Resulta que sí, pero apenas

La IA es omnipresente. Uno de los lugares más comunes para la IA en el hogar en estos días es el teléfono inteligente, los hogares inteligentes y los electrodomésticos. Recientemente, cuando nos sentamos a cenar, tuvimos una conversación con Alexa que fue algo así:

Me: Alexa, reproduce los momentos destacados de los Cachorros. [Esta es una función que se promociona en la pantalla de inicio de Alexa. Pídele a Alexa que reproduzca los momentos destacados de tu equipo favorito.]

Alexa: Encontré algo en la web. [Sé que cuando Alexa empieza así, hay un problema. No va a salir bien. Alexa muestra una lista de un puñado de videos. Por supuesto, la mayoría de ellos son videos de béisbol con jugadores que realizan jugadas excepcionales en los últimos 5 años. Mi culpa. Intentar otra vez.]

Me: Alexa, muéstrame los mejores momentos del último partido de béisbol de los Cachorros de Chicago. [Espero que no detecte el tono condescendiente ya que acepto la culpa de que no pueda entender mi pedido.]

Alexa: Los momentos destacados del juego de los Cachorros de Chicago estarán disponibles dos horas después de que termine el juego. [Progreso. No tenía idea de que pudieran estar jugando en este mismo momento. La suerte está de mi lado. De repente estoy esperanzado.]

Me: Alexa, está bien, muéstrame los malditos momentos destacados de ayer, entonces. [Sí, mi frustración está empezando a mostrarse. Estoy tan cerca de descifrar el código. Casi puedo saborearlo.]

Alexa: Lo siento, no conozco esa. [Dice esto con demasiada frecuencia. Tal vez no estaba claro.]

Yo: ¿Me estás tomando el pelo? Play, video destacado del partido de béisbol de las Grandes Ligas entre los Cachorros de Chicago y los Piratas de Pittsburgh para el lunes 25 de julio de 2022 en el Wrigley Field. [Esta vez estoy seguro de que lo he clavado. He escupido una solicitud específica e inequívoca que es una habilidad que sé que tiene Alexa. Ha hecho esto antes. ]

Alexa: [Silencio. Nada. Ninguna respuesta. Olvidé decir la palabra mágica para despertar, Alexa.]

El coeficiente intelectual promedio de un joven de 18 años es de alrededor de 100. El coeficiente intelectual promedio de un niño humano de seis años es de 6. El coeficiente intelectual de Google AI se evaluó en 55. El coeficiente intelectual de Siri se estima en 47. Bing y Baidu están en los años 24. No encontré una evaluación del coeficiente intelectual de Alexa, pero mi experiencia fue muy parecida a hablar con un niño en edad preescolar.

Algunos pueden decir que no es justo someter a una computadora a una prueba de coeficiente intelectual. Pero, ese es perfectamente el punto. La promesa de la IA es hacer lo que hacen los humanos, solo que mejor. Hasta ahora, cada desafío cabeza a cabeza, o, digamos, red neuronal a red neuronal, ha estado muy enfocado. Jugando ajedrez. Diagnóstico de enfermedades. Vacas lecheras. Conducir coches. El robot suele ganar. Lo que quiero ver es a Watson ordeñando una vaca mientras conduce un automóvil y juega Jeopardy. Ahora, esa sería la trifecta. Los humanos ni siquiera pueden buscar sus cigarrillos mientras conducen sin tener un accidente.

coeficiente intelectual de la IA

Burlado por una máquina. Sospecho que no estoy solo. Me puse a pensar, si esto es lo último en tecnología, ¿qué tan inteligentes son estas cosas? ¿Podemos comparar la inteligencia de un humano con la de una máquina?

Los científicos están evaluando capacidades de los sistemas para aprender y razonar. Hasta ahora, los humanos sintéticos no lo han hecho tan bien como los reales. Los investigadores están utilizando las deficiencias para identificar las brechas para que comprendamos mejor dónde se necesita un desarrollo y progreso adicional.

Solo para que no pierda el punto y olvide lo que representa la "I" en AI, los especialistas en marketing ahora han acuñado el término Smart AI.

¿La IA es consciente?

¿Los robots tienen sentimientos? ¿Pueden las computadoras experimentar emotions? No, sigamos adelante. si quieres leer al respecto, un (antiguo) motor de Google afirma que el modelo de IA en el que Google está trabajando es sensible. Tuvo una conversación espeluznante con un bot que lo convenció de que la computadora tiene sentimientos. La computadora teme por su vida. Ni siquiera puedo creer que haya escrito esa frase. Las computadoras no tienen vida que temer. Las computadoras no pueden pensar. Los algoritmos no se piensan.

Sin embargo, no me sorprendería si una computadora responde a un comando en un futuro muy cercano con: "Lo siento, Dave, no puedo hacer eso".

¿Dónde falla la IA?

O, más precisamente, ¿por qué fracasan los proyectos de IA? Fracasan por las mismas razones por las que siempre han fracasado los proyectos de TI. Los proyectos fallan debido a una mala gestión o falla en la gestión del tiempo, el alcance o el presupuesto..:

• Visión poco clara o indefinida. Mala estrategia. Es posible que haya escuchado a la gerencia decir: "Solo tenemos que marcar la casilla". Si la propuesta de valor no se puede definir, el propósito no está claro.
• Expectativas irrealistas. Esto puede deberse a malentendidos, mala comunicación o programación poco realista. Las expectativas poco realistas también pueden deberse a la falta de comprensión de las capacidades y la metodología de las herramientas de IA.
• Requisitos inaceptables. Los requisitos comerciales no están bien definidos. Las métricas para el éxito no están claras. También en esta categoría está la infravaloración de los empleados que entienden los datos.
• Proyectos no presupuestados y subestimados. Los costos no han sido estimados completa y objetivamente. Las contingencias no han sido planificadas ni anticipadas. Se ha subestimado la contribución de tiempo del personal que ya está demasiado ocupado.
• Circunstancias imprevistas. Sí, ocurre la casualidad, pero creo que esto cae bajo una mala planificación.

Ver, también, nuestra publicación anterior 12 razones por las que fallan la analítica y la inteligencia empresarial.

La IA, hoy en día, es muy poderosa y puede ayudar a las empresas a lograr un éxito tremendo. Cuando las iniciativas de IA fallan, la falla casi siempre se puede atribuir a uno de los anteriores.

¿Dónde sobresale la IA?

La IA es buena en tareas repetitivas y complejas. (Para ser justos, también puede realizar tareas simples y no repetitivas. Pero sería más barato que su hijo en edad preescolar las hiciera). Es bueno para encontrar patrones y relaciones, si existen, en grandes cantidades de datos.

• AI funciona bien cuando busca eventos que no coinciden con patrones específicos.
  • Detectar . se trata de encontrar transacciones que no siguen patrones de uso. Tiende a errar por el lado de la precaución. Recibí llamadas de mi tarjeta de crédito con un algoritmo demasiado entusiasta cuando llené mi auto alquilado con gasolina en Dallas y luego llené mi auto personal en Chicago. Era legítimo, pero lo suficientemente inusual como para marcarlo.

"American Express procesa $ 1 billón en transacciones y tiene 110 millones de tarjetas AmEx en operación. Se basan en gran medida en el análisis de datos y algoritmos de aprendizaje automático para ayudar a detectar el fraude casi en tiempo real, lo que ahorra millones en pérdidas”.

• Fraude y abuso farmacéutico. Los sistemas pueden encontrar patrones inusuales de comportamiento basados ​​en muchas reglas programadas. Por ejemplo, si un paciente vio a tres médicos diferentes en la ciudad el mismo día con quejas similares de dolor, podría justificarse una investigación adicional para descartar abuso.
• AI en la salud ha tenido algunos éxitos excelentes.
  • Se enseñó IA y aprendizaje profundo para comparar los rayos X con los hallazgos normales. Pudo aumentar el trabajo de un radiólogo al marcar anomalías para que un radiólogo las revisara.
• La IA funciona bien con sociales y compras. Una de las razones por las que vemos esto tanto es que el riesgo es bajo. El riesgo de que la IA se equivoque y tenga consecuencias graves es bajo.
• • Si te gustó/compraste así, creemos que te gustará esta. Desde Amazon hasta Netflix y YouTube, todos utilizan algún tipo de reconocimiento de patrones. La IA de Instagram considera tus interacciones para enfocar tu feed. Esto tiende a funcionar mejor si el algoritmo puede poner sus preferencias en un cubo o grupo de otros usuarios que han tomado decisiones similares, o si sus intereses son limitados.
  • AI ha tenido cierto éxito con reconocimiento facial. Facebook puede identificar a una persona previamente etiquetada en una nueva foto. Algunos de los primeros sistemas de reconocimiento facial relacionados con la seguridad fueron engañados por máscaras.
• AI ha disfrutado de éxitos en de la agricultura utilizando aprendizaje automático, sensores IoT y sistemas conectados.
  • IA asistida tractores inteligentes sembrar y cosechar campos para maximizar el rendimiento, minimizar los fertilizantes y mejorar los costos de producción de alimentos.
  • Con puntos de datos de mapas 3D, sensores de suelo, drones, patrones meteorológicos, supervisados máquina de aprendizaje encuentra patrones en grandes conjuntos de datos para predecir el mejor momento para plantar cultivos y predecir los rendimientos incluso antes de que se siembren.
  • Granjas lecheras use robots de IA para que las vacas ordeñen por sí mismas, la IA y el aprendizaje automático también monitorean los signos vitales, la actividad, la ingesta de alimentos y agua de las vacas para mantenerlas saludables y contentas.
  • Con la ayuda de la IA, los agricultores que son menos del 2% de la población alimentan a 300 millones en el resto de USA.
  • Inteligencia artificial en la agricultura

También hay grandes historias de IA comercial en las industrias de servicios, retail, medios y manufactura. La IA realmente está en todas partes.

Fortalezas y debilidades de la IA contrastadas

Una sólida comprensión de las fortalezas y debilidades de la IA puede contribuir al éxito de sus iniciativas de IA. Recuerde, también, que las capacidades actualmente en la columna de la derecha son oportunidades. Estas son las áreas en las que los proveedores y los adoptantes de vanguardia están progresando actualmente. Veremos las capacidades que actualmente desafían a la IA nuevamente en un año y documentaremos el cambio a la izquierda. Si estudias detenidamente el siguiente cuadro, no me sorprendería que hubiera algún movimiento entre el momento en que escribo esto y el momento en que se publica.

¿Cuál es el futuro de la IA?

Si la IA fuera más inteligente, podría predecir lo que depara el futuro. Está claro que hay muchos conceptos erróneos sobre lo que la IA puede y no puede hacer. Muchos conceptos erróneos y analfabetismo de IA son el resultado del marketing tecnológico que exagera las capacidades existentes. La IA es impresionante por lo que puede hacer hoy. Predigo que muchas de las debilidades en la columna de la derecha se desplazarán hacia la izquierda y se convertirán en fortalezas en los próximos 2 o 3 años.

[Después de terminar este artículo, presenté el párrafo anterior a OpenAI, un generador de lenguaje de plataforma abierta de IA. Es posible que haya visto algo del arte generado por su DALL-E. Quería saber qué pensaba sobre el futuro de la IA. Esto es lo que tenía que decir. ]

El futuro de la IA no se trata de comprar algunos servidores e instalar un paquete de software estándar. Se trata de encontrar y contratar a las personas adecuadas, crear el equipo adecuado y realizar las inversiones adecuadas tanto en hardware como en software.

Algunos éxitos potenciales de la IA en los próximos años incluyen:

• Aumento de la precisión de las predicciones y recomendaciones
• Mejorar los procesos de toma de decisiones
• Acelerar la investigación y el desarrollo
• Ayudando a automatizar y optimizar los procesos de negocio

Sin embargo, también hay algunas fallas potenciales de la IA que las empresas deben tener en cuenta, como:

• El exceso de confianza en la IA conduce a decisiones subóptimas
• La falta de comprensión de cómo funciona la IA conduce a un uso indebido
• Sesgo en los datos utilizados para entrenar modelos de IA que conducen a resultados inexactos
• Preocupaciones de seguridad y privacidad en torno a los datos utilizados para entrenar modelos de IA

Entonces, ¿qué significa esto para las empresas que invierten en IA para complementar sus análisis tradicionales? La respuesta corta es que no hay atajos. El 85 % de las iniciativas de IA fracasan. Curiosamente, esto es similar a las estadísticas citadas a menudo relacionadas con los proyectos tradicionales de TI y BI. Aún se debe realizar el mismo trabajo duro que siempre se ha requerido antes de que pueda obtener valor de los análisis. La visión debe existir, ser realista y alcanzable. El trabajo sucio es la preparación de datos, la disputa de datos y la limpieza de datos. Esto siempre tendrá que hacerse. En el entrenamiento de la IA, aún más. Actualmente no hay atajos para la intervención humana. Todavía se requiere que los humanos definan los algoritmos. Se requiere que los humanos identifiquen la respuesta "correcta".

En resumen, para que la IA tenga éxito, los humanos deben:

• Establecer la infraestructura. Básicamente, se trata de establecer los límites en los que funcionará la IA. Se trata de si la base puede admitir datos no estructurados, blockchain, IoT, seguridad adecuada.
• Ayuda en el descubrimiento. Buscar y determinar la disponibilidad de datos. Los datos para entrenar la IA deben existir y estar disponibles.
• Curar los datos. Cuando se presenta un gran conjunto de datos y, en consecuencia, una gran cantidad de resultados potenciales, es posible que se requiera un experto en el dominio para evaluar los resultados. La curación también incluirá la validación del contexto de los datos.

Tomando prestada una frase de los científicos de datos, para que las empresas tengan éxito con la IA, para poder agregar valor a las capacidades de análisis existentes, deben poder separar la señal del ruido, el mensaje de la exageración.

Hace siete años, IBM Ginni Rometty dijo algo como, Watson Health [AI] es nuestro lanzamiento a la luna. En otras palabras, la IA, el equivalente a un aterrizaje lunar, es un objetivo ambicioso, alcanzable e inspirador. No creo que hayamos aterrizado en la luna. Aún. IBM y muchas otras empresas continúan trabajando hacia el objetivo de la IA transformadora.

Si AI es la luna, la luna está a la vista y está más cerca que nunca.