Kiel ĝi rezultas, jes, sed nur apenaŭ

AI estas ĉiea. Unu el la plej oftaj lokoj por AI en la hejmo nuntempe estas la inteligenta telefono, inteligentaj hejmoj kaj aparatoj. Lastatempe, dum ni sidiĝis por vespermanĝi, ni havis konversacion kun Alexa, kiu estis io kiel ĉi tio:

Me: Alexa, ludu Cubs kulminaĵojn. [Ĉi tio estas trajto kiu estas reklamita sur la hejma ekrano de Alexa. Petu al Alexa ludi kulminaĵojn por via plej ŝatata teamo.]

Alexa: Mi trovis ion en la reto. [Mi scias, kiam Alexa komenciĝas tiel, estas problemo. Ĝi ne iros bone. Alexa montras liston de kelkaj videoj. Konsentite, la plej multaj el ili estas basbalvidbendoj kun ludantoj farantaj esceptajn ludojn dum la pasintaj 5 jaroj. Mia kulpo. Provu denove.]

Me: Alexa, montru al mi ĉefaĵojn por la plej nova basbalmatĉo de Chicago Cubs. [Mi esperas, ke ĝi ne detektas la kondescendan tonon, ĉar mi akceptas la kulpigon, ke ĝi ne povas kompreni mian peton.]

Alexa: Kulminaĵoj por la Chicago Cubs-ludo estos disponeblaj du horojn post kiam la ludo finiĝos. [Progreso. Mi tute ne sciis, ke ili eble ludas ĉi-momente. La sorto estas de mia flanko. Mi estas subite esperplena.]

Me: Alexa, bone montru al mi la hieraŭajn brilaĵojn, do. [Jes, mia frustriĝo komencas montriĝi. Mi estas tiel proksima al rompi la kodon. Mi preskaŭ povas gustumi ĝin.]

Alexa: Pardonu, mi ne konas tiun. [Ĝi diras tion tro ofte. Eble mi ne estis klara.]

Min: Ĉu vi ŝercas min? Ludu, vidbendajn elstaraĵojn por la Grandaj Ligoj de Basbalo-ludo inter la Chicago Cubs kaj Pittsburgh Pirates por lundo la 25-an de julio 2022 ĉe Wrigley Field. [Ĉi-foje mi certas, ke mi najlis ĝin. Mi kraĉis specifan, malambiguan peton, kiu estas kapablo, kiun mi scias, ke Alexa havas. Ĝi faris tion antaŭe. ]

Alexa: [Silento. Nenio. Neniu Respondo. Mi forgesis diri la magian vekiĝon, Alexa.]

la meza IQ de 18-jaraĝa estas proksimume 100. La averaĝa IQ de homo 6-jaraĝa estas 55. Google AI IQ estis taksita kiel 47. La IQ de Siri estas taksita esti 24. Bing kaj Baidu estas en la 30-aj jaroj. Mi ne trovis taksadon de la IQ de Alexa, sed mia sperto tre similis al paroli kun antaŭlernejano.

Iuj povas diri, ke ne estas juste doni al komputilo la IQ-teston. Sed, tio estas perfekte la punkto. La promeso de AI estas fari tion, kion faras homoj, nur pli bone. Ĝis nun, ĉiu ĉef-al-kapa - aŭ, ĉu ni diru, neŭrala reto al neŭrala reto - defio estis tre fokusita. Ludante ŝakon. Diagnozo de malsano. Melkante bovinojn. Veturante aŭtojn. La roboto kutime venkas. Kion mi volas vidi, estas Watson melkanta bovinon veturante aŭton kaj ludante Jeopardy. Nun, ke estus la trifekto. Homoj eĉ ne povas serĉi siajn cigaredojn dum ili veturas sen akcidento.

IQ de AI

Superruzita de maŝino. Mi suspektas, ke mi ne estas sola. Mi ekpensis, se ĉi tio estas plej altnivela, kiom inteligentaj estas ĉi tiuj aferoj? Ĉu ni povas kompari la inteligentecon de homo kun maŝino?

Sciencistoj taksas la kapabloj de sistemoj lerni kaj rezoni. Ĝis nun, la sintezaj homoj ne faris tiel bone kiel la reala afero. Esploristoj uzas la mankojn por identigi la mankojn, por ke ni pli bone komprenu, kie necesas fari aldonan disvolviĝon kaj progreson.

Nur por ke vi ne maltrafu la aferon kaj forgesu, kion reprezentas la "mi" en AI, komercistoj nun elpensis la terminon Smart AI.

Ĉu AI estas Sentient?

Ĉu robotoj havas sentojn? Ĉu komputiloj povas sperti emotions? Ne. Ni pluiru. Se vi ja volas legi pri tio, unu (iama) Google-motoro asertas, ke la AI-modelo, pri kiu Google laboras, estas sentema. Li havis timigan babiladon kun bot, kiu konvinkis lin, ke la komputilo havas sentojn. La komputilo timas pri sia vivo. Mi eĉ ne povas kredi, ke mi skribis tiun frazon. Komputiloj ne havas vivon por timi. Komputiloj ne povas pensi. Algoritmoj ne estas pensataj.

Mi tamen ne surprizus se komputilo respondas al ordono en tre proksima estonteco per: "Pardonu, Dave, mi ne povas fari tion."

Kie AI Malsukcesas?

Aŭ, pli precize, kial AI-projektoj malsukcesas? Ili malsukcesas pro la samaj kialoj, ke IT-projektoj ĉiam malsukcesis. Projektoj malsukcesas pro misadministrado, aŭ malsukceso en administrado de tempo, amplekso aŭ buĝeto...:

• Neklara aŭ nedifinita vizio. Malbona strategio. Vi eble aŭdis administradon diri, "Ni nur bezonas marki la skatolon." Se la valorpropono ne povas esti difinita, la celo estas neklara.
• Nerealismaj atendoj. Ĉi tio povas ŝuldiĝi al miskomprenoj, malbona komunikado aŭ nereala planado. Nerealismaj atendoj ankaŭ povas deveni de manko de kompreno de kapabloj kaj metodaro de AI-iloj.
• Neakcepteblaj postuloj. La komercaj postuloj ne estas bone difinitaj. La metrikoj por sukceso estas neklaraj. Ankaŭ en ĉi tiu kategorio estas la subtaksado de dungitoj, kiuj komprenas la datumojn.
• Nebuĝetitaj kaj subtaksitaj projektoj. Kostoj ne estis plene kaj objektive taksitaj. Eventualaĵoj ne estis planitaj kaj antaŭviditaj. La tempokontribuo de dungitoj jam tro okupataj estis subtaksita.
• Neantaŭviditaj cirkonstancoj. Jes, hazardo okazas, sed mi pensas, ke ĉi tio apartenas al malbona planado.

Vidu ankaŭ nian antaŭan afiŝon 12 Kialoj por Fiasko en Analytics kaj Komerca Inteligenteco.

AI, hodiaŭ, estas tre potenca kaj povas helpi kompaniojn atingi enorman sukceson. Kiam AI-iniciatoj malsukcesas, la fiasko preskaŭ ĉiam povas esti spurita al unu el la supre.

Kie AI Excel?

AI kapablas ripetemajn, kompleksajn taskojn. (Por esti juste, ĝi ankaŭ povas fari simplajn, ne-ripetajn taskojn. Sed, estus pli malmultekoste havi vian antaŭlernejanon fari ĝin.) Ĝi kapablas trovi ŝablonojn kaj rilatojn, se ili ekzistas, en vastaj kvantoj da datumoj.

• AI faras bone serĉante eventojn, kiuj ne kongruas kun specifaj ŝablonoj.
  • Detektante kreditkarta fraŭdo temas pri trovado de transakcioj kiuj ne sekvas uzajn ŝablonojn. Ĝi emas erari flanke de singardemo. Mi ricevis vokojn de mia kreditkarto kun tro fervora algoritmo kiam mi plenigis mian luaŭton per benzino en Dallas kaj poste plenigis mian personan aŭton en Ĉikago. Ĝi estis legitima, sed sufiĉe nekutima por esti markita.

"Amerika Ekspreso prilaboras 1 duilionon USD en transakcioj kaj havas 110 milionojn da AmEx-kartoj en operacio. Ili multe dependas de datuma analizo kaj maŝinlernado-algoritmoj por helpi detekti fraŭdon preskaŭ reala tempo, do ŝparante milionojn da perdoj”.

• Farmacia fraŭdo kaj misuzo. Sistemoj povas trovi nekutimajn padronojn de konduto bazitaj sur multaj programitaj reguloj. Ekzemple, se paciento vidis tri malsamajn kuracistojn ĉirkaŭ la urbo en la sama tago kun similaj plendoj de doloro, kroma esploro eble estos garantiita por ekskludi misuzon.
• AI en sanzorgo havis kelkajn bonegajn sukcesojn.
  • AI kaj profunda lernado estis instruitaj por kompari Rentgenradiojn kun normalaj trovoj. Ĝi povis pliigi la laboron de radiologoj markante anomaliojn por ke radiologo povu kontroli.
• AI funkcias bone kun socia kaj butikumado. Unu kialo kial ni vidas ĉi tion tiom multe estas ke estas malalta risko. La risko ke AI malpravas kaj havu severajn konsekvencojn estas malalta.
• • Se vi ŝatis/aĉetis ĉi, ni pensas, ke vi ŝatos ĉi tio. De Amazon ĝis Netflix kaj Jutubo, ili ĉiuj uzas iun formon de padronrekono. Instagram AI konsideras viajn interagojn enfokusigi vian nutradon. Ĉi tio emas funkcii plej bone se la algoritmo povas meti viajn preferojn en sitelon aŭ grupon de aliaj uzantoj, kiuj faris similajn elektojn, aŭ se viaj interesoj estas mallarĝaj.
  • AI ĝuis iom da sukceso kun vizaĝa rekono. Facebook kapablas identigi antaŭe etikeditan personon en nova foto. Kelkaj fruaj sekurec-rilataj vizaĝrekonaj sistemoj estis trompitaj per maskoj.
• AI ĝuis sukcesojn en agrikulturo uzante maŝinlernadon, IoT-sensilojn kaj konektitajn sistemojn.
  • AI helpis inteligentaj traktoroj planti kaj rikolti kampojn por maksimumigi rendimenton, minimumigi sterkon kaj plibonigi manĝaĵproduktadkostojn.
  • Kun datumpunktoj de 3-D mapoj, grundaj sensiloj, virabeloj, veterŝablonoj, kontrolitaj maŝinlernado trovas ŝablonojn en grandaj datumaj aroj por antaŭdiri la plej bonan tempon por planti kultivaĵojn kaj antaŭdiri rendimentojn antaŭ ol ili eĉ estas plantitaj.
  • Laktaĵfabrikoj uzu AI-robotojn por ke bovinoj melku sin, AI kaj maŝinlernado ankaŭ kontrolas la esencajn signojn, agadon, manĝaĵon kaj akvon de la bovino por konservi ilin sanaj kaj kontentaj.
  • Kun la helpo de AI, kamparanoj kiuj estas malpli ol 2% de la loĝantaro nutras 300 milionojn en la resto de Usono.
  • Artefarita Inteligenteco en Agrikulturo

Estas ankaŭ bonegaj rakontoj pri AI sukceso en la servaj industrioj, podetala komerco, amaskomunikilaro kaj fabrikado. AI vere estas ĉie.

AI Fortoj kaj Malfortoj Kontrastaj

Solida kompreno pri la fortoj kaj malfortoj de AI povas kontribui al la sukceso de viaj AI-iniciatoj. Memoru ankaŭ, ke la kapabloj nuntempe en la dekstra kolumno estas ŝancoj. Ĉi tiuj estas la areoj en kiuj vendistoj kaj sangaj adoptantoj nuntempe progresas. Ni rigardos la kapablojn, kiuj nuntempe defias AI denove post jaro kaj dokumentas la maldekstran movon. Se vi zorge studas la sekvan diagramon, mi ne surprizus, se estus ia movado inter la tempo, kiam mi skribas ĉi tion kaj la tempo kiam ĝi estas eldonita.

Kio estas la Estonteco de AI?

Se AI estus pli inteligenta, ĝi povus antaŭdiri kion la estonteco havas. Estas klare, ke estas multaj miskonceptoj pri kion AI povas kaj ne povas fari. Multaj miskomprenoj kaj AI-analfabeteco estas la rezulto de teknika merkatado tro-ekzistanta ekzistantajn kapablojn. AI estas impresa pro tio, kion ĝi povas fari hodiaŭ. Mi antaŭdiras, ke multaj el la malfortoj en la dekstra kolumno moviĝos maldekstren kaj fariĝos fortoj en la venontaj 2 aŭ 3 jaroj.

[Post kiam mi finis ĉi tiun artikolon, mi prezentis la antaŭan alineon al OpenAI, malferma AI platforma lingvogeneratoro. Vi eble vidis iujn el la arto generita de ĝia DALL-E. Mi volis scii, kion ĝi pensas pri la estonteco de AI. Jen kion ĝi devis diri. ]

La estonteco de AI ne temas pri aĉetado de kelkaj serviloj kaj instalo de nekomerca programaro. Temas pri trovi kaj dungi la ĝustajn homojn, konstrui la ĝustan teamon kaj fari la ĝustajn investojn en aparataro kaj programaro.

Iuj eblaj sukcesoj de AI dum la venontaj kelkaj jaroj inkluzivas:

• Pliigante precizecon de prognozoj kaj rekomendoj
• Plibonigi decidajn procezojn
• Akceli esploradon kaj evoluon
• Helpante aŭtomatigi kaj optimumigi komercajn procezojn

Tamen, ekzistas ankaŭ iuj eblaj fiaskoj de AI, pri kiuj entreprenoj devus konscii, kiel ekzemple:

• Troa dependeco de AI kondukas al suboptimumaj decidoj
• Manko de kompreno pri kiel AI funkcias kondukante al misuzo
• Biaso en datumoj uzataj por trejni AI-modelojn kondukantajn al malprecizaj rezultoj
• Zorgoj pri sekureco kaj privateco pri datumoj uzataj por trejni AI-modelojn

Do, kion tio signifas por entreprenoj investantaj en AI por kompletigi sian tradician analizon? La mallonga respondo estas, ne estas ŝparvojoj. 85% de AI-iniciatoj malsukcesas. Interese, ĉi tio similas al ofte cititaj statistikoj rilataj al tradiciaj IT kaj BI-projektoj. La sama malfacila laboro, kiu ĉiam estis postulata antaŭ ol vi povas akiri valoron el analizo, ankoraŭ devas esti farita. La vizio devas ekzisti, esti realisma kaj atingebla. La malpura laboro estas datumpreparo, datuma kverelado kaj datumpurigado. Ĉi tio ĉiam devos esti farita. En trejnado de AI, eĉ pli. Nuntempe ne ekzistas ŝparvojoj al homa interveno. Homoj daŭre estas postulataj por difini la algoritmojn. Homoj estas postulataj identigi la "ĝustan" respondon.

Resume, por ke AI sukcesu, homoj devas:

• Establi la infrastrukturon. Ĉi tio esence establas la limojn en kiuj AI funkcios. Temas pri ĉu la fundamento povas subteni nestrukturitajn datumojn, blokĉenon, IoT, taŭgan sekurecon.
• Helpu en malkovro. Trovu kaj determini la haveblecon de datumoj. Datenoj por trejni AI devas ekzisti kaj esti haveblaj.
• Kuracu la datumojn. Se prezentite kun granda datumaro kaj, sekve, granda nombro da eblaj rezultoj, domajna fakulo povas esti postulata por taksi la rezultojn. Kurado ankaŭ inkluzivos la validigon de datuma kunteksto.

Por prunti frazon de la datumsciencistoj, por ke kompanioj sukcesu kun AI, por povi aldoni valoron al ekzistantaj analizaj kapabloj, ili devas povi apartigi la signalon de la bruo, la mesaĝon de la ekzaltiĝo.

Antaŭ sep jaroj, IBM Ginni Rometty diris ion kiel, Watson Health [AI] estas nia luno. Alivorte, AI - la ekvivalento de luna surteriĝo - estas inspira, atingebla, streĉa celo. Mi ne pensas, ke ni alteriĝis sur la lunon. Tamen. IBM kaj multaj aliaj kompanioj daŭre laboras por la celo de transforma AI.

Se AI estas la luno, la luno estas videbla kaj ĝi estas pli proksima ol ĝi iam estis.