En fait, oui, mais à peine

L'IA est omniprésente. L'un des endroits les plus courants pour l'IA à la maison de nos jours est le smartphone, les maisons intelligentes et les appareils électroménagers. Récemment, alors que nous nous asseyions pour dîner, nous avons eu une conversation avec Alexa qui ressemblait à ceci :

Me: Alexa, joue les faits saillants des Cubs. [Il s'agit d'une fonctionnalité présentée sur l'écran d'accueil d'Alexa. Demandez à Alexa de jouer les temps forts de votre équipe préférée.]

Alexa: J'ai trouvé quelque chose sur le web. [Je sais que quand Alexa démarre comme ça, il y a un problème. Ça ne va pas bien se passer. Alexa affiche une liste d'une poignée de vidéos. Certes, la plupart d'entre eux sont des vidéos de baseball avec des joueurs faisant des jeux exceptionnels au cours des 5 dernières années. Ma faute. Réessayer.]

Me: Alexa, montre-moi les moments forts du dernier match de baseball des Cubs de Chicago. [J'espère qu'il ne détectera pas le ton condescendant car j'accepte le blâme de ne pas pouvoir comprendre ma demande.]

Alexa: Les faits saillants du match des Cubs de Chicago seront disponibles deux heures après la fin du match. [Progrès. Je n'avais aucune idée qu'ils pouvaient jouer en ce moment même. La chance est de mon côté. Je suis soudain plein d'espoir.]

Me: Alexa, très bien, montre-moi les faits saillants d'hier, alors. [Oui, ma frustration commence à se faire sentir. Je suis si près de casser le code. Je peux presque le goûter.]

Alexa: Je suis désolé, je ne connais pas celui-là. [Il le dit bien trop souvent. Je n'ai peut-être pas été clair.]

Moi: Vous plaisantez j'espère? Play, extraits vidéo du match de la Major League Baseball entre les Chicago Cubs et les Pittsburgh Pirates du lundi 25 juillet 2022 au Wrigley Field. [Cette fois, je suis sûr d'avoir réussi. J'ai craché une demande spécifique et sans ambiguïté qui est une compétence que je connais Alexa. Il l'a déjà fait. ]

Alexa: [Le silence. Rien. Pas de réponse. J'ai oublié de dire le mot de réveil magique, Alexa.]

La QI moyen d'un jeune de 18 ans est d'environ 100. Le QI moyen d'un humain de 6 ans est de 55. Le QI de Google AI a été évalué à 47. Le QI de Siri est estimé à 24. Bing et Baidu sont dans la trentaine. Je n'ai pas trouvé d'évaluation du QI d'Alexa, mais mon expérience ressemblait beaucoup à une conversation avec un enfant d'âge préscolaire.

Certains diront peut-être qu'il n'est pas juste de faire passer un test de QI à un ordinateur. Mais, c'est parfaitement le point. La promesse de l'IA est de faire ce que font les humains, mais en mieux. Jusqu'à présent, chaque défi en tête-à-tête – ou, dirons-nous, réseau de neurones à réseau de neurones – a été très ciblé. Jouer aux échecs. Diagnostiquer la maladie. Traire les vaches. Conduire des voitures. Le robot gagne généralement. Ce que je veux voir, c'est Watson traire une vache en conduisant une voiture et en jouant à Jeopardy. À présent, qui serait le tiercé gagnant. Les humains ne peuvent même pas chercher leurs cigarettes pendant qu'ils conduisent sans avoir un accident.

QI de l'IA

Déjoué par une machine. Je soupçonne que je ne suis pas seul. Je me suis mis à penser, si c'est à la pointe de la technologie, à quel point ces choses sont-elles intelligentes ? Peut-on comparer l'intelligence d'un humain à une machine ?

Les scientifiques évaluent capacités d'apprentissage et de raisonnement des systèmes. Jusqu'à présent, les humains synthétiques n'ont pas fait aussi bien que la vraie chose. Les chercheurs utilisent les lacunes pour identifier les lacunes afin de mieux comprendre où des développements et des progrès supplémentaires doivent être réalisés.

Juste pour que vous ne manquiez pas l'essentiel et que vous oubliez ce que représente le "je" dans l'IA, les spécialistes du marketing ont maintenant inventé le terme Smart AI.

L'IA est-elle sensible ?

Les robots ont-ils des sentiments ? Les ordinateurs peuvent-ils faire l'expérience d'emotions ? Non. Passons à autre chose. Si vous voulez lire à ce sujet, un (ancien) moteur Google affirme que le modèle d'IA sur lequel Google travaille est sensible. Il a eu une conversation effrayante avec un bot qui l'a convaincu que l'ordinateur a des sentiments. L'ordinateur craint pour sa vie. Je n'arrive même pas à croire que j'ai écrit cette phrase. Les ordinateurs n'ont pas de vie à craindre. Les ordinateurs ne peuvent pas penser. Les algorithmes ne sont pas pensés.

Je ne serais pas surpris, cependant, si un ordinateur répondait à une commande dans un avenir très proche par : "Je suis désolé, Dave, je ne peux pas faire ça."

Où l'IA échoue-t-elle ?

Ou, plus précisément, pourquoi les projets d'IA échouent-ils ? Ils échouent pour les mêmes raisons que les projets informatiques ont toujours échoué. Les projets échouent en raison d'une mauvaise gestion ou d'un échec dans la gestion du temps, de la portée ou du budget... :

• Vision floue ou indéfinie. Mauvaise stratégie. Vous avez peut-être entendu la direction dire : « Nous avons juste besoin de cocher la case. Si la proposition de valeur ne peut pas être définie, le but n'est pas clair.
• Attentes irréalistes. Cela peut être dû à des malentendus, à une mauvaise communication ou à un calendrier irréaliste. Des attentes irréalistes peuvent également provenir d'un manque de compréhension des capacités et de la méthodologie des outils d'IA.
• Exigences inacceptables. Les besoins de l'entreprise ne sont pas bien définis. Les paramètres de réussite ne sont pas clairs. Dans cette catégorie se trouve également la sous-évaluation des employés qui comprennent les données.
• Projets non budgétés et sous-estimés. Les coûts n'ont pas été entièrement et objectivement estimés. Les imprévus n'ont pas été planifiés et anticipés. La contribution en temps du personnel déjà trop occupé a été sous-estimée.
• Circonstances imprevues. Oui, le hasard arrive, mais je pense que cela relève d'une mauvaise planification.

Voir aussi notre article précédent 12 raisons d'échec dans l'analyse et l'intelligence d'affaires.

L'intelligence artificielle, aujourd'hui, est très puissante et peut aider les entreprises à réussir énormément. Lorsque les initiatives d'IA échouent, l'échec peut presque toujours être attribué à l'un des éléments ci-dessus.

D'où vient l'IA Excel ?

L'IA est douée pour les tâches répétitives et complexes. (Pour être honnête, il peut également effectuer des tâches simples et non répétitives. Mais il serait moins coûteux de le faire faire par votre enfant d'âge préscolaire.) Il est bon pour trouver des modèles et des relations, s'ils existent, dans de grandes quantités de données.

• L'IA fonctionne bien lorsqu'elle recherche des événements qui ne correspondent pas à des modèles spécifiques.
  • Détecter la fraude par carte de crédit consiste à trouver des transactions qui ne suivent pas les modèles d'utilisation. Il a tendance à pécher par excès de prudence. J'ai reçu des appels de ma carte de crédit avec un algorithme trop zélé lorsque j'ai fait le plein d'essence dans ma voiture de location à Dallas, puis dans ma voiture personnelle à Chicago. C'était légitime, mais suffisamment inhabituel pour être signalé.

"American express traite 1 110 milliards de dollars de transactions et exploite XNUMX millions de cartes AmEx. Ils s'appuient fortement sur l'analyse de données et les algorithmes d'apprentissage automatique pour aider à détecter la fraude en temps quasi réel, économisant ainsi des millions de pertes ».

• Fraude et abus pharmaceutiques. Les systèmes peuvent trouver des modèles de comportement inhabituels basés sur de nombreuses règles programmées. Par exemple, si un patient a vu trois médecins différents dans la ville le même jour avec des plaintes de douleur similaires, une enquête supplémentaire pourrait être justifiée pour exclure tout abus.
• AI dans la médecine a connu d'excellents succès.
  • L'IA et l'apprentissage en profondeur ont appris à comparer les rayons X aux résultats normaux. Il a pu augmenter le travail d'un radiologue en signalant les anomalies pour qu'un radiologue les vérifie.
• L'IA fonctionne bien avec social et shopping. L'une des raisons pour lesquelles nous voyons cela si souvent, c'est qu'il y a peu de risques. Le risque que l'IA se trompe et ait de graves conséquences est faible.
• • Si vous avez aimé/acheté this, nous pensons que vous aimerez ce. D'Amazon à Netflix et YouTube, ils utilisent tous une forme de reconnaissance de formes. Instagram AI considère vos interactions pour concentrer votre flux. Cela a tendance à mieux fonctionner si l'algorithme peut placer vos préférences dans un seau ou un groupe d'autres utilisateurs qui ont fait des choix similaires, ou si vos intérêts sont limités.
  • L'IA a connu un certain succès avec la reconnaissance faciale. Facebook est capable d'identifier une personne précédemment taguée sur une nouvelle photo. Certains des premiers systèmes de reconnaissance faciale liés à la sécurité ont été trompés par des masques.
• L'IA a connu des succès dans agriculture en utilisant l'apprentissage automatique, les capteurs IoT et les systèmes connectés.
  • assisté par l'IA tracteurs intelligents planter et récolter des champs pour maximiser le rendement, minimiser les engrais et améliorer les coûts de production alimentaire.
  • Avec des points de données provenant de cartes 3D, de capteurs de sol, de drones, de modèles météorologiques, supervisés machine learning trouve des modèles dans de grands ensembles de données pour prédire le meilleur moment pour planter des cultures et prédire les rendements avant même qu'ils ne soient plantés.
  • Fermes laitières utiliser des robots IA pour faire traire les vaches elles-mêmes, l'IA et l'apprentissage automatique surveillent également les signes vitaux, l'activité, la consommation de nourriture et d'eau de la vache pour les garder en bonne santé et satisfaits.
  • Avec l'aide de l'IA, Les agriculteurs qui représentent moins de 2 % de la population, nourrissent 300 millions de personnes dans le reste des États-Unis.
  • L'intelligence artificielle dans l'agriculture

Il y a aussi de belles histoires d'IA succès dans les secteurs des services, du commerce de détail, des médias et de la fabrication. L'IA est vraiment partout.

Forces et faiblesses de l'IA contrastées

Une solide compréhension des forces et des faiblesses de l'IA peut contribuer au succès de vos initiatives d'IA. N'oubliez pas non plus que les capacités actuellement dans la colonne de droite sont des opportunités. Ce sont les domaines dans lesquels les fournisseurs et les adopteurs de pointe progressent actuellement. Nous examinerons à nouveau les capacités qui défient actuellement l'IA dans un an et documenterons le virage à gauche. Si vous étudiez attentivement le tableau suivant, je ne serais pas surpris s'il y avait un certain mouvement entre le moment où j'écris ceci et le moment où il est publié.

Quel est l'avenir de l'IA ?

Si l'IA était plus intelligente, elle pourrait prédire ce que l'avenir nous réserve. C'est clair qu'il y en a beaucoup idées fausses sur ce que l'IA peut et ne peut pas faire. De nombreux idées fausses et analphabétisme en IA sont le résultat d'un marketing technologique surévaluant les capacités existantes. L'IA est impressionnante pour ce qu'elle peut faire aujourd'hui. Je prédis que bon nombre des faiblesses de la colonne de droite se déplaceront vers la gauche et deviendront des forces dans les 2 ou 3 prochaines années.

[Après avoir terminé cet article, j'ai présenté le paragraphe précédent à OpenAI, un générateur de langage de plate-forme d'IA ouverte. Vous avez peut-être vu une partie de l'art généré par son DALL-E. Je voulais savoir ce qu'il pensait de l'avenir de l'IA. Voici ce qu'il avait à dire. ]

L'avenir de l'IA ne consiste pas à acheter quelques serveurs et à installer un progiciel standard. Il s'agit de trouver et d'embaucher les bonnes personnes, de constituer la bonne équipe et de faire les bons investissements dans le matériel et les logiciels.

Parmi les succès potentiels de l'IA au cours des prochaines années, citons :

• Accroître la précision des prévisions et des recommandations
• Améliorer les processus décisionnels
• Accélérer la recherche et le développement
• Contribuer à automatiser et optimiser les processus métier

Cependant, il existe également des défaillances potentielles de l'IA dont les entreprises doivent être conscientes, telles que :

• Dépendance excessive à l'IA conduisant à des décisions sous-optimales
• Manque de compréhension du fonctionnement de l'IA conduisant à une mauvaise utilisation
• Biais dans les données utilisées pour former des modèles d'IA conduisant à des résultats inexacts
• Problèmes de sécurité et de confidentialité concernant les données utilisées pour former des modèles d'IA

Alors, qu'est-ce que cela signifie pour les entreprises qui investissent dans l'IA pour compléter leurs analyses traditionnelles ? La réponse courte est qu'il n'y a pas de raccourcis. 85% des initiatives d'IA échouent. Fait intéressant, cela ressemble aux statistiques souvent citées relatives aux projets informatiques et BI traditionnels. Le même travail acharné qui a toujours été nécessaire avant de pouvoir tirer parti de l'analyse doit encore être fait. La vision doit exister, être réaliste et réalisable. Le sale boulot est la préparation des données, la manipulation des données et le nettoyage des données. Cela devra toujours être fait. Dans la formation de l'IA, encore plus. Il n'existe actuellement aucun raccourci à l'intervention humaine. Les humains sont toujours tenus de définir les algorithmes. Les humains sont tenus d'identifier la "bonne" réponse.

En résumé, pour que l'IA réussisse, les humains doivent :

• Mettre en place les infrastructures. Il s'agit essentiellement d'établir les limites dans lesquelles l'IA fonctionnera. Il s'agit de savoir si la fondation peut prendre en charge les données non structurées, la blockchain, l'IoT, la sécurité appropriée.
• Aide à la découverte. Rechercher et déterminer la disponibilité des données. Les données pour former l'IA doivent exister et être disponibles.
• Organiser les données. Lorsqu'on lui présente un grand ensemble de données et, par conséquent, un grand nombre de résultats potentiels, un expert du domaine peut être nécessaire pour évaluer les résultats. La conservation comprendra également la validation du contexte des données.

Pour reprendre une expression des scientifiques des données, pour que les entreprises réussissent avec l'IA, pour pouvoir ajouter de la valeur aux capacités d'analyse existantes, elles doivent être capables de séparer le signal du bruit, le message du battage médiatique.

Il y a sept ans, IBM Ginni Rometty a dit quelque chose comme, Watson Health [AI] est notre moonshot. En d'autres termes, l'IA - l'équivalent d'un alunissage - est un objectif inspirant, réalisable et ambitieux. Je ne pense pas que nous ayons atterri sur la lune. Encore. IBM et de nombreuses autres entreprises continuent de travailler vers l'objectif d'une IA transformatrice.

Si AI est la lune, la lune est en vue et elle est plus proche qu'elle ne l'a jamais été.