जैसा कि यह निकला, हाँ, लेकिन बस मुश्किल से

एआई सर्वव्यापी है। इन दिनों घर में AI के लिए सबसे आम जगहों में से एक स्मार्टफोन, स्मार्ट होम और उपकरण हैं। हाल ही में, जब हम रात के खाने के लिए बैठे, तो हमने एलेक्सा के साथ बातचीत की जो कुछ इस प्रकार थी:

Me: एलेक्सा, शावक हाइलाइट खेलें। [यह एक ऐसा फीचर है जिसे एलेक्सा के होम स्क्रीन पर देखा जाता है। एलेक्सा को अपनी पसंदीदा टीम के लिए हाइलाइट खेलने के लिए कहें।]

एलेक्सा: मुझे वेब पर कुछ मिला। [मुझे पता है कि जब एलेक्सा इस तरह शुरू होती है, तो समस्या होती है। यह ठीक नहीं होने वाला है। एलेक्सा मुट्ठी भर वीडियो की एक सूची दिखाती है। दी, उनमें से अधिकांश बेसबॉल वीडियो हैं जिनमें पिछले 5 वर्षों में असाधारण नाटक करने वाले खिलाड़ी हैं। मेरी गलती। पुनः प्रयास करें।]

Me: एलेक्सा, मुझे नवीनतम शिकागो शावक बेसबॉल खेल के लिए हाइलाइट दिखाएं। [मुझे उम्मीद है कि यह कृपालु स्वर का पता नहीं लगाएगा क्योंकि मैं इसके लिए दोष स्वीकार करता हूं कि यह मेरे अनुरोध को समझने में सक्षम नहीं है।]

एलेक्सा: शिकागो शावक खेल के लिए हाइलाइट खेल खत्म होने के दो घंटे बाद उपलब्ध होंगे। [प्रगति। मुझे नहीं पता था कि वे इस समय खेल रहे होंगे। भाग्य मेरी तरफ है। मैं अचानक आशान्वित हूं।]

Me: एलेक्सा, ठीक है, मुझे कल की प्रभावशाली हाइलाइट्स दिखाओ। [हां, मेरी हताशा दिखने लगी है। मैं कोड तोड़ने के बहुत करीब हूं। मैं लगभग इसका स्वाद ले सकता हूं।]

एलेक्सा: मुझे क्षमा करें, मैं उसे नहीं जानता। [यह बहुत बार कहता है। शायद मैं स्पष्ट नहीं था।]

मुझे: क्या आप मेरे साथ मजाक कर रहे हैं? Wrigley फील्ड में सोमवार 25 जुलाई, 2022 के लिए शिकागो शावक और पिट्सबर्ग पाइरेट्स के बीच मेजर लीग बेसबॉल खेल के लिए प्ले, वीडियो हाइलाइट्स। [इस बार मुझे विश्वास है कि मैंने इसे हासिल कर लिया है। मैंने एक विशिष्ट, स्पष्ट अनुरोध किया है जो एक ऐसा कौशल है जिसे मैं जानता हूं कि एलेक्सा के पास है। ऐसा पहले भी कर चुका है। ]

एलेक्सा: [मौन। कुछ भी तो नहीं। कोई जवाब नहीं। मैं मैजिक वेक अप वर्ड, एलेक्सा कहना भूल गया हूं।]

RSI औसत बुद्धि एक 18 वर्षीय व्यक्ति की आयु लगभग 100 है। एक 6 वर्षीय व्यक्ति का औसत आईक्यू 55 है। Google एआई आईक्यू का मूल्यांकन 47 किया गया था। सिरी का आईक्यू 24 होने का अनुमान है। बिंग और बायडू 30 के दशक में हैं। मुझे एलेक्सा के आईक्यू का मूल्यांकन नहीं मिला, लेकिन मेरा अनुभव एक प्रीस्कूलर से बात करने जैसा था।

कुछ लोग कह सकते हैं, कंप्यूटर को आईक्यू टेस्ट देना उचित नहीं है। लेकिन, बात बिल्कुल सही है। एआई का वादा है कि इंसान जो करता है, वही बेहतर करता है। अब तक, प्रत्येक आमने-सामने - या, हम कहेंगे, तंत्रिका नेटवर्क से तंत्रिका नेटवर्क-चुनौती पर बहुत ध्यान केंद्रित किया गया है। शतरंज खेलना। रोग का निदान। गायों को दुहना। ड्राइविंग कारें। रोबोट आमतौर पर जीतता है। मैं जो देखना चाहता हूं वह है वॉटसन कार चलाते समय गाय को दुह रहा है और खतरे में खेल रहा है। अब, कि ट्राइफेक्टा होगा। बिना दुर्घटना के वाहन चलाते समय मनुष्य अपनी सिगरेट की तलाश भी नहीं कर सकते।

एआई का आईक्यू

एक मशीन से निकला है। मुझे संदेह है कि मैं अकेला नहीं हूँ। मैं सोचने लगा, अगर यह अत्याधुनिक है, तो ये चीजें कितनी स्मार्ट हैं? क्या हम इंसान की बुद्धि की तुलना मशीन से कर सकते हैं?

वैज्ञानिक कर रहे हैं आकलन सिस्टम की सीखने और तर्क करने की क्षमता। अब तक, सिंथेटिक इंसानों ने असली काम भी नहीं किया है। शोधकर्ता कमियों का उपयोग अंतराल की पहचान करने के लिए कर रहे हैं ताकि हम बेहतर ढंग से समझ सकें कि अतिरिक्त विकास और प्रगति की आवश्यकता कहां है।

सिर्फ इसलिए कि आप बिंदु को याद नहीं करते हैं और भूल जाते हैं कि एआई में "आई" क्या दर्शाता है, विपणक ने अब स्मार्ट एआई शब्द गढ़ा है।

एआई संवेदनशील है?

क्या रोबोट में भावनाएं होती हैं? क्या कंप्यूटर ई . का अनुभव कर सकते हैं?motioएनएस? नहीं, चलो चलते हैं। यदि आप करना चाहते हैं पढ़ना इसके बारे में, एक (पूर्व) Google इंजन दावा करता है कि Google जिस AI मॉडल पर काम कर रहा है वह संवेदनशील है। उन्होंने एक बॉट के साथ एक डरावनी बातचीत की जिसने उन्हें आश्वस्त किया कि कंप्यूटर में भावनाएं हैं। कंप्यूटर अपने जीवन के लिए डरता है। मुझे विश्वास भी नहीं हो रहा है कि मैंने वह वाक्य लिखा है। कंप्यूटर को डरने की कोई जिंदगी नहीं है। कंप्यूटर सोच नहीं सकते। एल्गोरिदम सोचा नहीं है।

मुझे आश्चर्य नहीं होगा, हालांकि, अगर कोई कंप्यूटर निकट भविष्य में किसी आदेश का जवाब देता है: "मुझे क्षमा करें, डेव, मैं ऐसा नहीं कर सकता।"

एआई कहाँ विफल होता है?

या, अधिक सटीक रूप से, AI प्रोजेक्ट विफल क्यों होते हैं? वे उन्हीं कारणों से विफल होते हैं कि आईटी परियोजनाएं हमेशा विफल रही हैं। कुप्रबंधन, या समय, कार्यक्षेत्र या बजट के प्रबंधन में विफलता के कारण परियोजनाएं विफल हो जाती हैं...:

• अस्पष्ट या अपरिभाषित दृष्टि। घटिया रणनीति। आपने प्रबंधन को यह कहते सुना होगा, "हमें बस बॉक्स को चेक करने की आवश्यकता है।" यदि मूल्य प्रस्ताव को परिभाषित नहीं किया जा सकता है, तो उद्देश्य स्पष्ट नहीं है।
• अवास्तविक उम्मीदें। यह गलतफहमी, खराब संचार, या अवास्तविक समय-निर्धारण के कारण हो सकता है। अवास्तविक उम्मीदें एआई उपकरण क्षमताओं और कार्यप्रणाली की समझ की कमी से भी उपजी हो सकती हैं।
• अस्वीकार्य आवश्यकताएं। व्यावसायिक आवश्यकताओं को अच्छी तरह से परिभाषित नहीं किया गया है। सफलता के लिए मेट्रिक्स अस्पष्ट हैं। साथ ही इस श्रेणी में डेटा को समझने वाले कर्मचारियों का कम मूल्यांकन है।
• बिना बजट वाली और कम आंकी गई परियोजनाएं। लागत का पूरी तरह से और निष्पक्ष रूप से अनुमान नहीं लगाया गया है। आकस्मिकताओं के लिए योजना नहीं बनाई गई है और प्रत्याशित नहीं किया गया है। पहले से ही बहुत व्यस्त कर्मचारियों के समय के योगदान को कम करके आंका गया है।
• अप्रत्याशित परिस्तिथियाँ। हां, मौका मिलता है, लेकिन मुझे लगता है कि यह खराब योजना के अंतर्गत आता है।

हमारी पिछली पोस्ट भी देखें एनालिटिक्स और बिजनेस इंटेलिजेंस में विफलता के 12 कारण.

एआई, आज बहुत शक्तिशाली है और कंपनियों को जबरदस्त सफलता हासिल करने में मदद कर सकता है। जब एआई पहल विफल हो जाती है, तो विफलता को लगभग हमेशा उपरोक्त में से किसी एक में खोजा जा सकता है।

एआई एक्सेल कहाँ है?

एआई दोहराए जाने वाले, जटिल कार्यों में अच्छा है। (निष्पक्ष होने के लिए, यह सरल, गैर-दोहराव वाले कार्यों को भी कर सकता है। लेकिन, यह आपके प्रीस्कूलर के लिए सस्ता होगा।) यह बड़ी मात्रा में डेटा में पैटर्न और रिश्तों को खोजने में अच्छा है, यदि वे मौजूद हैं।

• विशिष्ट पैटर्न से मेल न खाने वाली घटनाओं की तलाश में AI अच्छा करता है।
  • का पता लगाने के क्रेडिट कार्ड के जरिए धोखाधड़ी यह लेन-देन खोजने के बारे में है जो उपयोग पैटर्न का पालन नहीं करते हैं। यह सावधानी के पक्ष में गलती करता है। जब मैंने डलास में अपनी किराये की कार को गैस से भर दिया और फिर शिकागो में अपनी निजी कार भर दी, तो मुझे अपने क्रेडिट कार्ड से एक अति उत्साही एल्गोरिदम के साथ कॉल आए। यह वैध था, लेकिन ध्वजांकित करने के लिए काफी असामान्य था।

"अमेरिकन एक्सप्रेस लेनदेन में $1 ट्रिलियन की प्रक्रिया करता है और इसके संचालन में 110 मिलियन AmEx कार्ड हैं। वे निकट वास्तविक समय में धोखाधड़ी का पता लगाने में मदद करने के लिए डेटा एनालिटिक्स और मशीन लर्निंग एल्गोरिदम पर बहुत अधिक भरोसा करते हैं, इसलिए लाखों नुकसान की बचत करते हैं।

• फार्मास्युटिकल धोखाधड़ी और दुरुपयोग. सिस्टम कई प्रोग्राम किए गए नियमों के आधार पर व्यवहार के असामान्य पैटर्न पा सकते हैं। उदाहरण के लिए, यदि एक मरीज ने एक ही दिन में शहर के चारों ओर तीन अलग-अलग डॉक्टरों को दर्द की समान शिकायतों के साथ देखा, तो दुर्व्यवहार से बचने के लिए अतिरिक्त जांच की आवश्यकता हो सकती है।
• एआई में स्वास्थ्य सेवा कुछ उत्कृष्ट सफलताएँ मिली हैं।
  • एआई और डीप लर्निंग को एक्स-रे की सामान्य निष्कर्षों से तुलना करना सिखाया गया। यह जांच करने के लिए रेडियोलॉजिस्ट के लिए असामान्यताओं को चिह्नित करके रेडियोलॉजिस्ट के काम को बढ़ाने में सक्षम था।
• एआई के साथ अच्छा काम करता है सामाजिक और खरीदारी. हम इसे इतना क्यों देखते हैं इसका एक कारण यह है कि इसमें कम जोखिम होता है। एआई के गलत होने और गंभीर परिणाम होने का जोखिम कम होता है।
• • अगर आपको पसंद आया / खरीदा इसका , हमें लगता है कि आपको पसंद आएगा इस। अमेज़ॅन से लेकर नेटफ्लिक्स और यूट्यूब तक, वे सभी किसी न किसी रूप में पैटर्न पहचान का उपयोग करते हैं। Instagram AI आपके फ़ीड पर फ़ोकस करने के लिए आपके इंटरैक्शन पर विचार करता है. यह सबसे अच्छा काम करता है यदि एल्गोरिदम आपकी प्राथमिकताओं को एक बाल्टी या अन्य उपयोगकर्ताओं के समूह में रख सकता है जिन्होंने समान विकल्प बनाए हैं, या यदि आपकी रुचियां संकीर्ण हैं।
  • एआई को कुछ सफलता मिली है चेहरे की पहचान. फेसबुक एक नई तस्वीर में पहले से टैग किए गए व्यक्ति की पहचान करने में सक्षम है। कुछ शुरुआती सुरक्षा-संबंधी चेहरे की पहचान प्रणालियों को मास्क द्वारा मूर्ख बनाया गया था।
• एआई ने सफलताओं का आनंद लिया है खेती मशीन लर्निंग, IoT सेंसर और कनेक्टेड सिस्टम का उपयोग करना।
  • एआई असिस्टेड स्मार्ट ट्रैक्टर उपज को अधिकतम करने, उर्वरक को कम करने और खाद्य उत्पादन लागत में सुधार करने के लिए पौधे और फसल के खेत।
  • 3-डी मानचित्रों से डेटा बिंदुओं के साथ, मिट्टी सेंसर, ड्रोन, मौसम के पैटर्न, पर्यवेक्षित यंत्र अधिगम बड़े डेटा सेट में पैटर्न ढूंढता है ताकि फसल बोने के सबसे अच्छे समय का अनुमान लगाया जा सके और फसल बोने से पहले ही पैदावार का अनुमान लगाया जा सके।
  • डेयरी फ़ार्म्स गाय के दूध के लिए एआई रोबोट का उपयोग करें, एआई और मशीन लर्निंग भी गाय के महत्वपूर्ण संकेतों, गतिविधि, भोजन और पानी के सेवन की निगरानी करते हैं ताकि उन्हें स्वस्थ और संतुष्ट रखा जा सके।
  • एआई की मदद से, किसानों जो कि 2% से कम आबादी वाले हैं, शेष संयुक्त राज्य अमेरिका में 300 मिलियन भोजन करते हैं।
  • कृषि में कृत्रिम बुद्धिमत्ता

एआई की भी बड़ी कहानियां हैं सफलता सेवा उद्योगों, खुदरा, मीडिया और विनिर्माण में। एआई वास्तव में हर जगह है।

एआई ताकत और कमजोरियों के विपरीत

एआई की ताकत और कमजोरियों की एक ठोस समझ आपकी एआई पहल की सफलता में योगदान कर सकती है। यह भी याद रखें कि वर्तमान में दाहिने कॉलम में क्षमताएं अवसर हैं। ये वे क्षेत्र हैं जिनमें वेंडर और ब्लीडिंग एज एडॉप्टर वर्तमान में प्रगति कर रहे हैं। हम उन क्षमताओं को देखेंगे जो वर्तमान में एक वर्ष में एआई को फिर से चुनौती देती हैं और बाईं पारी का दस्तावेजीकरण करती हैं। यदि आप निम्नलिखित चार्ट का ध्यानपूर्वक अध्ययन करते हैं, तो मुझे आश्चर्य नहीं होगा कि मेरे इसे लिखने के समय और इसके प्रकाशित होने के समय के बीच कुछ हलचल थी।

एआई का भविष्य क्या है?

यदि AI अधिक स्मार्ट होता, तो यह भविष्यवाणी कर सकता था कि भविष्य में क्या होगा। यह स्पष्ट है कि बहुत सारे हैं गलत धारणाओं AI क्या कर सकता है और क्या नहीं। अनेक भ्रांतियां और एआई निरक्षरता तकनीकी विपणन का परिणाम है जो मौजूदा क्षमताओं को बढ़ा-चढ़ाकर पेश करता है। एआई आज जो कर सकता है उसके लिए प्रभावशाली है। मैं भविष्यवाणी करता हूं कि दाएं हाथ के कॉलम की कई कमजोरियां बाईं ओर शिफ्ट हो जाएंगी और अगले 2 या 3 वर्षों में ताकत बन जाएंगी।

[इस लेख को समाप्त करने के बाद, मैंने पिछले पैराग्राफ को प्रस्तुत किया OpenAI, एक खुला एआई प्लेटफॉर्म भाषा जनरेटर। आपने इसके DALL-E द्वारा निर्मित कुछ कला को देखा होगा। मैं जानना चाहता था कि यह एआई के भविष्य के बारे में क्या सोचता है। यहाँ यह कहना था। ]

एआई का भविष्य कुछ सर्वर खरीदने और एक ऑफ-द-शेल्फ सॉफ्टवेयर पैकेज स्थापित करने के बारे में नहीं है। यह सही लोगों को खोजने और काम पर रखने, सही टीम बनाने और हार्डवेयर और सॉफ्टवेयर दोनों में सही निवेश करने के बारे में है।

अगले कुछ वर्षों में एआई की कुछ संभावित सफलताओं में शामिल हैं:

• भविष्यवाणियों और अनुशंसाओं की सटीकता बढ़ाना
• निर्णय लेने की प्रक्रियाओं में सुधार
• अनुसंधान और विकास को गति देना
• व्यावसायिक प्रक्रियाओं को स्वचालित और अनुकूलित करने में मदद करना

हालाँकि, AI की कुछ संभावित विफलताएँ भी हैं जिनसे व्यवसायों को अवगत होना चाहिए, जैसे:

• एआई पर अति-निर्भरता के कारण उप-अपनाने वाले निर्णय होते हैं
• एआई कैसे काम करता है, इसकी समझ का अभाव दुरुपयोग की ओर ले जाता है
• एआई मॉडल को प्रशिक्षित करने के लिए उपयोग किए जाने वाले डेटा में पूर्वाग्रह गलत परिणाम देता है
• एआई मॉडल को प्रशिक्षित करने के लिए उपयोग किए जाने वाले डेटा के आसपास सुरक्षा और गोपनीयता संबंधी चिंताएं

तो, अपने पारंपरिक विश्लेषण के पूरक के लिए एआई में निवेश करने वाले व्यवसायों के लिए इसका क्या अर्थ है? संक्षिप्त उत्तर है, कोई शॉर्ट-कट नहीं है। एआई की 85% पहल विफल. दिलचस्प बात यह है कि यह पारंपरिक आईटी और बीआई परियोजनाओं से संबंधित अक्सर उद्धृत आंकड़ों के समान है। विश्लेषिकी से मूल्य प्राप्त करने से पहले वही कड़ी मेहनत जो हमेशा आवश्यक रही है, अभी भी की जानी चाहिए। दृष्टि मौजूद होनी चाहिए, यथार्थवादी और प्राप्त करने योग्य होनी चाहिए। गंदा काम डेटा तैयार करना, डेटा तकरार और डेटा सफाई है। यह हमेशा करने की आवश्यकता होगी। एआई प्रशिक्षण में, और भी बहुत कुछ। वर्तमान में मानवीय हस्तक्षेप का कोई शॉर्टकट नहीं है। मनुष्य को अभी भी एल्गोरिदम को परिभाषित करने की आवश्यकता है। मनुष्य को "सही" उत्तर की पहचान करने की आवश्यकता है।

संक्षेप में, AI के सफल होने के लिए, मनुष्यों को यह करना होगा:

• बुनियादी ढांचा स्थापित करें. यह अनिवार्य रूप से उन सीमाओं को स्थापित कर रहा है जिनमें एआई काम करेगा। यह इस बारे में है कि क्या फाउंडेशन असंरचित डेटा, ब्लॉकचेन, IoT, उपयुक्त सुरक्षा का समर्थन कर सकता है।
• खोज में सहायता. डेटा की उपलब्धता का पता लगाएं और निर्धारित करें। एआई को प्रशिक्षित करने के लिए डेटा मौजूद होना चाहिए और उपलब्ध होना चाहिए।
• डेटा क्यूरेट करें. जब एक बड़े डेटा सेट के साथ प्रस्तुत किया जाता है और, परिणामस्वरूप, बड़ी संख्या में संभावित परिणाम, परिणामों का मूल्यांकन करने के लिए एक डोमेन विशेषज्ञ की आवश्यकता हो सकती है। क्यूरेशन में डेटा संदर्भ का सत्यापन भी शामिल होगा।

डेटा वैज्ञानिकों से एक वाक्यांश उधार लेने के लिए, कंपनियों को एआई के साथ सफल होने के लिए, मौजूदा एनालिटिक्स क्षमताओं में मूल्य जोड़ने में सक्षम होने के लिए, उन्हें शोर से संकेत, प्रचार से संदेश को अलग करने में सक्षम होना चाहिए।

सात साल पहले, आईबीएम के गिन्नी रोमिट्टी कुछ ऐसा कहा, वाटसन हेल्थ [एआई] हमारा चन्द्रमा है। दूसरे शब्दों में, एआई - चंद्र लैंडिंग के बराबर - एक प्रेरणादायक, प्राप्त करने योग्य, खिंचाव लक्ष्य है। मुझे नहीं लगता कि हम चांद पर उतरे हैं। अभी तक। आईबीएम, और कई अन्य कंपनियां परिवर्तनकारी एआई के लक्ष्य की दिशा में काम करना जारी रखती हैं।

यदि AI चंद्रमा है, तो चंद्रमा दृष्टि में है और यह पहले से कहीं अधिक निकट है।