überzeugte, dass der Computer Gefühle hat. Der Computer fürchtet um sein Leben. Ich kann nicht einmal glauben, dass ich diesen Satz geschrieben habe. Computer haben kein Leben zu fürchten. Computer können nicht denken. Algorithmen werden nicht gedacht.

Es würde mich jedoch nicht wundern, wenn ein Computer in naher Zukunft auf einen Befehl antwortet mit: „Tut mir leid, Dave, das kann ich nicht.“

Wo versagt KI?

Oder besser gesagt: Warum scheitern KI-Projekte? Sie scheitern aus den gleichen Gründen, aus denen IT-Projekte schon immer gescheitert sind. Projekte scheitern aufgrund von Missmanagement oder Fehlern bei der Verwaltung von Zeit, Umfang oder Budget..:

• Unklares oder undefiniertes Sehen. Schlechte Strategie. Vielleicht haben Sie das Management sagen hören: „Wir müssen nur das Kästchen ankreuzen.“ Wenn das Wertversprechen nicht definiert werden kann, ist der Zweck unklar.
• Unrealistische Erwartungen. Dies kann auf Missverständnisse, schlechte Kommunikation oder unrealistische Planung zurückzuführen sein. Unrealistische Erwartungen können auch auf mangelndes Verständnis der Fähigkeiten und Methoden von KI-Tools zurückzuführen sein.
• Inakzeptable Anforderungen. Die geschäftlichen Anforderungen sind nicht genau definiert. Die Erfolgskennzahlen sind unklar. Auch in diese Kategorie fällt die Unterbewertung von Mitarbeitern, die die Daten verstehen.
• Ungeplante und unterschätzte Projekte. Die Kosten wurden nicht vollständig und objektiv geschätzt. Eventualitäten wurden nicht geplant und erwartet. Der Zeitaufwand von Mitarbeitern, die ohnehin schon zu beschäftigt sind, wurde unterschätzt.
• Unvorhergesehene Umstände. Ja, der Zufall passiert, aber ich denke, das fällt unter schlechte Planung.

Siehe auch unseren vorherigen Beitrag 12 Gründe für das Scheitern in Analytics und Business Intelligence.

KI ist heute sehr leistungsfähig und kann Unternehmen dabei helfen, enorme Erfolge zu erzielen. Wenn KI-Initiativen scheitern, lässt sich das Scheitern fast immer auf einen der oben genannten Gründe zurückführen.

Wo zeichnet sich KI aus?

KI ist gut für sich wiederholende, komplexe Aufgaben. (Um fair zu sein, es kann auch einfache, sich nicht wiederholende Aufgaben erledigen. Aber es wäre billiger, wenn Ihr Vorschulkind dies tut.) Es ist gut darin, Muster und Beziehungen, falls vorhanden, in riesigen Datenmengen zu finden.

• KI eignet sich gut für die Suche nach Ereignissen, die nicht mit bestimmten Mustern übereinstimmen.
  • Erkennung Kreditkartenbetrug geht es darum, Transaktionen zu finden, die nicht den Nutzungsmustern folgen. Es neigt dazu, auf Nummer sicher zu gehen. Ich habe Anrufe von meiner Kreditkarte mit einem übereifrigen Algorithmus erhalten, als ich meinen Mietwagen in Dallas und dann meinen Privatwagen in Chicago vollgetankt habe. Es war legitim, aber ungewöhnlich genug, um markiert zu werden.

"American Express verarbeitet Transaktionen im Wert von 1 Billion US-Dollar und hat 110 Millionen AmEx-Karten im Einsatz. Sie verlassen sich stark auf Datenanalysen und maschinelle Lernalgorithmen, um Betrug nahezu in Echtzeit zu erkennen und dadurch Verluste in Millionenhöhe zu vermeiden.“

• Pharmazeutischer Betrug und Missbrauch. Systeme können auf der Grundlage vieler programmierter Regeln ungewöhnliche Verhaltensmuster finden. Wenn beispielsweise ein Patient am selben Tag drei verschiedene Ärzte in der Stadt mit ähnlichen Schmerzbeschwerden aufsuchte, könnten zusätzliche Untersuchungen gerechtfertigt sein, um Missbrauch auszuschließen.
• KI in Gesundheitswesen hat einige hervorragende Erfolge erzielt.
  • KI und Deep Learning wurde beigebracht, Röntgenbilder mit normalen Befunden zu vergleichen. Es war in der Lage, die Arbeit eines Radiologen zu verbessern, indem es Anomalien anzeigte, die ein Radiologe überprüfen konnte.
• KI funktioniert gut mit Soziales und Einkaufen. Ein Grund, warum wir das so häufig sehen, ist das geringe Risiko. Das Risiko, dass KI falsch liegt und schwerwiegende Folgen hat, ist gering.
• • Wenn es Ihnen gefallen/gekauft hat fehlen uns die Worte., wir denken, Sie werden es mögen Dies. Von Amazon bis Netflix und YouTube verwenden sie alle eine Form der Mustererkennung. Instagram AI berücksichtigt Ihre Interaktionen, um Ihren Feed zu fokussieren. Dies funktioniert in der Regel am besten, wenn der Algorithmus Ihre Präferenzen in einen Eimer oder eine Gruppe anderer Benutzer einordnen kann, die ähnliche Entscheidungen getroffen haben, oder wenn Ihre Interessen begrenzt sind.
  • AI hat einige Erfolge mit Gesichtserkennung. Facebook ist in der Lage, eine zuvor markierte Person in einem neuen Foto zu identifizieren. Einige frühe sicherheitsrelevante Gesichtserkennungssysteme wurden von Masken getäuscht.
• KI war erfolgreich in Landwirtschaft mit maschinellem Lernen, IoT-Sensoren und vernetzten Systemen.
  • KI unterstützt intelligente Traktoren Felder bepflanzen und ernten, um den Ertrag zu maximieren, Düngemittel zu minimieren und die Kosten der Lebensmittelproduktion zu verbessern.
  • Mit Datenpunkten aus 3-D-Karten, Bodensensoren, Drohnen, Wettermustern, überwacht Maschinelles Lernen findet Muster in großen Datensätzen, um den besten Zeitpunkt zum Pflanzen von Feldfrüchten und Erträge vorherzusagen, bevor sie überhaupt gepflanzt werden.
  • Milchhöfe verwenden KI-Roboter, um Kühe selbst melken zu lassen, KI und maschinelles Lernen überwachen auch die Vitalfunktionen, Aktivität, Futter- und Wasseraufnahme der Kuh, um sie gesund und zufrieden zu halten.
  • Mit Hilfe von KI, Landwirte die weniger als 2 % der Bevölkerung ausmachen, ernähren 300 Millionen im Rest der USA.
  • Künstliche Intelligenz in der Landwirtschaft

Es gibt auch großartige Geschichten über KI Erfolg in den Dienstleistungsbranchen, im Handel, in den Medien und in der Fertigung. KI ist wirklich überall.

KI-Stärken und -Schwächen im Vergleich

Ein solides Verständnis der Stärken und Schwächen von KI kann zum Erfolg Ihrer KI-Initiativen beitragen. Denken Sie auch daran, dass es sich bei den derzeit in der rechten Spalte angezeigten Fähigkeiten um Chancen handelt. Dies sind die Bereiche, in denen Anbieter und innovative Anwender derzeit Fortschritte machen. Welche Fähigkeiten KI derzeit herausfordern, schauen wir uns in einem Jahr erneut an und dokumentieren den Linksruck. Wenn Sie das folgende Diagramm sorgfältig studieren, wäre ich nicht überrascht, wenn zwischen dem Zeitpunkt, an dem ich dies schreibe, und dem Zeitpunkt, an dem es veröffentlicht wird, etwas Bewegung stattgefunden hat.

Was ist die Zukunft von KI?

Wenn KI intelligenter wäre, könnte sie vorhersagen, was die Zukunft bringt. Es ist klar, dass es viele gibt Missverständnisse darüber, was KI kann und was nicht. Viele Missverständnisse und KI-Analphabetismus sind das Ergebnis von Tech-Marketing, das bestehende Fähigkeiten übertreibt. KI ist beeindruckend für das, was sie heute leisten kann. Ich sage voraus, dass sich viele der Schwächen in der rechten Spalte nach links verschieben und in den nächsten 2 oder 3 Jahren zu Stärken werden werden.

[Nachdem ich diesen Artikel beendet hatte, stellte ich den vorherigen Absatz vor OpenAI, ein offener KI-Plattform-Sprachgenerator. Sie haben vielleicht einige der von seinem DALL-E erzeugten Kunstwerke gesehen. Ich wollte wissen, was es über die Zukunft der KI denkt. Hier ist, was es zu sagen hatte. ]

Die Zukunft der KI besteht nicht darin, ein paar Server zu kaufen und ein Softwarepaket von der Stange zu installieren. Es geht darum, die richtigen Leute zu finden und einzustellen, das richtige Team aufzubauen und die richtigen Investitionen in Hardware und Software zu tätigen.

Zu den möglichen Erfolgen der KI in den nächsten Jahren gehören:

• Erhöhung der Genauigkeit von Vorhersagen und Empfehlungen
• Entscheidungsprozesse verbessern
• Beschleunigung von Forschung und Entwicklung
• Unterstützung bei der Automatisierung und Optimierung von Geschäftsprozessen

Es gibt jedoch auch einige potenzielle Fehler der KI, derer sich Unternehmen bewusst sein sollten, wie zum Beispiel:

• Übermäßiges Vertrauen in KI, was zu suboptimalen Entscheidungen führt
• Mangelndes Verständnis der Funktionsweise von KI führt zu Missbrauch
• Verzerrung der Daten, die zum Trainieren von KI-Modellen verwendet werden, was zu ungenauen Ergebnissen führt
• Sicherheits- und Datenschutzbedenken in Bezug auf Daten, die zum Trainieren von KI-Modellen verwendet werden

Was bedeutet das also für Unternehmen, die in KI investieren, um ihre traditionelle Analytik zu ergänzen? Die kurze Antwort lautet: Es gibt keine Abkürzungen. 85 % der KI-Initiativen scheitern. Interessanterweise ähnelt dies häufig zitierten Statistiken zu traditionellen IT- und BI-Projekten. Es muss immer noch die gleiche harte Arbeit geleistet werden, die immer erforderlich war, bevor Sie einen Mehrwert aus der Analyse ziehen können. Die Vision muss existieren, realistisch und erreichbar sein. Die Drecksarbeit ist Datenaufbereitung, Datengerangel und Datenbereinigung. Dies wird immer getan werden müssen. Beim Training von KI umso mehr. Es gibt derzeit keine Abkürzungen zum menschlichen Eingreifen. Menschen sind immer noch erforderlich, um die Algorithmen zu definieren. Der Mensch muss die „richtige“ Antwort finden.

Zusammenfassend muss der Mensch Folgendes tun, damit KI erfolgreich sein kann:

• Bauen Sie die Infrastruktur auf. Dies legt im Wesentlichen die Grenzen fest, in denen KI funktionieren wird. Es geht darum, ob die Stiftung unstrukturierte Daten, Blockchain, IoT, angemessene Sicherheit unterstützen kann.
• Entdeckungshilfe. Finden und bestimmen Sie die Verfügbarkeit von Daten. Daten zum Trainieren von KI müssen vorhanden und verfügbar sein.
• Kuratieren Sie die Daten. Wenn ein großer Datensatz und folglich eine große Anzahl potenzieller Ergebnisse vorgelegt werden, kann ein Domänenexperte erforderlich sein, um die Ergebnisse zu bewerten. Die Kuration umfasst auch die Validierung des Datenkontexts.

Um einen Satz von Datenwissenschaftlern zu entlehnen: Damit Unternehmen mit KI erfolgreich sein und bestehende Analysefunktionen aufwerten können, müssen sie in der Lage sein, das Signal vom Rauschen, die Botschaft vom Hype zu trennen.

Vor sieben Jahren, IBMs Ginni Rometty sagte so etwas wie: Watson Health [AI] ist unser Moonshot. Mit anderen Worten, KI – das Äquivalent zu einer Mondlandung – ist ein inspirierendes, erreichbares, anspruchsvolles Ziel. Ich glaube nicht, dass wir auf dem Mond gelandet sind. Noch. IBM und viele andere Unternehmen arbeiten weiterhin auf das Ziel der transformativen KI hin.

Wenn KI der Mond ist, ist der Mond in Sicht und näher als je zuvor.