네, 하지만 겨우 겨우

AI는 어디에나 있습니다. 요즘 가정에서 AI가 가장 많이 사용되는 곳 중 하나는 스마트폰, 스마트 홈 및 가전 제품입니다. 최근에 우리는 저녁 식사를 하기 위해 자리에 앉았을 때 Alexa와 다음과 같은 대화를 나눴습니다.

Me: Alexa, 컵스 하이라이트를 재생합니다. [이것은 Alexa의 홈 화면에서 선전되는 기능입니다. Alexa에게 좋아하는 팀의 하이라이트를 재생해 달라고 요청하세요.]

알렉사: 웹에서 뭔가를 찾았습니다. [Alexa가 이렇게 시작되면 문제가 있다는 것을 압니다. 잘 되지 않을 것이다. Alexa는 소수의 비디오 목록을 보여줍니다. 물론, 대부분은 지난 5년 동안 선수들이 뛰어난 플레이를 보여준 야구 비디오입니다. 내 잘못. 다시 시도하십시오.]

Me: Alexa, 최신 Chicago Cubs 야구 경기의 하이라이트를 보여주세요. [내 요청을 이해하지 못하는 것에 대한 비난을 받아들이면서 오만한 어조를 감지하지 않기를 바랍니다.]

알렉사: Chicago Cubs 경기의 하이라이트는 경기 종료 XNUMX시간 후에 제공됩니다. [진전. 나는 그들이 바로 이 순간에 놀고 있을지 몰랐다. 행운은 내 편이다. 갑자기 희망이 생겼습니다.]

Me: Alexa, 그럼 어제의 effing 하이라이트를 보여주세요. [네, 저의 좌절감이 보이기 시작했습니다. 나는 코드를 깨는 것에 너무 가깝습니다. 거의 맛볼 수 있습니다.]

알렉사: 죄송합니다. 그건 잘 모르겠습니다. [너무 자주 말합니다. 아마도 내가 명확하지 않았을 것입니다.]

나를: 장난해? 25년 2022월 XNUMX일 월요일 Wrigley Field에서 열리는 Chicago Cubs와 Pittsburgh Pirates 간의 메이저 리그 야구 경기의 하이라이트, 재생, 비디오 하이라이트. [이번에는 성공했다고 자신합니다. Alexa가 가지고 있는 기술인 구체적이고 명확한 요청을 뱉었습니다. 이전에 이 작업을 수행한 적이 있습니다. ]

알렉사 : [고요. 아무것도 아님. 응답 없음. 알렉사, 마법을 깨우는 말을 하는 것을 잊었습니다.]

XNUMXD덴탈의 평균 IQ 18세의 평균 IQ는 약 100입니다. 인간 6세의 평균 IQ는 55입니다. Google AI IQ는 47로 평가되었습니다. Siri의 IQ는 24로 추정됩니다. Bing과 Baidu는 30대입니다. 나는 Alexa의 IQ에 대한 평가를 찾지 못했지만 내 경험은 마치 미취학 아동과 이야기하는 것과 같았습니다.

어떤 사람들은 컴퓨터에게 IQ 테스트를 하는 것은 불공평하다고 말할 수도 있습니다. 하지만 그게 요점입니다. AI의 약속은 인간이 하는 일을 더 잘하는 것입니다. 지금까지 각각의 일대일(또는 신경망 대 신경망) 챌린지는 매우 집중되었습니다. 체스 게임. 질병 진단. 젖소 착유. 자동차 운전. 일반적으로 로봇이 이깁니다. 내가 보고 싶은 것은 왓슨이 차를 몰고 제퍼디를 하며 젖소를 짜는 것입니다. 지금, 그 삼박자가 될 것입니다. 인간은 사고를 당하지 않고 운전하는 동안 담배를 찾을 수도 없습니다.

AI의 IQ

기계에게 속았다. 나는 혼자가 아니라고 생각합니다. 이것이 최첨단이라면 얼마나 똑똑한 일인가? 인간의 지능을 기계에 비유할 수 있습니까?

과학자들은 평가 학습하고 추론하는 시스템의 능력. 지금까지 합성 인간은 실제만큼 잘하지 못했습니다. 연구원은 추가 개발 및 진행이 필요한 부분을 더 잘 이해할 수 있도록 격차를 식별하기 위해 단점을 사용하고 있습니다.

요점을 놓치지 않고 AI의 "I"가 무엇을 의미하는지 잊어버리지 않도록 마케터는 이제 스마트 AI라는 용어를 만들었습니다.

AI는 센티언트인가?

로봇도 감정이 있나요? 컴퓨터가 전자를 경험할 수 있습니까?motions? 아니요. 계속 진행하겠습니다. 당신이 원하는 경우 읽기 그것에 대해, 하나의 (전) Google 엔진은 Google이 작업하고 있는 AI 모델이 지각이 있다고 주장합니다. 그는 컴퓨터에 감정이 있다는 것을 확신시키는 봇과 소름 끼치는 대화를 나눴습니다. 컴퓨터는 생명을 두려워합니다. 내가 그 문장을 썼다는 것이 믿기지 않는다. 컴퓨터에는 두려운 생명이 없습니다. 컴퓨터는 생각할 수 없습니다. 알고리즘은 생각하지 않습니다.

그러나 아주 가까운 시일 내에 컴퓨터가 명령에 응답하여 "미안해요, 데이브, 저는 그렇게 할 수 없습니다."라고 해도 놀라지 않을 것입니다.

AI는 어디에서 실패합니까?

또는 더 정확하게 말하면 AI 프로젝트가 실패하는 이유는 무엇입니까? IT 프로젝트가 항상 실패하는 것과 같은 이유로 실패합니다. 잘못된 관리로 인해 프로젝트가 실패하거나 시간, 범위 또는 예산 관리 실패..:

• 불분명하거나 정의되지 않은 비전. 나쁜 전략. 경영진이 "상자를 선택하면 됩니다."라고 말하는 것을 들었을 것입니다. 가치 제안을 정의할 수 없으면 목적이 불분명합니다.
• 비현실적인 기대. 이것은 오해, 잘못된 의사 소통 또는 비현실적인 일정 때문일 수 있습니다. 비현실적인 기대는 AI 도구 기능 및 방법론에 대한 이해 부족에서 비롯될 수도 있습니다.
• 허용되지 않는 요구 사항. 비즈니스 요구 사항이 잘 정의되어 있지 않습니다. 성공의 지표는 불분명합니다. 또한 이 범주에는 데이터를 이해하는 직원을 과소평가하고 있습니다.
• 예산이 부족하고 과소평가된 프로젝트. 비용은 완전하고 객관적으로 추정되지 않았습니다. 비상 사태는 계획되지 않았고 예상되지도 않았습니다. 이미 너무 바쁜 직원의 시간 기여는 과소 평가되었습니다.
• 뜻밖의 상황. 예, 기회가 발생하지만 이것은 잘못된 계획에 속한다고 생각합니다.

또한 이전 게시물을 참조하십시오. 분석 및 비즈니스 인텔리전스에서 실패하는 12가지 이유.

오늘날 AI는 매우 강력하며 기업이 엄청난 성공을 달성하는 데 도움이 될 수 있습니다. AI 이니셔티브가 실패하면 실패는 거의 항상 위의 중 하나로 추적될 수 있습니다.

AI는 어디에서 탁월합니까?

AI는 반복적이고 복잡한 작업에 능숙합니다. (공정하게 말하면 단순하고 반복적이지 않은 작업도 수행할 수 있습니다. 그러나 미취학 아동에게 시키는 것이 더 저렴할 것입니다.) 방대한 양의 데이터에서 패턴과 관계가 있는 경우 이를 찾는 데 좋습니다.

• AI는 특정 패턴과 일치하지 않는 이벤트를 찾을 때 잘합니다.
  • 감지 신용 카드 사기 사용 패턴을 따르지 않는 거래를 찾는 것입니다. 주의 측면에서 오류가 발생하는 경향이 있습니다. 달라스에서 렌트카에 휘발유를 채우고 시카고에서 개인 차량을 충전할 때 지나치게 열성적인 알고리즘으로 신용 카드에서 전화를 받았습니다. 합법적이었지만 신고를 받을 만큼 이례적인 일이었습니다.

"아메리칸 익스프레스 1조 달러의 거래를 처리하고 110억 XNUMX천만 개의 AmEx 카드를 운영하고 있습니다. 그들은 데이터 분석과 기계 학습 알고리즘에 크게 의존하여 사기를 거의 실시간으로 감지하여 수백만 달러의 손실을 절약합니다.”

• 의약품 사기 및 남용. 시스템은 프로그래밍된 많은 규칙을 기반으로 비정상적인 행동 패턴을 찾을 수 있습니다. 예를 들어, 환자가 같은 날 같은 날 동네에서 세 명의 다른 의사를 만났을 때 학대를 배제하기 위해 추가 조사가 필요할 수 있습니다.
• AI 건강 관리 몇 가지 훌륭한 성공을 거두었다.
  • AI와 딥 러닝은 엑스레이를 정상 결과와 비교하도록 가르쳤습니다. 방사선 전문의가 검사할 이상 징후를 표시하여 방사선 전문의의 작업을 보강할 수 있었습니다.
• AI는 다음과 잘 작동합니다. 소셜 및 쇼핑. 우리가 이것을 많이 보는 한 가지 이유는 위험이 적기 때문입니다. AI가 잘못되어 심각한 결과를 초래할 위험은 낮습니다.
• • 좋아요/구매했다면 이, 우리는 당신이 좋아할 것이라고 생각합니다 이. Amazon에서 Netflix 및 YouTube에 이르기까지 모두 일종의 패턴 인식을 사용합니다. Instagram AI는 피드에 초점을 맞추기 위해 상호 작용을 고려합니다. 알고리즘이 비슷한 선택을 한 다른 사용자의 버킷이나 그룹에 기본 설정을 넣을 수 있거나 관심 범위가 좁은 경우 가장 잘 작동하는 경향이 있습니다.
  • AI는 다음과 같은 성공을 거두었습니다. 얼굴 인식. Facebook은 새 사진에서 이전에 태그된 사람을 식별할 수 있습니다. 일부 초기 보안 관련 안면 인식 시스템은 마스크에 속았습니다.
• AI는 다음 분야에서 성공을 거두었습니다. 농업 기계 학습, IoT 센서 및 연결된 시스템을 사용합니다.
  • AI 지원 스마트 트랙터 수확량을 최대화하고 비료를 최소화하며 식품 생산 비용을 개선하기 위해 재배 및 수확 필드.
  • 3차원 지도, 토양 센서, 드론, 날씨 패턴, 감독된 데이터 포인트 기계 학습 대규모 데이터 세트에서 패턴을 찾아 작물을 심기에 가장 좋은 시기를 예측하고 심기 전에 수확량을 예측합니다.
  • 낙농장 AI 로봇을 사용하여 젖소가 스스로 젖을 짜도록 하고, AI와 기계 학습은 또한 젖소의 활력 징후, 활동, 음식 및 물 섭취량을 모니터링하여 건강하고 만족스럽게 유지합니다.
  • AI의 도움으로, 농민 인구의 2% 미만인 사람들이 미국의 나머지 지역에서 300억 명을 먹여살립니다.
  • 농업의 인공 지능

AI에 대한 훌륭한 이야기도 있습니다. 성공 서비스 산업, 소매, 미디어 및 제조. AI는 정말 어디에나 있습니다.

AI의 강점과 약점 대조

AI의 강점과 약점에 대한 확실한 이해는 AI 이니셔티브의 성공에 기여할 수 있습니다. 또한 현재 오른쪽 열에 있는 기능이 기회임을 기억하십시오. 이는 공급업체와 최첨단 채택자가 현재 진행 중인 영역입니다. 우리는 현재 AI에 XNUMX년 후에 다시 도전하는 기능을 살펴보고 좌편향을 문서화할 것입니다. 다음 차트를 주의 깊게 연구한다면 내가 이 글을 쓰는 시점과 출판된 시점 사이에 약간의 움직임이 있어도 놀라지 않을 것입니다.

AI의 미래는?

AI가 더 똑똑하다면 미래가 어떻게 될지 예측할 수 있습니다. 많다는 것은 분명하다. 오해 AI가 할 수 있는 것과 할 수 없는 것에 대해 많은 오해와 AI 문맹 기술 마케팅이 기존 기능을 과대 광고한 결과입니다. AI는 오늘날 할 수 있는 일에 대해 인상적입니다. 나는 오른쪽 칼럼의 많은 약점이 왼쪽으로 옮겨가 향후 2~3년 안에 강점이 될 것이라고 예측한다.

[이 기사를 마친 후 나는 이전 단락을 OpenAI, 개방형 AI 플랫폼 언어 생성기. DALL-E에서 생성된 일부 예술을 본 적이 있을 것입니다. AI의 미래에 대해 어떻게 생각하는지 알고 싶었습니다. 이것이 말해야 할 내용입니다. ]

AI의 미래는 몇 대의 서버를 구입하고 기성품 소프트웨어 패키지를 설치하는 것이 아닙니다. 적합한 사람을 찾고 고용하고, 적절한 팀을 구성하고, 하드웨어와 소프트웨어 모두에 적절한 투자를 하는 것입니다.

향후 몇 년 동안 AI의 잠재적인 성공은 다음과 같습니다.

• 예측 및 권장 사항의 정확도 향상
• 의사결정 프로세스 개선
• 연구 개발 가속화
• 비즈니스 프로세스 자동화 및 최적화 지원

그러나 다음과 같이 기업이 인지해야 하는 AI의 잠재적인 실패도 있습니다.

• AI에 대한 과도한 의존으로 차선책 결정
• AI가 오용으로 이어지는 방식에 대한 이해 부족
• 부정확한 결과를 초래하는 AI 모델 훈련에 사용되는 데이터의 편향
• AI 모델 훈련에 사용되는 데이터에 대한 보안 및 개인 정보 보호 문제

그렇다면 기존 분석을 보완하기 위해 AI에 투자하는 기업에게 이것이 의미하는 바는 무엇입니까? 짧은 대답은 지름길은 없다는 것입니다. AI 이니셔티브의 85%가 실패합니다.. 흥미롭게도 이는 기존 IT 및 BI 프로젝트와 관련하여 자주 인용되는 통계와 유사합니다. 분석에서 가치를 얻기 전에 항상 필요했던 동일한 노력은 여전히 ​​수행되어야 합니다. 비전은 현실적이고 실현 가능해야 합니다. 더러운 작업은 데이터 준비, 데이터 랭글링 및 데이터 정리입니다. 이것은 항상 수행되어야 합니다. AI 훈련에서는 더욱 그렇습니다. 현재 인간 개입에 대한 지름길은 없습니다. 인간은 여전히 ​​알고리즘을 정의해야 합니다. 인간은 "정답"을 식별해야 합니다.

요약하자면, AI가 성공하려면 인간은 다음을 수행해야 합니다.

• 인프라 구축. 이것은 본질적으로 AI가 작동할 경계를 설정하는 것입니다. 재단이 비정형 데이터, 블록체인, IoT, 적절한 보안을 지원할 수 있는지 여부입니다.
• 발견에 도움. 데이터의 가용성을 찾고 결정합니다. AI를 훈련하기 위한 데이터가 존재하고 사용 가능해야 합니다.
• 데이터 큐레이트. 많은 데이터 세트와 결과적으로 많은 잠재적인 결과가 제공되면 도메인 전문가가 결과를 평가해야 할 수 있습니다. 큐레이션에는 데이터 컨텍스트의 유효성 검사도 포함됩니다.

데이터 과학자들의 말을 빌리자면, 기업이 AI로 성공하고 기존 분석 기능에 가치를 더할 수 있으려면 신호와 노이즈, 메시지와 과장된 광고를 분리할 수 있어야 합니다.

XNUMX년 전 IBM은 Ginni Rometty Watson Health[AI]는 우리의 월병입니다. 즉, 달 착륙에 해당하는 AI는 영감을 주고 달성할 수 있는 확장 목표입니다. 나는 우리가 달에 착륙했다고 생각하지 않습니다. 아직. IBM과 다른 많은 기업들은 변혁적 AI라는 목표를 향해 계속해서 노력하고 있습니다.

AI가 달이라면 달이 눈앞에 있고 그 어느 때보다 가깝습니다.