Ternyata, ya, tapi hampir saja

AI ada di mana-mana. Salah satu tempat paling umum untuk AI di rumah saat ini adalah smartphone, rumah pintar, dan peralatan. Baru-baru ini, saat kami duduk untuk makan malam, kami mengobrol dengan Alexa yang kira-kira seperti ini:

Me: Alexa, mainkan sorotan Cubs. [Ini adalah fitur yang disebut-sebut di layar beranda Alexa. Minta Alexa untuk memainkan sorotan untuk tim favorit Anda.]

Alexa: Saya menemukan sesuatu di web. [Saya tahu ketika Alexa mulai seperti ini, ada masalah. Ini tidak akan berjalan dengan baik. Alexa menunjukkan daftar beberapa video. Memang, sebagian besar adalah video bisbol dengan pemain yang membuat permainan luar biasa selama 5 tahun terakhir. Salahku. Coba lagi.]

Me: Alexa, tunjukkan sorotan untuk pertandingan bisbol Chicago Cubs terbaru. [Saya berharap itu tidak mendeteksi nada merendahkan karena saya menerima kesalahan karena tidak dapat memahami permintaan saya.]

Alexa: Sorotan untuk pertandingan Chicago Cubs akan tersedia dua jam setelah pertandingan selesai. [Kemajuan. Saya tidak tahu bahwa mereka mungkin sedang bermain saat ini. Keberuntungan ada di pihak saya. Aku tiba-tiba berharap.]

Me: Alexa, baik tunjukkan highlight kemarin. [Ya, kekesalanku mulai terlihat. Saya sangat dekat untuk memecahkan kode. Saya hampir bisa mencicipinya.]

Alexa: Maaf, saya tidak tahu yang itu. [Ia mengatakan ini terlalu sering. Mungkin saya tidak jelas.]

Saya: Apakah kamu bercanda? Putar, cuplikan video pertandingan Major League Baseball antara Chicago Cubs dan Pittsburgh Pirates untuk Senin 25 Juli 2022 di Wrigley Field. [Kali ini saya yakin saya berhasil. Saya telah mengeluarkan permintaan spesifik dan tidak ambigu yang merupakan keterampilan yang saya tahu dimiliki Alexa. Ini telah dilakukan sebelumnya. ]

Alexa: [Kesunyian. Tidak ada apa-apa. Tidak ada respon. Aku lupa mengucapkan kata ajaib untuk bangun, Alexa.]

Grafik IQ rata-rata seorang berusia 18 tahun adalah sekitar 100. IQ rata-rata manusia berusia 6 tahun adalah 55. Google AI IQ dievaluasi menjadi 47. IQ Siri diperkirakan 24. Bing dan Baidu berada di usia 30-an. Saya tidak menemukan evaluasi IQ Alexa, tetapi pengalaman saya seperti berbicara dengan anak prasekolah.

Beberapa orang mungkin berkata, tidak adil memberikan komputer tes IQ. Tapi, itulah intinya. Janji AI adalah melakukan apa yang manusia lakukan, hanya lebih baik. Sejauh ini, setiap tantangan head-to-head – atau, katakanlah, jaringan saraf ke jaringan saraf – telah sangat terfokus. Bermain catur. Mendiagnosis penyakit. Memerah susu sapi. Mengemudi mobil. Robot biasanya menang. Yang ingin saya lihat adalah Watson memerah susu sapi saat mengendarai mobil dan bermain Jeopardy. Sekarang, bahwa akan menjadi trifecta. Manusia bahkan tidak bisa mencari rokok mereka saat mereka mengemudi tanpa mengalami kecelakaan.

IQ AI

Dikelabui oleh mesin. Saya curiga saya tidak sendirian. Saya harus berpikir, jika ini adalah seni, seberapa pintar hal-hal ini? Bisakah kita membandingkan kecerdasan manusia dengan mesin?

Para ilmuwan sedang menilai kemampuan sistem untuk belajar dan bernalar. Sejauh ini, manusia sintetis belum melakukan sebaik yang asli. Para peneliti menggunakan kekurangan untuk mengidentifikasi kesenjangan sehingga kami lebih memahami di mana pengembangan dan kemajuan tambahan perlu dilakukan.

Agar Anda tidak ketinggalan poin dan melupakan apa yang diwakili oleh "I" dalam AI, pemasar kini telah menciptakan istilah Smart AI.

Apakah Kecerdasan AI?

Apakah robot punya perasaan? Dapatkah komputer mengalami emotion? Tidak. Mari kita lanjutkan. Jika Anda ingin Baca baca tentang hal itu, satu (mantan) mesin Google mengklaim model AI yang sedang dikerjakan Google adalah makhluk hidup. Dia melakukan obrolan menyeramkan dengan bot yang meyakinkannya bahwa komputer memiliki perasaan. Komputer takut akan hidupnya. Aku bahkan tidak percaya aku menulis kalimat itu. Komputer tidak memiliki kehidupan untuk ditakuti. Komputer tidak bisa berpikir. Algoritma tidak dipikirkan.

Namun, saya tidak akan terkejut jika komputer merespons perintah dalam waktu dekat dengan: "Maaf, Dave, saya tidak bisa melakukannya."

Dimana AI Gagal?

Atau, lebih tepatnya, mengapa proyek AI gagal? Mereka gagal karena alasan yang sama bahwa proyek TI selalu gagal. Proyek gagal karena salah urus, atau kegagalan dalam mengelola waktu, ruang lingkup, atau anggaran..:

• Visi yang tidak jelas atau tidak terdefinisi. Strategi yang buruk. Anda mungkin pernah mendengar manajemen berkata, "Kami hanya perlu mencentang kotaknya." Jika proposisi nilai tidak dapat didefinisikan, tujuannya tidak jelas.
• Harapan yang tidak realistis. Ini mungkin karena kesalahpahaman, komunikasi yang buruk, atau penjadwalan yang tidak realistis. Harapan yang tidak realistis juga dapat berasal dari kurangnya pemahaman tentang kemampuan dan metodologi alat AI.
• Persyaratan yang tidak dapat diterima. Persyaratan bisnis tidak didefinisikan dengan baik. Metrik untuk sukses tidak jelas. Juga dalam kategori ini adalah meremehkan karyawan yang memahami data.
• Proyek yang tidak dianggarkan dan diremehkan. Biaya belum sepenuhnya diestimasi secara objektif. Kontinjensi belum direncanakan dan diantisipasi. Kontribusi waktu staf yang sudah terlalu sibuk diremehkan.
• Keadaan yang tak terduga. Ya, kebetulan terjadi, tetapi saya pikir ini termasuk dalam perencanaan yang buruk.

Lihat juga postingan kami sebelumnya 12 Alasan Kegagalan Dalam Analisis dan Intelijen Bisnis.

AI, saat ini, sangat kuat dan dapat membantu perusahaan mencapai kesuksesan luar biasa. Ketika inisiatif AI gagal, kegagalan hampir selalu dapat dilacak ke salah satu di atas.

Di mana AI Excel?

AI bagus dalam tugas-tugas yang berulang dan kompleks. (Agar adil, ia juga dapat melakukan tugas-tugas sederhana dan tidak berulang. Tetapi, akan lebih murah jika anak prasekolah Anda melakukannya.) Ia pandai menemukan pola dan hubungan, jika ada, dalam jumlah data yang sangat banyak.

• AI bekerja dengan baik saat mencari acara yang tidak cocok dengan pola tertentu.
  • Mendeteksi penipuan kartu kredit adalah tentang menemukan transaksi yang tidak mengikuti pola penggunaan. Itu cenderung berbuat salah di sisi hati-hati. Saya telah menerima telepon dari kartu kredit saya dengan algoritma yang terlalu bersemangat ketika saya mengisi mobil sewaan saya dengan bensin di Dallas dan kemudian mengisi mobil pribadi saya di Chicago. Itu sah, tetapi cukup tidak biasa untuk ditandai.

"American Express memproses transaksi senilai $1 triliun dan mengoperasikan 110 juta kartu AmEx. Mereka sangat bergantung pada analitik data dan algoritme pembelajaran mesin untuk membantu mendeteksi penipuan hampir secara real time, sehingga menghemat jutaan kerugian”.

• Penipuan dan penyalahgunaan farmasi. Sistem dapat menemukan pola perilaku yang tidak biasa berdasarkan banyak aturan terprogram. Misalnya, jika seorang pasien menemui tiga dokter yang berbeda di sekitar kota pada hari yang sama dengan keluhan nyeri yang sama, penyelidikan tambahan mungkin diperlukan untuk mengesampingkan penyalahgunaan.
• AI di kesehatan telah memiliki beberapa keberhasilan yang sangat baik.
  • AI dan pembelajaran mendalam diajarkan untuk membandingkan sinar-X dengan temuan normal. Itu dapat meningkatkan pekerjaan ahli radiologi dengan menandai kelainan untuk diperiksa oleh ahli radiologi.
• AI bekerja dengan baik dengan sosial dan belanja. Salah satu alasan mengapa kami sering melihat ini adalah karena risikonya rendah. Risiko kesalahan AI dan memiliki konsekuensi yang parah adalah rendah.
• • Jika Anda suka/membeli ini, kami pikir Anda akan menyukainya ini. Dari Amazon hingga Netflix dan YouTube, semuanya menggunakan beberapa bentuk pengenalan pola. Instagram AI menganggap interaksi Anda untuk memfokuskan umpan Anda. Ini cenderung bekerja paling baik jika algoritme dapat menempatkan preferensi Anda dalam ember atau grup pengguna lain yang telah membuat pilihan serupa, atau jika minat Anda sempit.
  • AI telah menikmati beberapa kesuksesan dengan pengenalan wajah. Facebook dapat mengidentifikasi orang yang sebelumnya ditandai di foto baru. Beberapa sistem pengenalan wajah terkait keamanan awal tertipu oleh topeng.
• AI telah menikmati kesuksesan dalam pertanian menggunakan pembelajaran mesin, sensor IoT, dan sistem yang terhubung.
  • AI dibantu traktor pintar menanam dan memanen ladang untuk memaksimalkan hasil, meminimalkan pupuk dan meningkatkan biaya produksi pangan.
  • Dengan titik data dari peta 3-D, sensor tanah, drone, pola cuaca, diawasi Mesin belajar menemukan pola dalam kumpulan data besar untuk memprediksi waktu terbaik untuk menanam tanaman dan memprediksi hasil bahkan sebelum ditanam.
  • Peternakan sapi perah menggunakan robot AI untuk membuat susu sapi sendiri, AI dan pembelajaran mesin juga memantau tanda-tanda vital sapi, aktivitas, asupan makanan dan air agar mereka tetap sehat dan puas.
  • Dengan bantuan AI, petani yang kurang dari 2% dari populasi memberi makan 300 juta di seluruh AS.
  • Kecerdasan Buatan dalam Pertanian

Ada juga cerita hebat tentang AI sukses di industri jasa, ritel, media dan manufaktur. AI benar-benar ada di mana-mana.

Kekuatan dan Kelemahan AI Dikontraskan

Pemahaman yang kuat tentang kekuatan dan kelemahan AI dapat berkontribusi pada keberhasilan inisiatif AI Anda. Ingat juga, bahwa kemampuan yang saat ini ada di kolom sebelah kanan adalah peluang. Ini adalah area di mana vendor dan pengadopsi tepi berdarah saat ini membuat kemajuan. Kami akan melihat kemampuan yang saat ini menantang AI lagi dalam setahun dan mendokumentasikan pergeseran kiri. Jika Anda mempelajari bagan berikut dengan cermat, saya tidak akan terkejut jika ada beberapa pergerakan antara saat saya menulis ini dan saat diterbitkan.

Apa Masa Depan AI?

Jika AI lebih pintar, itu mungkin memprediksi apa yang akan terjadi di masa depan. Jelas ada banyak kesalahpahaman tentang apa yang bisa dan tidak bisa dilakukan AI. Banyak kesalahpahaman dan buta huruf AI adalah hasil dari pemasaran teknologi yang melampaui kemampuan yang ada. AI sangat mengesankan untuk apa yang dapat dilakukannya hari ini. Saya memperkirakan banyak kelemahan di kolom kanan akan bergeser ke kiri dan menjadi kekuatan dalam 2 atau 3 tahun ke depan.

[Setelah saya menyelesaikan artikel ini, saya menyajikan paragraf sebelumnya ke OpenAI, generator bahasa platform AI terbuka. Anda mungkin telah melihat beberapa karya seni yang dihasilkan oleh DALL-E-nya. Saya ingin tahu apa pendapatnya tentang masa depan AI. Inilah yang harus dikatakan. ]

Masa depan AI bukan tentang membeli beberapa server dan menginstal paket perangkat lunak yang tersedia. Ini tentang menemukan dan mempekerjakan orang yang tepat, membangun tim yang tepat, dan melakukan investasi yang tepat baik dalam perangkat keras maupun perangkat lunak.

Beberapa potensi keberhasilan AI selama beberapa tahun ke depan meliputi:

• Meningkatkan akurasi prediksi dan rekomendasi
• Meningkatkan proses pengambilan keputusan
• Mempercepat penelitian dan pengembangan
• Membantu mengotomatisasi dan mengoptimalkan proses bisnis

Namun, ada juga beberapa potensi kegagalan AI yang harus diwaspadai oleh bisnis, seperti:

• Ketergantungan yang berlebihan pada AI yang mengarah pada keputusan yang kurang optimal
• Kurangnya pemahaman tentang cara kerja AI yang mengarah pada penyalahgunaan
• Bias dalam data yang digunakan untuk melatih model AI yang mengarah ke hasil yang tidak akurat
• Masalah keamanan dan privasi seputar data yang digunakan untuk melatih model AI

Jadi, apa artinya ini bagi bisnis yang berinvestasi di AI untuk melengkapi analitik tradisional mereka? Jawaban singkatnya adalah, tidak ada jalan pintas. 85% inisiatif AI gagal. Menariknya, ini mirip dengan statistik yang sering dikutip terkait dengan proyek TI dan BI tradisional. Kerja keras yang sama yang selalu diperlukan sebelum Anda bisa mendapatkan nilai dari analitik masih harus dilakukan. Visi harus ada, realistis dan dapat dicapai. Pekerjaan kotornya adalah persiapan data, pertengkaran data, dan pembersihan data. Ini akan selalu perlu dilakukan. Dalam pelatihan AI, terlebih lagi. Saat ini tidak ada jalan pintas untuk campur tangan manusia. Manusia masih dituntut untuk mendefinisikan algoritma. Manusia dituntut untuk mengidentifikasi jawaban yang “benar”.

Singkatnya, agar AI berhasil, manusia perlu:

• Membangun infrastruktur. Ini pada dasarnya menetapkan batasan di mana AI akan bekerja. Ini tentang apakah yayasan dapat mendukung data tidak terstruktur, blockchain, IoT, keamanan yang sesuai.
• Bantuan dalam penemuan. Menemukan dan menentukan ketersediaan data. Data untuk melatih AI harus ada dan tersedia.
• Kurasi datanya. Ketika disajikan dengan kumpulan data yang besar dan, akibatnya, sejumlah besar hasil potensial, ahli domain mungkin diperlukan untuk mengevaluasi hasilnya. Kurasi juga akan mencakup validasi konteks data.

Meminjam ungkapan dari para ilmuwan data, agar perusahaan berhasil dengan AI, untuk dapat menambah nilai pada kemampuan analitik yang ada, mereka harus dapat memisahkan sinyal dari kebisingan, pesan dari hype.

Tujuh tahun lalu, IBM Ginni Rometty mengatakan sesuatu seperti, Watson Health [AI] adalah moonshot kami. Dengan kata lain, AI – setara dengan pendaratan di bulan – adalah tujuan yang menginspirasi, dapat dicapai, dan diperluas. Saya tidak berpikir kita telah mendarat di bulan. Belum. IBM, dan banyak perusahaan lain terus berupaya mencapai tujuan AI transformatif.

Jika AI adalah bulan, bulan sudah terlihat dan lebih dekat dari sebelumnya.