همانطور که معلوم است، بله، اما به سختی

هوش مصنوعی در همه جا وجود دارد. یکی از رایج ترین مکان هایی که این روزها برای هوش مصنوعی در خانه وجود دارد، گوشی هوشمند، خانه های هوشمند و لوازم خانگی است. اخیراً وقتی به شام ​​نشسته بودیم، با الکسا گفتگویی داشتیم که چیزی شبیه به این بود:

Me: الکسا، هایلایت های Cubs را بازی کنید. [این یک ویژگی است که در صفحه اصلی الکسا تبلیغ می شود. از الکسا بخواهید که هایلایت را برای تیم مورد علاقه شما بازی کند.]

چک: من چیزی در وب پیدا کردم. [من می دانم که وقتی الکسا به این شکل شروع می شود، یک مشکل وجود دارد. قرار نیست خوب پیش بره الکسا لیستی از چند ویدیو را نشان می دهد. مسلماً اکثر آنها ویدیوهای بیسبال با بازیکنانی هستند که در 5 سال گذشته بازی های استثنایی انجام می دهند. اشتباه من. دوباره امتحان کنید.]

Me: الکسا، نکات برجسته جدیدترین بازی بیسبال Chicago Cubs را به من نشان دهید. [امیدوارم لحن تحقیرآمیز را تشخیص ندهد، زیرا مقصر این موضوع را می پذیرم که قادر به درک درخواست من نیست.]

چک: نکات برجسته بازی Chicago Cubs دو ساعت پس از پایان بازی در دسترس خواهد بود. [پیش رفتن. من نمی دانستم که آنها ممکن است در این لحظه بازی کنند. شانس با من است. من ناگهان امیدوار شدم.]

Me: الکسا، خوب، نکات برجسته دیروز را به من نشان بده. [بله، ناامیدی من شروع به نشان دادن کرده است. من خیلی نزدیک به شکستن کد هستم. تقریباً می توانم طعم آن را بچشم.]

چک: ببخشید اون یکی رو نمیدونم. [خیلی اوقات این را می گوید. شاید من واضح نبودم.]

من: شوخی میکنی؟ نکات برجسته ویدیویی بازی لیگ برتر بیسبال بین شیکاگو کابز و پیتسبورگ دزدان دریایی را برای دوشنبه ۲۵ ژوئیه ۲۰۲۲ در Wrigley Field پخش کنید. [این بار مطمئنم که به نتیجه رسیده ام. من یک درخواست مشخص و بدون ابهام را مطرح کردم که مهارتی است که می‌دانم الکسا دارد. قبلا این کار را کرده است. ]

چک: [سکوت. هیچ چی. بدون پاسخ. فراموش کرده ام کلمه جادویی بیدار شدن را بگویم، الکسا.]

La ضریب هوشی متوسط ضریب هوشی یک انسان 18 ساله حدود 100 است. میانگین ضریب هوشی یک انسان 6 ساله 55 است. هوش مصنوعی گوگل 47 ارزیابی شده است. ضریب هوشی سیری 24 برآورد شده است. بینگ و بایدو در دهه 30 هستند. من ارزیابی IQ الکسا را ​​پیدا نکردم، اما تجربه من بسیار شبیه صحبت با یک کودک پیش دبستانی بود.

برخی ممکن است بگویند، این عادلانه نیست که یک کامپیوتر تست IQ بدهید. اما، این کاملاً نکته است. وعده هوش مصنوعی این است که کاری را که انسان ها انجام می دهند، فقط بهتر انجام دهد. تا کنون، هر چالش سر به سر - یا باید بگوییم، شبکه عصبی به شبکه عصبی - بسیار متمرکز بوده است. بازی شطرنج. تشخیص بیماری. گاو شیرده. رانندگی ماشین ها. ربات معمولا برنده می شود. چیزی که من می‌خواهم ببینم این است که واتسون در حال رانندگی یک گاو را می‌دوشد و در حال بازی Jeopardy است. اکنون، که trifecta خواهد بود. انسان ها حتی نمی توانند در حین رانندگی به دنبال سیگار خود بگردند بدون اینکه تصادف کنند.

ضریب هوشی هوش مصنوعی

فریب خورده توسط یک ماشین. من شک دارم که تنها نیستم. من به این فکر کردم که اگر این آخرین هنر است، این چیزها چقدر هوشمند هستند؟ آیا می توانیم هوش انسان را با ماشین مقایسه کنیم؟

دانشمندان در حال ارزیابی هستند توانایی سیستم ها برای یادگیری و استدلال. تا کنون، انسان های مصنوعی به خوبی چیزهای واقعی عمل نکرده اند. محققان از کاستی‌ها برای شناسایی شکاف‌ها استفاده می‌کنند تا بهتر بفهمیم کجا باید توسعه و پیشرفت بیشتری حاصل شود.

فقط برای اینکه نکته را از دست ندهید و فراموش نکنید که "من" در هوش مصنوعی چه چیزی را نشان می دهد، بازاریابان اکنون اصطلاح هوش مصنوعی را ابداع کرده اند.

آیا هوش مصنوعی حساس است؟

آیا روبات ها احساسات دارند؟ آیا کامپیوترها می توانند emotions؟ نه بیایید ادامه دهیم. اگر می خواهید خواندن در مورد آن، یکی از موتورهای (سابق) گوگل ادعا می کند که مدل هوش مصنوعی که گوگل روی آن کار می کند، حساس است. او یک چت وحشتناک با یک ربات داشت که او را متقاعد کرد که کامپیوتر احساساتی دارد. کامپیوتر از زندگی خود می ترسد. حتی باورم نمیشه این جمله رو نوشتم کامپیوترها زندگی برای ترسیدن ندارند. کامپیوترها نمی توانند فکر کنند. الگوریتم ها فکر نمی شوند.

با این حال، تعجب نمی‌کنم اگر یک کامپیوتر در آینده نزدیک به دستوری با این جمله پاسخ دهد: «متاسفم، دیو، من نمی‌توانم این کار را انجام دهم».

هوش مصنوعی کجا از کار می افتد؟

یا به طور دقیق تر، چرا پروژه های هوش مصنوعی شکست می خورند؟ آنها به همان دلایلی شکست می خورند که پروژه های فناوری اطلاعات همیشه شکست خورده اند. پروژه ها به دلیل سوء مدیریت، یا شکست در مدیریت زمان، محدوده یا بودجه شکست می خورند:

• دید نامشخص یا نامشخص استراتژی ضعیف ممکن است شنیده باشید که مدیریت می گوید: «فقط باید کادر را علامت بزنیم». اگر گزاره ارزش قابل تعریف نباشد، هدف نامشخص است.
• انتظارات غیرواقعی. این ممکن است به دلیل سوء تفاهم، ارتباطات ضعیف یا برنامه ریزی غیرواقعی باشد. انتظارات غیرواقع بینانه نیز ممکن است ناشی از عدم درک قابلیت ها و روش شناسی ابزارهای هوش مصنوعی باشد.
• الزامات غیر قابل قبول الزامات کسب و کار به خوبی تعریف نشده است. معیارهای موفقیت نامشخص است. همچنین در این مقوله کم ارزشی برای کارکنانی است که داده ها را درک می کنند.
• پروژه های بدون بودجه و دست کم گرفته شده هزینه ها به طور کامل و عینی برآورد نشده است. حوادث غیرمترقبه برای آن برنامه ریزی و پیش بینی نشده است. سهم زمانی کارکنانی که در حال حاضر بیش از حد مشغول هستند دست کم گرفته شده است.
• شرایط پیش بینی نشده. بله، شانس اتفاق می افتد، اما من فکر می کنم این تحت برنامه ریزی ضعیف قرار می گیرد.

پست قبلی ما رو هم ببینید 12 دلیل برای شکست در تجزیه و تحلیل و هوش تجاری.

امروزه هوش مصنوعی بسیار قدرتمند است و می تواند به شرکت ها در دستیابی به موفقیت های فوق العاده کمک کند. زمانی که ابتکارات هوش مصنوعی با شکست مواجه می شوند، تقریباً همیشه می توان شکست را در یکی از موارد بالا ردیابی کرد.

هوش مصنوعی اکسل کجاست؟

هوش مصنوعی در کارهای تکراری و پیچیده خوب است. (منصفانه بگوییم، می‌تواند کارهای ساده و غیر تکراری را نیز انجام دهد. اما ارزان‌تر است که کودک پیش دبستانی شما این کار را انجام دهد.) در یافتن الگوها و روابط، در صورت وجود، در حجم وسیعی از داده‌ها خوب است.

• هوش مصنوعی هنگام جستجوی رویدادهایی که با الگوهای خاصی مطابقت ندارند، خوب عمل می کند.
  • در حال تشخیص تقلب کارت اعتباری در مورد یافتن تراکنش هایی است که از الگوهای استفاده پیروی نمی کنند. این تمایل به اشتباه در سمت احتیاط دارد. زمانی که ماشین کرایه ای خود را در دالاس با بنزین پر کردم و سپس ماشین شخصی خود را در شیکاگو پر کردم، از کارت اعتباری خود با الگوریتمی بیش از حد غیرت تماس گرفته ام. قانونی بود، اما به اندازه کافی غیرعادی بود که پرچم گذاری شود.

"امریکن اکسپرس تراکنش های 1 تریلیون دلاری را پردازش می کند و 110 میلیون کارت AmEx در حال کار دارد. آن‌ها به شدت به تجزیه و تحلیل داده‌ها و الگوریتم‌های یادگیری ماشینی برای کمک به شناسایی تقلب در زمان واقعی متکی هستند، بنابراین میلیون‌ها ضرر را ذخیره می‌کنند.

• تقلب و سوء استفاده دارویی. سیستم ها می توانند الگوهای رفتاری غیرعادی را بر اساس بسیاری از قوانین برنامه ریزی شده پیدا کنند. به عنوان مثال، اگر یک بیمار در همان روز سه پزشک مختلف را در اطراف شهر با شکایات مشابهی از درد ببیند، ممکن است تحقیقات بیشتری برای رد سوء استفاده لازم باشد.
• هوش مصنوعی در بهداشت و درمان موفقیت های بسیار خوبی داشته است.
  • هوش مصنوعی و یادگیری عمیق برای مقایسه اشعه ایکس با یافته های عادی آموزش داده شد. توانست کار یک رادیولوژیست را با علامت گذاری ناهنجاری ها برای رادیولوژیست تقویت کند.
• هوش مصنوعی به خوبی با آن کار می کند اجتماعی و خرید. یکی از دلایلی که چرا اینقدر زیاد می بینیم این است که ریسک پایین وجود دارد. خطر اشتباه بودن و عواقب شدید هوش مصنوعی کم است.
• • اگر دوست داشتید/خریدید این، ما فکر می کنیم شما دوست خواهید داشت این. از آمازون گرفته تا نتفلیکس و یوتیوب، همه آنها از نوعی تشخیص الگو استفاده می کنند. هوش مصنوعی اینستاگرام تعاملات شما را برای تمرکز فید شما در نظر می گیرد. اگر الگوریتم بتواند تنظیمات برگزیده شما را در یک سطل یا گروهی از کاربران دیگری که انتخاب های مشابهی انجام داده اند قرار دهد، یا اگر علایق شما محدود باشد، این بهترین کار می کند.
  • هوش مصنوعی تا حدی از موفقیت برخوردار بوده است تشخیص چهره. فیس بوک قادر است فردی که قبلاً برچسب گذاری شده را در یک عکس جدید شناسایی کند. برخی از سیستم های تشخیص چهره اولیه مرتبط با امنیت توسط ماسک ها فریب خوردند.
• هوش مصنوعی در این زمینه موفقیت هایی کسب کرده است کشاورزی با استفاده از یادگیری ماشین، حسگرهای اینترنت اشیا و سیستم های متصل.
  • هوش مصنوعی کمک کرد تراکتورهای هوشمند برای به حداکثر رساندن عملکرد، به حداقل رساندن کود و بهبود هزینه های تولید مواد غذایی، مزارع کاشت و برداشت را انجام دهید.
  • با نقاط داده از نقشه های سه بعدی، حسگرهای خاک، هواپیماهای بدون سرنشین، الگوهای آب و هوا، تحت نظارت فراگیری ماشین الگوهایی را در مجموعه داده های بزرگ برای پیش بینی بهترین زمان برای کاشت محصولات و پیش بینی عملکرد قبل از کاشت آنها پیدا می کند.
  • مزارع لبنیات از ربات‌های هوش مصنوعی برای شیر دادن به خود گاوها استفاده کنید، هوش مصنوعی و یادگیری ماشینی همچنین علائم حیاتی، فعالیت، مصرف غذا و آب گاو را کنترل می‌کنند تا سالم و راضی نگه دارند.
  • با کمک هوش مصنوعی، کشاورزان که کمتر از 2 درصد از جمعیت 300 میلیون نفر را در بقیه ایالات متحده تغذیه می کنند.
  • هوش مصنوعی در کشاورزی

همچنین داستان های بسیار خوبی از هوش مصنوعی وجود دارد موفقیت در صنایع خدماتی، خرده فروشی، رسانه و تولید. هوش مصنوعی واقعا همه جا هست.

نقاط قوت و ضعف هوش مصنوعی در تضاد هستند

درک کامل از نقاط قوت و ضعف هوش مصنوعی ممکن است به موفقیت ابتکارات هوش مصنوعی شما کمک کند. همچنین به یاد داشته باشید که قابلیت‌هایی که در حال حاضر در ستون سمت راست قرار دارند، فرصت‌هایی هستند. اینها زمینه هایی هستند که فروشندگان و پذیرندگان لبه های خونریزی در حال حاضر در آنها پیشرفت می کنند. ما به قابلیت‌هایی که در حال حاضر هوش مصنوعی را به چالش می‌کشند، یک سال دیگر نگاه می‌کنیم و تغییر سمت چپ را مستند می‌کنیم. اگر نمودار زیر را به دقت مطالعه کنید، تعجب نخواهم کرد که بین زمان نوشتن این مطلب و زمان انتشار آن حرکتی وجود داشته باشد.

آینده هوش مصنوعی چیست؟

اگر هوش مصنوعی هوشمندتر بود، ممکن بود آینده را پیش‌بینی کند. واضح است که تعداد زیادی وجود دارد تصورات غلط در مورد آنچه که هوش مصنوعی می تواند و نمی تواند انجام دهد. زیاد باورهای غلط و بی سوادی هوش مصنوعی نتیجه بازاریابی فناوری بیش از حد توانایی های موجود است. هوش مصنوعی برای کارهایی که امروزه می تواند انجام دهد چشمگیر است. من پیش بینی می کنم که بسیاری از نقاط ضعف در ستون سمت راست در 2 یا 3 سال آینده به سمت چپ تغییر کرده و به نقاط قوت تبدیل می شوند.

[پس از اتمام این مقاله، پاراگراف قبلی را به OpenAI، یک مولد زبان پلتفرم هوش مصنوعی باز. ممکن است برخی از هنرهای تولید شده توسط DALL-E را دیده باشید. می خواستم بدانم نظر آن در مورد آینده هوش مصنوعی چیست. این چیزی است که باید بگوید. ]

آینده هوش مصنوعی خرید چند سرور و نصب یک بسته نرم افزاری آماده نیست. این در مورد یافتن و استخدام افراد مناسب، ایجاد تیم مناسب و سرمایه گذاری مناسب در سخت افزار و نرم افزار است.

برخی از موفقیت های بالقوه هوش مصنوعی در چند سال آینده عبارتند از:

• افزایش دقت پیش بینی ها و توصیه ها
• بهبود فرآیندهای تصمیم گیری
• سرعت بخشیدن به تحقیق و توسعه
• کمک به خودکارسازی و بهینه سازی فرآیندهای تجاری

با این حال، برخی از شکست های بالقوه هوش مصنوعی نیز وجود دارد که کسب و کارها باید از آن آگاه باشند، مانند:

• اتکای بیش از حد به هوش مصنوعی که منجر به تصمیمات غیربهینه می شود
• عدم درک نحوه عملکرد هوش مصنوعی منجر به سوء استفاده می شود
• سوگیری در داده های مورد استفاده برای آموزش مدل های هوش مصنوعی که منجر به نتایج نادرست می شود
• نگرانی های امنیتی و حفظ حریم خصوصی در مورد داده های مورد استفاده برای آموزش مدل های هوش مصنوعی

بنابراین، این برای مشاغلی که در هوش مصنوعی سرمایه گذاری می کنند تا تجزیه و تحلیل سنتی خود را تکمیل کنند چه معنایی دارد؟ پاسخ کوتاه این است که هیچ راه میانبری وجود ندارد. 85 درصد از ابتکارات هوش مصنوعی با شکست مواجه می شوند. جالب اینجاست که این مشابه آمارهای مکرر نقل شده مربوط به پروژه های سنتی IT و BI است. همان کار سختی که همیشه قبل از به دست آوردن ارزش از تجزیه و تحلیل مورد نیاز بوده است، هنوز باید انجام شود. چشم انداز باید وجود داشته باشد، واقع بینانه و قابل دستیابی باشد. کار کثیف آماده سازی داده ها، مشاجره داده ها و پاکسازی داده ها است. این کار همیشه باید انجام شود. در آموزش هوش مصنوعی، حتی بیشتر. در حال حاضر هیچ میانبری برای مداخله انسانی وجود ندارد. انسان ها هنوز باید الگوریتم ها را تعریف کنند. انسان ها باید پاسخ «درست» را شناسایی کنند.

به طور خلاصه، برای موفقیت هوش مصنوعی، انسان ها باید:

• زیرساخت ها را ایجاد کنید. این اساساً مرزهایی است که هوش مصنوعی در آن کار خواهد کرد. این در مورد این است که آیا این بنیاد می تواند از داده های بدون ساختار، بلاک چین، اینترنت اشیا و امنیت مناسب پشتیبانی کند یا خیر.
• کمک به کشف. یافتن و تعیین در دسترس بودن داده ها. داده هایی برای آموزش هوش مصنوعی باید وجود داشته باشد و در دسترس باشد.
• داده ها را انتخاب کنید. هنگامی که با مجموعه داده های بزرگ و در نتیجه تعداد زیادی نتایج بالقوه ارائه می شود، ممکن است به یک متخصص حوزه برای ارزیابی نتایج نیاز باشد. مدیریت همچنین شامل اعتبار سنجی زمینه داده ها خواهد بود.

برای وام گرفتن عبارتی از دانشمندان داده، برای اینکه شرکت ها با هوش مصنوعی موفق شوند، برای اینکه بتوانند به قابلیت های تحلیلی موجود ارزش بیافزایند، باید بتوانند سیگنال را از نویز، پیام را از هیاهو جدا کنند.

هفت سال پیش، IBM جینی روتتی گفت چیزی شبیه به، Watson Health [AI] مهتاب ما است. به عبارت دیگر، هوش مصنوعی – معادل یک فرود روی ماه – یک هدف الهام‌بخش، قابل دستیابی و کششی است. من فکر نمی کنم که ما روی ماه فرود آمده باشیم. هنوز. آی‌بی‌ام و بسیاری از شرکت‌های دیگر به کار خود برای رسیدن به هدف تحول‌آفرین هوش مصنوعی ادامه می‌دهند.

اگر هوش مصنوعی ماه باشد، ماه در رویت است و از همیشه نزدیکتر است.