結局のところ、はい、しかしかろうじて

AIはどこにでもあります。 最近の家庭で最も一般的な AI の場所の XNUMX つは、スマートフォン、スマート ホーム、電化製品です。 最近、夕食を食べているときに、Alexa と次のような会話をしました。

Me: アレクサ、カブスのハイライトを流して。 [これは、Alexa のホーム画面で宣伝されている機能です。 Alexa に、お気に入りのチームのハイライトを再生するように依頼してください。]

アレクサ: ウェブで何かを見つけました。 [Alexa がこのように起動するとき、問題があることはわかっています。 うまくいかない。 Alexa は、いくつかのビデオのリストを表示します。 確かに、それらのほとんどは、選手が過去 5 年間に並外れたプレーをしている野球のビデオです。 私のせいです。 再試行。]

Me: アレクサ、最新のシカゴ・カブス野球ゲームのハイライトを見せて。 [私の要求を理解できなかったという非難を受け入れるので、それが見下すような口調を検出しないことを願っています.]

アレクサ: シカゴ カブスの試合のハイライトは、試合終了の XNUMX 時間後に視聴できます。 [進捗。 彼らが今この瞬間に演奏しているとは思いもしませんでした。 運は味方です。 いきなり希望です。]

Me: アレクサ、昨日のエフィング ハイライトを見せて。 [はい、私の欲求不満が現れ始めています。 私はコードを壊すことにとても近づいています。 ほぼ味わえます。]

アレクサ：すみません、私はそれを知りません。 [これはあまりにも頻繁に言われます。 よくわからなかったのかもしれません。]

私： 私をからかってるの？ 25 年 2022 月 XNUMX 日月曜日にリグレー フィールドで行われるシカゴ カブスとピッツバーグ パイレーツのメジャー リーグ ベースボール ゲームのハイライトを再生します。 [今回は完走できたと自負しております。 私は、Alexa が持っていることを知っているスキルである、具体的で明確な要求を吐き出しました。 これは以前にも行われています。 ]

アレクサ： [沈黙。 何もない。 応答なし。 目覚めの魔法の言葉、アレクサを言い忘れました。]

　 平均IQ 18歳の平均IQは100前後。人間の6歳の平均IQは55。Google AIのIQは47と評価された。SiriのIQは推定24。BingとBaiduは30代。 Alexa の IQ の評価は見つかりませんでしたが、私の経験は未就学児と話しているようなものでした。

コンピューターに IQ テストを行うのは公平ではないと言う人もいるかもしれません。 しかし、それは完全にポイントです。 AI の約束は、人間が行うことをより良くすることです。 これまでのところ、XNUMX 対 XNUMX の、またはニューラル ネットワークからニューラル ネットワークへの挑戦は、非常に焦点が絞られています。 チェスをしている。 病気の診断。 搾乳牛。 車の運転。 通常はロボットが勝ちます。 私が見たいのは、ワトソンが車を運転しながら牛の乳を搾り、ジェパディをプレイするところです。 今、 それ 三連勝だろう。 人間は、運転中にタバコを探すことさえできず、事故に遭うことはありません。

AIのIQ

機械に裏切られた。 私は一人ではないと思います。 もしこれが最先端であるなら、これらはどれくらいスマートなのだろうか？ 人間の知性を機械と比較できますか?

科学者は評価しています システムの学習能力と推論能力。 これまでのところ、合成人間は本物ほどうまく行っていません。 研究者は欠点を利用してギャップを特定し、追加の開発と進歩が必要な場所をよりよく理解できるようにしています。

AI の「私」が何を表しているかを忘れないように、マーケターは Smart AI という用語を作りました。

AIはセンティエントですか？

ロボットに感情はありますか？ コンピュータは e を体験できますかmotioん？ いいえ、先に進みましょう。 あなたがしたい場合 read それについては、（以前の）Google エンジンの XNUMX つが、Google が取り組んでいる AI モデルは感覚的であると主張しています。 彼はボットと不気味なチャットをして、コンピューターには感情があると確信しました。 コンピューターはその生命を恐れています。 私があの文章を書いたなんて信じられない。 コンピューターには恐れるべき命がありません。 コンピュータは考えることができません。 アルゴリズムは考えていません。

しかし、近い将来、コンピューターがコマンドに対して「ごめんなさい、デイブ、それはできません」と応答したとしても、私は驚かないでしょう。

AI はどこで失敗しますか?

より正確には、なぜ AI プロジェクトは失敗するのでしょうか? IT プロジェクトが常に失敗したのと同じ理由で失敗します。 プロジェクトは、管理の誤り、または時間、範囲、または予算の管理の失敗により失敗します..:

• 不明確または未定義のビジョン。 戦略が悪い。 経営陣が「チェックボックスをオンにするだけです」と言うのを聞いたことがあるかもしれません。 価値提案を定義できない場合、目的が不明確になります。
• 非現実的な期待。 これは、誤解、不十分なコミュニケーション、または非現実的なスケジューリングが原因である可能性があります。 非現実的な期待は、AI ツールの機能と方法論を理解していないことから生じることもあります。
• 受け入れられない要件。 ビジネス要件が明確に定義されていません。 成功の指標は不明です。 また、このカテゴリには、データを理解している従業員の過小評価があります。
• 予算のない、過小評価されたプロジェクト。 コストは完全かつ客観的に見積もられていません。 不測の事態は計画されておらず、予想もされていません。 すでに忙しすぎるスタッフの時間貢献は過小評価されています。
• 不測の事態。 はい、偶然は起こりますが、これは貧弱な計画に該当すると思います。

以前の投稿も参照してください 分析とビジネス インテリジェンスの失敗の 12 の理由.

今日の AI は非常に強力であり、企業が大きな成功を収めるのに役立ちます。 AI イニシアチブが失敗した場合、ほとんどの場合、失敗の原因は上記のいずれかにあります。

AI はどこで優れているか?

AI は反復的で複雑なタスクが得意です。 (公平を期すために言うと、単純で反復のないタスクも実行できます。ただし、未就学児に実行させる方が安価です。) 膨大な量のデータにパターンや関係が存在する場合は、それを見つけるのが得意です。

• AI は、特定のパターンに一致しないイベントを探すときにうまく機能します。
  • 検出 クレジットカード詐欺 使用パターンに従わないトランザクションを見つけることです。 注意を怠る傾向があります。 ダラスでレンタカーにガソリンを満タンにし、シカゴで自家用車にガソリンを満タンにしたときに、熱心すぎるアルゴリズムでクレジット カードから電話がかかってきました。 それは合法でしたが、フラグが立てられるほど異常でした。

「アメリカンエキスプレス 1 兆ドルの取引を処理し、110 億 XNUMX 万枚の AmEx カードを運用しています。 彼らは、データ分析と機械学習アルゴリズムに大きく依存して、ほぼリアルタイムで詐欺を検出し、何百万もの損失を節約しています。」

• 医薬品詐欺と乱用. システムは、プログラムされた多くのルールに基づいて、異常な行動パターンを見つけることができます。 たとえば、患者が同じ日に同じような痛みの訴えで町中の XNUMX 人の異なる医師に会った場合、虐待を除外するために追加の調査が必要になる可能性があります。
• AIの ヘルスケア いくつかの優れた成功を収めています。
  • AI とディープ ラーニングは、X 線を通常の所見と比較するように教えられました。 放射線科医がチェックできるように異常にフラグを立てることで、放射線科医の作業を強化することができました。
• AIはうまく機能します 社交と買い物. これが非常に多く見られる理由の XNUMX つは、リスクが低いことです。 AI が誤って重大な結果をもたらすリスクは低いです。
• • 気に入った/購入した場合 この、きっと気に入っていただけると思います Amazon から Netflix、YouTube に至るまで、それらはすべて何らかの形のパターン認識を使用しています。 Instagram AI は、あなたのやり取りを考慮してフィードにフォーカスします。 これは、アルゴリズムがあなたの好みを、同様の選択をした他のユーザーのバケットまたはグループに入れることができる場合、またはあなたの興味が狭い場合に最も効果的です。
  • AIはいくつかの成功を収めました 顔認識. Facebook は、以前にタグ付けされた人物を新しい写真で識別できます。 初期のセキュリティ関連の顔認識システムの一部は、マスクにだまされました。
• AIは成功を収めてきました 農業 機械学習、IoT センサー、コネクテッド システムを使用します。
  • AIアシスト スマートトラクター 収穫量を最大化し、肥料を最小限に抑え、食料生産コストを改善するために、畑を植えて収穫します。
  • 3D マップ、土壌センサー、ドローン、気象パターン、監視されたデータ ポイントを使用 機械学習 大規模なデータセットからパターンを見つけて、作物を植えるのに最適な時期を予測し、植える前に収量を予測します。
  • 酪農場 AI ロボットを使用して牛に自分で搾乳させ、AI と機械学習も牛のバイタル サイン、活動、食物と水の摂取量を監視して、牛を健康で満足のいく状態に保ちます。
  • AIの助けを借りて、 農民 人口の 2% 未満の人々が、米国の残りの地域で 300 億人を養っています。
  • 農業における人工知能

AIの素晴らしい話もあります 成功 サービス産業、小売、メディア、製造業。 AIは本当にどこにでもあります。

AI の強みと弱みの対比

AI の長所と短所をしっかりと理解することは、AI イニシアチブの成功に貢献する可能性があります。 また、現在右側の列にある機能は機会であることも忘れないでください。 これらは、ベンダーと最先端の採用者が現在進歩を遂げている分野です。 現在 AI に挑戦している機能を XNUMX 年後に見ていき、レフト シフトについて説明します。 次のチャートを注意深く調べれば、これを書いてから公開するまでの間に何らかの動きがあったとしても驚かないでしょう.

AIの未来とは？

AI がもっと賢くなれば、未来がどうなるかを予測できるかもしれません。 多いのは明らか 誤解 AIができることとできないことについて。 たくさんの 誤解と AI 非識字 テクノロジー マーケティングが既存の機能を誇張しすぎた結果です。 今日の AI の可能性は印象的です。 右側の列の弱点の多くは、今後 2、3 年で左側にシフトし、強みになると予測しています。

[この記事を書き終えた後、前の段落を OpenAI、オープン AI プラットフォーム言語ジェネレーター。 DALL-E によって生成されたアートの一部を見たことがあるかもしれません。 AIの未来についてどう考えているのか知りたかったのです。 これがそれが言わなければならなかったことです。 ]

AI の未来は、いくつかのサーバーを購入して既製のソフトウェア パッケージをインストールすることではありません。 適切な人材を見つけて採用し、適切なチームを構築し、ハードウェアとソフトウェアの両方に適切な投資を行うことが重要です。

今後数年間の AI の潜在的な成功には、次のようなものがあります。

• 予測と推奨の精度の向上
• 意思決定プロセスの改善
• 研究開発のスピードアップ
• ビジネスプロセスの自動化と最適化を支援

ただし、次のような、企業が認識しておくべき AI の潜在的な失敗もいくつかあります。

• AI への過度の依存が最適ではない意思決定につながる
• AI がどのように機能するかを理解していないため、誤用につながる
• 不正確な結果につながる AI モデルのトレーニングに使用されるデータの偏り
• AI モデルのトレーニングに使用されるデータに関するセキュリティとプライバシーの懸念

では、従来の分析を補完するために AI に投資する企業にとって、これは何を意味するのでしょうか? 簡単に言えば、近道はありません。 AI イニシアチブの 85% が失敗する. 興味深いことに、これは、従来の IT および BI プロジェクトに関連してよく引用される統計に似ています。 分析から価値を引き出す前に常に必要とされてきたのと同じ大変な作業を、引き続き行う必要があります。 ビジョンは存在し、現実的で達成可能でなければなりません。 汚れた作業は、データの準備、データのラングリング、およびデータのクレンジングです。 これは常に実行する必要があります。 AIのトレーニングではなおさらです。 現在、人間の介入への近道はありません。 アルゴリズムを定義するには、依然として人間が必要です。 人間は「正しい」答えを特定する必要があります。

要約すると、AI が成功するためには、人間は次のことを行う必要があります。

• インフラストラクチャを確立する. これは基本的に、AI が機能する境界を確立することです。 基盤が非構造化データ、ブロックチェーン、IoT、適切なセキュリティをサポートできるかどうかです。
• 発見の支援. データの可用性を見つけて判断します。 AI をトレーニングするためのデータが存在し、利用可能である必要があります。
• データをキュレートする. 大規模なデータセットが提示され、その結果として多数の潜在的な結果が提示される場合、結果を評価するためにドメインの専門家が必要になる場合があります。 キュレーションには、データ コンテキストの検証も含まれます。

データ サイエンティストの言葉を借りると、企業が AI で成功を収め、既存の分析機能に価値を付加できるようになるためには、シグナルをノイズから、メッセージを誇大宣伝から分離できる必要があります。

XNUMX 年前、IBM の ジニロメティ たとえば、Watson Health [AI] は私たちのムーンショットです。 言い換えれば、月面着陸に相当する AI は、刺激的で達成可能なストレッチ ゴールです。 私たちは月に着陸したとは思わない。 まだ。 IBM をはじめとする多くの企業は、革新的な AI の目標に向かって取り組み続けています。

AI が月である場合、月は視界にあり、かつてないほど近づいています。