Polo que se ve, si, pero apenas

A IA é omnipresente. Un dos lugares máis comúns para a IA na casa hoxe en día son os teléfonos intelixentes, as casas intelixentes e os electrodomésticos. Recentemente, mentres nos sentamos a cear, tivemos unha conversación con Alexa que foi algo así:

Me: Alexa, xoga aos elementos destacados de Cubs. [Esta é unha función que se promociona na pantalla de inicio de Alexa. Pídelle a Alexa que xogue os momentos destacados do teu equipo favorito.]

Alexa: atopei algo na web. [Sei que cando Alexa comeza así, hai un problema. Non vai saír ben. Alexa mostra unha lista dun puñado de vídeos. Por suposto, a maioría deles son vídeos de béisbol con xogadores realizando xogadas excepcionais nos últimos 5 anos. Miña culpa. Téntao de novo.]

Me: Alexa, móstrame os momentos destacados do último partido de béisbol dos Chicago Cubs. [Espero que non detecte o ton condescendente xa que acepto a culpa de que non poida entender a miña petición.]

Alexa: Os aspectos destacados do xogo dos Chicago Cubs estarán dispoñibles dúas horas despois de que remate o xogo. [Progreso. Non tiña idea de que podían estar xogando neste mesmo momento. A sorte está do meu lado. De súpeto estou esperanzado.]

Me: Alexa, ben móstrame os momentos destacados de onte, entón. [Si, a miña frustración comeza a mostrarse. Estou moi preto de romper o código. Case podo probalo.]

Alexa: Síntoo, non o sei. [Diso con demasiada frecuencia. Quizais non tiven claro.]

me: Estás bromeando? Reproduce o vídeo destacado do partido de béisbol da Major League entre os Chicago Cubs e os Piratas de Pittsburgh para o luns 25 de xullo de 2022 no Wrigley Field. [Esta vez confío en que o conseguín. Cuspirín unha solicitude específica e inequívoca que é unha habilidade que sei que ten Alexa. Xa fixo isto antes. ]

Alexa: [Silencio. Nada. Sen resposta. Esquecín dicir a palabra máxica de espertar, Alexa.]

o coeficiente intelectual medio dun mozo de 18 anos é de arredor de 100. O coeficiente intelectual medio dun humano de 6 anos é de 55. O coeficiente intelectual de Google AI foi avaliado como 47. Estímase que o coeficiente intelectual de Siri é de 24. Bing e Baidu están na década dos 30. Non atopei unha avaliación do coeficiente intelectual de Alexa, pero a miña experiencia foi moi parecida a falar cun neno preescolar.

Algúns poden dicir que non é xusto facerlle unha proba de coeficiente intelectual a un ordenador. Pero, ese é perfectamente o punto. A promesa da IA ​​é facer o que fan os humanos, só mellor. Ata agora, cada desafío cara a cara, ou, digamos, de rede neuronal a rede neuronal, estivo moi centrado. Xogando ao xadrez. Diagnosticar enfermidades. Muxindo vacas. Condución de coches. O robot adoita gañar. O que quero ver é a Watson muxindo unha vaca mentres conduce un coche e xoga a Jeopardy. Agora, Que sería a trifecta. Os humanos nin sequera poden buscar os seus cigarros mentres conducen sen sufrir un accidente.

O coeficiente intelectual da IA

Burlado por unha máquina. Sospeito que non estou só. Cheguei a pensar, se isto é o estado da arte, que intelixentes son estas cousas? Podemos comparar a intelixencia dun humano cunha máquina?

Os científicos están a avaliar capacidades dos sistemas para aprender e razoar. Ata agora, os humanos sintéticos non o fixeron tan ben como os reais. Os investigadores están a utilizar as deficiencias para identificar as lagoas para comprender mellor onde hai que facer un desenvolvemento e progreso adicional.

Para non perder o punto e esquecer o que representa o "eu" na IA, os comerciantes acuñaron agora o termo Smart AI.

A IA é Sentient?

Os robots teñen sentimentos? Os ordenadores poden experimentar emotions? Non. Sigamos adiante. Se queres ler Sobre iso, un (antigo) motor de Google afirma que o modelo de IA no que está a traballar Google é sensible. Mantivo unha charla arrepiante cun bot que o convenceu de que o ordenador ten sentimentos. O ordenador teme pola súa vida. Nin sequera podo crer que escribín esa frase. Os ordenadores non teñen vida que temer. Os ordenadores non poden pensar. Non se pensan algoritmos.

Non me sorprendería, porén, se un ordenador respondese a un comando nun futuro moi próximo dicindo: "Síntoo, Dave, non podo facelo".

Onde falla a IA?

Ou, máis precisamente, por que fallan os proxectos de IA? Fracasan polas mesmas razóns polas que sempre fallaron os proxectos informáticos. Os proxectos fallan debido a unha mala xestión ou a falla na xestión do tempo, alcance ou orzamento...

• Visión pouco clara ou indefinida. Mala estratexia. Quizais escoitases á dirección dicir: "Só necesitamos marcar a caixa". Se a proposta de valor non se pode definir, a finalidade non está clara.
• Expectativas irreais. Isto pode deberse a malentendidos, a mala comunicación ou a unha programación pouco realista. As expectativas pouco realistas tamén poden derivar da falta de comprensión das capacidades e metodoloxía das ferramentas de IA.
• Requisitos inaceptables. Os requisitos comerciais non están ben definidos. As métricas do éxito non están claras. Tamén nesta categoría está a infravaloración dos empregados que entenden os datos.
• Proxectos sen orzamento e infravalorados. Os custos non foron estimados de forma completa e obxectiva. Non se planificaron nin se anticiparon imprevistos. Minusvalorouse a achega de tempo do persoal que xa está demasiado ocupado.
• Circunstancias imprevistas. Si, o azar ocorre, pero creo que isto cae nunha mala planificación.

Mira tamén a nosa publicación anterior 12 Razóns para o fracaso en Analytics e Business Intelligence.

A IA, hoxe en día, é moi poderosa e pode axudar ás empresas a lograr un éxito tremendo. Cando as iniciativas de IA fracasan, o fracaso case sempre pódese remontar a un dos anteriores.

Onde está AI Excel?

A IA é boa para tarefas repetitivas e complexas. (Para ser xustos, tamén pode facer tarefas sinxelas e non repetitivas. Pero sería máis barato que o fixese o seu fillo de preescolar.) É bo para atopar patróns e relacións, se as existen, en grandes cantidades de datos.

• A IA fai ben cando busca eventos que non coinciden con patróns específicos.
  • Detectando fraude na tarxeta de crédito trata de atopar transaccións que non seguen os patróns de uso. Tende a errar polo lado da precaución. Recibín chamadas da miña tarxeta de crédito cun algoritmo demasiado entusiasta cando enchei o meu coche de aluguer con gasolina en Dallas e despois enchei o meu coche persoal en Chicago. Era lexítimo, pero o suficientemente inusual como para ser marcado.

"American Express procesa 1 billón de dólares en transaccións e ten 110 millóns de tarxetas AmEx en funcionamento. Dependen moito da análise de datos e dos algoritmos de aprendizaxe automática para axudar a detectar fraudes en tempo case real, polo que aforran millóns en perdas”.

• Fraude e abuso farmacéutico. Os sistemas poden atopar patróns de comportamento pouco habituais baseados en moitas regras programadas. Por exemplo, se un paciente viu a tres médicos diferentes pola cidade o mesmo día con queixas similares de dor, é posible que se garanta unha investigación adicional para descartar o abuso.
• AI dentro saúde tivo excelentes éxitos.
  • A intelixencia artificial e a aprendizaxe profunda ensináronse a comparar os raios X cos achados normais. Foi capaz de aumentar o traballo dos radiólogos marcando anomalías para que un radiólogo comprobe.
• A IA funciona ben sociais e de compras. Unha das razóns polas que vemos isto tanto é que hai baixo risco. O risco de que a IA se equivoca e teña consecuencias graves é baixo.
• • Se che gustou/compraches este, pensamos que che gustará esta. Desde Amazon ata Netflix e YouTube, todos usan algún tipo de recoñecemento de patróns. Instagram AI considera as túas interaccións para centrar o teu feed. Isto adoita funcionar mellor se o algoritmo pode poñer as túas preferencias nun grupo ou grupo doutros usuarios que fixeron eleccións similares, ou se os teus intereses son limitados.
  • AI tivo certo éxito recoñecemento facial. Facebook pode identificar unha persoa etiquetada previamente nunha nova foto. Algúns primeiros sistemas de recoñecemento facial relacionados coa seguridade foron enganados polas máscaras.
• A IA tivo éxitos en agricultura utilizando a aprendizaxe automática, sensores IoT e sistemas conectados.
  • AI asistido tractores intelixentes plantar e coller campos para maximizar o rendemento, minimizar os fertilizantes e mellorar os custos de produción de alimentos.
  • Con puntos de datos de mapas 3D, sensores de solo, drons, patróns meteorolóxicos, supervisados aprendizaxe de máquina atopa patróns en grandes conxuntos de datos para predecir o mellor momento para plantar cultivos e prever os rendementos incluso antes de que sexan plantados.
  • Granxas lácteas usa robots de intelixencia artificial para que as vacas se muchen por si mesmas, a intelixencia artificial e a aprendizaxe automática tamén supervisan os signos vitais, a actividade, a inxestión de alimentos e auga da vaca para mantelas saudables e satisfeitas.
  • Coa axuda da IA, agricultores que son menos do 2% da poboación alimentan a 300 millóns no resto dos EUA.
  • Intelixencia artificial na agricultura

Tamén hai grandes historias de IA éxito nas industrias de servizos, venda polo miúdo, medios e manufactura. A IA realmente está en todas partes.

Fortalezas e debilidades da IA ​​contrastadas

Unha comprensión sólida dos puntos fortes e débiles da IA ​​pode contribuír ao éxito das túas iniciativas de IA. Lembra tamén que as capacidades que aparecen actualmente na columna da dereita son oportunidades. Estas son as áreas nas que os provedores e os adoptantes de vangarda están a progresar actualmente. Analizaremos as capacidades que desafían a IA de novo nun ano e documentaremos o desprazamento á esquerda. Se estudas con atención o seguinte cadro, non me estrañaría que houbese algún movemento entre o momento en que escribo isto e o momento en que se publica.

Cal é o futuro da IA?

Se a IA fose máis intelixente, podería predecir o que depara o futuro. Está claro que hai moitos equívocos sobre o que a IA pode e non pode facer. Moitos equívocos e analfabetismo da IA son o resultado de que o marketing tecnolóxico sobrepase as capacidades existentes. A IA é impresionante polo que pode facer hoxe. Predín que moitas das debilidades da columna da dereita desprazaranse cara á esquerda e converteranse en fortalezas nos próximos 2 ou 3 anos.

[Despois de rematar este artigo, presenteille o parágrafo anterior a OpenAI, un xerador de linguaxe de plataforma de IA aberta. Podes ver algunha das obras de arte xeradas polo seu DALL-E. Quería saber que pensaba sobre o futuro da IA. Aquí está o que tiña que dicir. ]

O futuro da IA ​​non consiste en comprar algúns servidores e instalar un paquete de software dispoñible. Trátase de atopar e contratar as persoas adecuadas, construír o equipo adecuado e realizar os investimentos correctos tanto en hardware como en software.

Algúns éxitos potenciais da IA ​​nos próximos anos inclúen:

• Aumento da precisión das predicións e recomendacións
• Mellorar os procesos de toma de decisións
• Acelerar a investigación e o desenvolvemento
• Axuda a automatizar e optimizar os procesos comerciais

Non obstante, tamén hai algúns fallos potenciais da IA ​​que as empresas deberían ter en conta, como:

• A dependencia excesiva da IA ​​leva a decisións subóptimas
• A falta de comprensión de como funciona a IA leva a un uso indebido
• Sesgo nos datos utilizados para adestrar modelos de IA que conduce a resultados inexactos
• Problemas de seguridade e privacidade en torno aos datos utilizados para adestrar modelos de IA

Entón, que significa isto para as empresas que invisten en IA para complementar as súas análises tradicionais? A resposta curta é que non hai atallos. O 85% das iniciativas de IA fracasan. Curiosamente, isto é semellante ás estatísticas frecuentemente citadas relacionadas cos proxectos tradicionais de TI e BI. Aínda debe facerse o mesmo traballo duro que sempre se requiriu antes de que poida obter valor das analíticas. A visión debe existir, ser realista e alcanzable. O traballo sucio é a preparación de datos, a disputa de datos e a limpeza de datos. Isto sempre haberá que facer. No adestramento de IA, máis aínda. Actualmente non hai atallos para a intervención humana. Os humanos aínda están obrigados a definir os algoritmos. Os humanos deben identificar a resposta "correcta".

En resumo, para que a IA teña éxito, os humanos necesitan:

• Establecer a infraestrutura. Isto é esencialmente establecer os límites nos que a IA funcionará. Trátase de se a fundación pode soportar datos non estruturados, cadea de bloques, IoT e a seguridade adecuada.
• Axuda no descubrimento. Buscar e determinar a dispoñibilidade de datos. Os datos para adestrar a IA deben existir e estar dispoñibles.
• Cura os datos. Cando se lle presenta un gran conxunto de datos e, en consecuencia, un gran número de resultados potenciais, é posible que se requira un experto do dominio para avaliar os resultados. A curación tamén incluirá a validación do contexto dos datos.

Para tomar prestada unha frase dos científicos de datos, para que as empresas teñan éxito coa intelixencia artificial, para poder engadir valor ás capacidades de análise existentes, teñen que ser capaces de separar o sinal do ruído, a mensaxe do bombo.

Hai sete anos, a de IBM Ginni Rometty dixo algo así como: Watson Health [AI] é a nosa lúa. Noutras palabras, a IA, o equivalente a un pouso lunar, é un obxectivo inspirador e alcanzable. Non creo que aterramos na lúa. Aínda así. IBM e moitas outras empresas seguen traballando para conseguir o obxectivo da IA ​​transformadora.

Se a IA é a lúa, a lúa está á vista e está máis preto do que nunca estivo.