ຍ້ອນວ່າມັນຫັນອອກ, ແມ່ນແລ້ວ, ແຕ່ພຽງແຕ່ເປົ່າ
AI ແມ່ນຢູ່ທົ່ວທຸກແຫ່ງ. ຫນຶ່ງໃນສະຖານທີ່ທົ່ວໄປທີ່ສຸດສໍາລັບ AI ໃນເຮືອນໃນມື້ນີ້ແມ່ນໂທລະສັບສະຫຼາດ, ເຮືອນ smart ແລະເຄື່ອງໃຊ້. ບໍ່ດົນມານີ້, ໃນຂະນະທີ່ພວກເຮົານັ່ງກິນເຂົ້າແລງ, ພວກເຮົາໄດ້ສົນທະນາກັບ Alexa ວ່າມີບາງສິ່ງບາງຢ່າງເຊັ່ນນີ້:
Me: Alexa, ຫຼິ້ນຈຸດເດັ່ນຂອງ Cubs. [ນີ້ແມ່ນຄຸນສົມບັດທີ່ຖືກຍົກຍ້ອງຢູ່ໃນໜ້າຈໍຫຼັກຂອງ Alexa. ຂໍໃຫ້ Alexa ຫຼິ້ນຈຸດເດັ່ນໃຫ້ກັບທີມທີ່ທ່ານມັກ.]
Alexa: ຂ້ອຍພົບບາງຢ່າງຢູ່ໃນເວັບ. [ຂ້ອຍຮູ້ວ່າເມື່ອ Alexa ເລີ່ມຕົ້ນແບບນີ້, ມີບັນຫາ. ມັນບໍ່ດີ. Alexa ສະແດງລາຍຊື່ວິດີໂອຈຳນວນໜຶ່ງ. ແນ່ນອນ, ພວກມັນສ່ວນຫຼາຍແມ່ນວິດີໂອເບສບານທີ່ມີຜູ້ຫຼິ້ນສ້າງບົດລະຄອນພິເສດໃນໄລຍະ 5 ປີຜ່ານມາ. ຄວາມຜິດຂອງຂ້ອຍ. ລອງອີກຄັ້ງ.]
Me: Alexa, ສະແດງຈຸດເດັ່ນໃຫ້ກັບຂ້ອຍສຳລັບເກມເບດບານ Chicago Cubs ຫຼ້າສຸດ. [ຂ້າພະເຈົ້າຫວັງວ່າມັນຈະບໍ່ໄດ້ກວດພົບສຽງທີ່ໃສ່ໃຈດັ່ງທີ່ຂ້າພະເຈົ້າຍອມຮັບການຕໍານິສໍາລັບມັນບໍ່ສາມາດເຂົ້າໃຈຄໍາຮ້ອງສະຫມັກຂອງຂ້າພະເຈົ້າ.]
Alexa: ຈຸດເດັ່ນຂອງເກມ Chicago Cubs ຈະສາມາດໃຊ້ໄດ້ສອງຊົ່ວໂມງຫຼັງຈາກເກມຈົບລົງ. [ຄວາມຄືບໜ້າ. ຂ້າພະເຈົ້າບໍ່ມີຄວາມຄິດວ່າພວກເຂົາເຈົ້າອາດຈະຫຼິ້ນໃນປັດຈຸບັນນີ້. ໂຊກແມ່ນຢູ່ຂ້າງຂ້ອຍ. ຂ້ອຍມີຄວາມຫວັງຢ່າງກະທັນຫັນ.]
Me: Alexa, ດີສະແດງໃຫ້ຂ້ອຍເຫັນຈຸດເດັ່ນໃນມື້ວານນີ້, ຈາກນັ້ນ. [ແມ່ນແລ້ວ, ຄວາມອຸກອັ່ງຂອງຂ້ອຍເລີ່ມສະແດງ. ຂ້ອຍໃກ້ຈະທຳລາຍລະຫັດແລ້ວ. ຂ້າພະເຈົ້າເກືອບສາມາດລົດຊາດມັນ.]
Alexa: ຂ້ອຍຂໍໂທດ, ຂ້ອຍບໍ່ຮູ້ອັນນັ້ນ. [ມັນເວົ້ານີ້ເລື້ອຍໆເກີນໄປ. ບາງທີຂ້ອຍບໍ່ຈະແຈ້ງ.]
ຂ້ອຍ: ເຈົ້າເວົ້າຫຼິ້ນຂ້ອຍບໍ? ຫຼິ້ນ, ວິດີໂອໄຮໄລ້ສຳລັບເກມເບສບອນເມເຈີລີກລະຫວ່າງ Chicago Cubs ແລະ Pittsburgh Pirates ສໍາລັບວັນຈັນທີ 25 ກໍລະກົດ 2022 ທີ່ Wrigley Field. [ເວລານີ້ຂ້ອຍຫມັ້ນໃຈວ່າຂ້ອຍໄດ້ຕີມັນ. ຂ້າພະເຈົ້າໄດ້ຖົ່ມອອກຄໍາຮ້ອງສະຫມັກສະເພາະໃດຫນຶ່ງ, unambiguous ເປັນທັກສະທີ່ຂ້າພະເຈົ້າຮູ້ວ່າ Alexa ມີ. ມັນໄດ້ເຮັດອັນນີ້ກ່ອນ. ]
Alexa: [ງຽບ. ບໍ່ມີຫຍັງ. ບໍ່ມີຄໍາຕອບ. ຂ້າພະເຈົ້າລືມທີ່ຈະເວົ້າວ່າ magic wake ເຖິງ, Alexa.]
ໄດ້ IQ ສະເລ່ຍ ອາຍຸ 18 ປີແມ່ນປະມານ 100. IQ ສະເລ່ຍຂອງມະນຸດອາຍຸ 6 ປີແມ່ນ 55. Google AI IQ ໄດ້ຖືກປະເມີນວ່າເປັນ 47. IQ ຂອງ Siri ຄາດວ່າຈະຢູ່ທີ່ 24. Bing ແລະ Baidu ຢູ່ໃນ 30's. ຂ້ອຍບໍ່ພົບການປະເມີນ IQ ຂອງ Alexa, ແຕ່ປະສົບການຂອງຂ້ອຍຄືກັບການເວົ້າກັບເດັກອະນຸບານ.
ບາງຄົນອາດຈະເວົ້າວ່າ, ມັນບໍ່ຍຸດຕິທໍາທີ່ຈະໃຫ້ຄອມພິວເຕີທົດສອບ IQ. ແຕ່, ນັ້ນແມ່ນຈຸດຢ່າງສົມບູນ. ສັນຍາຂອງ AI ແມ່ນເພື່ອເຮັດສິ່ງທີ່ມະນຸດເຮັດ, ດີກວ່າ. ມາຮອດປະຈຸ, ແຕ່ລະຫົວຕໍ່ຫົວ - ຫຼືພວກເຮົາຈະເວົ້າວ່າ, ເຄືອຂ່າຍ neural ກັບເຄືອຂ່າຍ neural - ສິ່ງທ້າທາຍແມ່ນໄດ້ສຸມໃສ່ຫຼາຍ. ຫຼີ້ນໝາກຮຸກ. ການວິນິດໄສພະຍາດ. ນົມງົວ. ຂັບລົດ. ຫຸ່ນຍົນມັກຈະຊະນະ. ສິ່ງທີ່ຂ້າພະເຈົ້າຢາກເຫັນແມ່ນ Watson ນົມງົວໃນຂະນະທີ່ຂັບລົດແລະຫຼິ້ນ Jeopardy. ດຽວນີ້, ທີ່ ຈະເປັນ trifecta ໄດ້. ມະນຸດບໍ່ສາມາດຊອກຫາຢາສູບຂອງເຂົາເຈົ້າໄດ້ ໃນຂະນະທີ່ເຂົາເຈົ້າຂັບຂີ່ລົດໂດຍບໍ່ໄດ້ຮັບອຸປະຕິເຫດ.
IQ ຂອງ AI
Outwitted ໂດຍເຄື່ອງຈັກ. ຂ້ອຍສົງໃສວ່າຂ້ອຍບໍ່ໄດ້ຢູ່ຄົນດຽວ. ຂ້າພະເຈົ້າໄດ້ຄິດວ່າ, ຖ້າຫາກວ່ານີ້ແມ່ນສະຖານະພາບ, ສິ່ງເຫຼົ່ານີ້ມີຄວາມສະຫຼາດວິທີການ? ພວກເຮົາສາມາດປຽບທຽບປັນຍາຂອງມະນຸດກັບເຄື່ອງຈັກໄດ້ບໍ?
ນັກວິທະຍາສາດກໍາລັງປະເມີນ ຄວາມສາມາດໃນການຮຽນຮູ້ແລະເຫດຜົນຂອງລະບົບ. ມາຮອດປະຈຸ, ມະນຸດສັງເຄາະຍັງບໍ່ໄດ້ເຮັດເຊັ່ນດຽວກັນກັບຂອງແທ້ຈິງ. ນັກຄົ້ນຄວ້າກໍາລັງໃຊ້ຂໍ້ບົກຜ່ອງເພື່ອກໍານົດຊ່ອງຫວ່າງເພື່ອໃຫ້ພວກເຮົາເຂົ້າໃຈດີຂຶ້ນວ່າບ່ອນໃດທີ່ຕ້ອງພັດທະນາແລະກ້າວຫນ້າຕື່ມອີກ.
ພຽງແຕ່ເພື່ອວ່າທ່ານບໍ່ພາດຈຸດແລະລືມສິ່ງທີ່ "ຂ້ອຍ" ໃນ AI ເປັນຕົວແທນ, ນັກກາລະຕະຫຼາດໄດ້ກໍານົດຄໍາວ່າ Smart AI.
AI ມີຄວາມອ່ອນໄຫວບໍ?
ຫຸ່ນຍົນມີຄວາມຮູ້ສຶກບໍ? ຄອມພິວເຕີສາມາດມີປະສົບການ emotions? ບໍ່. ໃຫ້ກ້າວຕໍ່ໄປ. ຖ້າເຈົ້າຕ້ອງການ ອ່ານ ກ່ຽວກັບມັນ, ຫນຶ່ງ (ອະດີດ) ເຄື່ອງຈັກຂອງ Google ອ້າງວ່າຮູບແບບ AI ທີ່ Google ກໍາລັງເຮັດວຽກແມ່ນມີຄວາມຮູ້ສຶກ. ລາວມີການສົນທະນາທີ່ຫນ້າຢ້ານກັບ bot ທີ່ເຮັດໃຫ້ລາວຮູ້ວ່າຄອມພິວເຕີມີຄວາມຮູ້ສຶກ. ຄອມພິວເຕີຢ້ານຊີວິດຂອງມັນ. ຂ້ອຍບໍ່ສາມາດເຊື່ອໄດ້ວ່າຂ້ອຍຂຽນປະໂຫຍກນັ້ນ. ຄອມພິວເຕີບໍ່ມີຊີວິດທີ່ຈະຢ້ານກົວ. ຄອມພິວເຕີບໍ່ສາມາດຄິດໄດ້. ສູດການຄິດໄລ່ບໍ່ໄດ້ຄິດ.
ຢ່າງໃດກໍຕາມ, ຂ້າພະເຈົ້າຈະບໍ່ແປກໃຈ, ຖ້າຄອມພິວເຕີຕອບສະຫນອງຄໍາສັ່ງໃນອະນາຄົດອັນໃກ້ນີ້: "ຂ້ອຍຂໍອະໄພ, Dave, ຂ້ອຍບໍ່ສາມາດເຮັດໄດ້."
AI ລົ້ມເຫລວຢູ່ໃສ?
ຫຼື, ແນ່ນອນ, ເປັນຫຍັງໂຄງການ AI ຈຶ່ງລົ້ມເຫລວ? ພວກເຂົາເຈົ້າລົ້ມເຫລວສໍາລັບເຫດຜົນດຽວກັນທີ່ໂຄງການ IT ໄດ້ລົ້ມເຫລວສະເຫມີ. ໂຄງການລົ້ມເຫຼວເນື່ອງຈາກການຄຸ້ມຄອງທີ່ຜິດພາດ, ຫຼືຄວາມລົ້ມເຫຼວໃນການຄຸ້ມຄອງເວລາ, ຂອບເຂດຫຼືງົບປະມານ ..:
- ວິໄສທັດທີ່ບໍ່ຊັດເຈນ ຫຼືບໍ່ໄດ້ກຳນົດ. ຍຸດທະສາດທີ່ບໍ່ດີ. ທ່ານອາດຈະໄດ້ຍິນຜູ້ບໍລິຫານເວົ້າວ່າ, "ພວກເຮົາພຽງແຕ່ຕ້ອງການກວດເບິ່ງກ່ອງ." ຖ້າການສະເໜີມູນຄ່າບໍ່ສາມາດກຳນົດໄດ້, ຈຸດປະສົງແມ່ນບໍ່ຈະແຈ້ງ.
- ຄວາມຄາດຫວັງທີ່ບໍ່ເປັນຈິງ. ນີ້ອາດຈະເປັນຍ້ອນຄວາມເຂົ້າໃຈຜິດ, ການສື່ສານທີ່ບໍ່ດີ, ຫຼືການຈັດຕາຕະລາງທີ່ບໍ່ເປັນຈິງ. ຄວາມຄາດຫວັງທີ່ບໍ່ເປັນຈິງອາດເກີດຈາກການຂາດຄວາມເຂົ້າໃຈຂອງຄວາມສາມາດ ແລະວິທີການຂອງເຄື່ອງມື AI.
- ເງື່ອນໄຂທີ່ບໍ່ສາມາດຍອມຮັບໄດ້. ຄວາມຕ້ອງການທາງທຸລະກິດບໍ່ໄດ້ຖືກກໍານົດໄວ້ດີ. ຕົວຊີ້ວັດສໍາລັບຄວາມສໍາເລັດແມ່ນບໍ່ຊັດເຈນ. ນອກຈາກນີ້ຢູ່ໃນປະເພດນີ້ແມ່ນ undervaluing ຂອງພະນັກງານທີ່ເຂົ້າໃຈຂໍ້ມູນ.
- ໂຄງການທີ່ບໍ່ມີງົບປະມານແລະຄາດຄະເນຫນ້ອຍ. ຄ່າໃຊ້ຈ່າຍບໍ່ໄດ້ຖືກຄາດຄະເນຢ່າງເຕັມສ່ວນແລະຈຸດປະສົງ. ສະຖານະການທີ່ເກີດຂື້ນບໍ່ໄດ້ວາງແຜນໄວ້ແລະຄາດໄວ້. ການປະກອບສ່ວນເວລາຂອງພະນັກງານທີ່ຫຍຸ້ງເກີນໄປແລ້ວແມ່ນໄດ້ຖືກຄາດຄະເນໄວ້ໜ້ອຍລົງ.
- ສະຖານະການທີ່ບໍ່ຄາດຄິດ. ແມ່ນແລ້ວ, ມີໂອກາດເກີດຂຶ້ນ, ແຕ່ຂ້ອຍຄິດວ່າມັນຕົກຢູ່ໃນການວາງແຜນທີ່ບໍ່ດີ.
ເບິ່ງ, ຍັງ, ຂໍ້ຄວາມທີ່ຜ່ານມາຂອງພວກເຮົາ 12 ເຫດຜົນສໍາລັບຄວາມລົ້ມເຫຼວໃນການວິເຄາະແລະປັນຍາທຸລະກິດ.
AI, ໃນມື້ນີ້, ມີອໍານາດຫຼາຍແລະສາມາດຊ່ວຍໃຫ້ບໍລິສັດປະສົບຜົນສໍາເລັດຢ່າງຫຼວງຫຼາຍ. ເມື່ອການລິເລີ່ມ AI ລົ້ມເຫລວ, ຄວາມລົ້ມເຫຼວສາມາດຖືກຕິດຕາມຢູ່ສະເຫມີກັບຫນຶ່ງໃນຂ້າງເທິງ.
AI Excel ຢູ່ໃສ?
AI ແມ່ນດີໃນວຽກງານທີ່ຊໍ້າຊ້ອນ, ສັບສົນ. (ເພື່ອຄວາມຍຸຕິທໍາ, ມັນສາມາດເຮັດວຽກທີ່ງ່າຍດາຍ, ທີ່ບໍ່ຊ້ໍາກັນ, ແຕ່, ມັນຈະມີລາຄາຖືກກວ່າທີ່ຈະໃຫ້ເດັກອະນຸບານຂອງເຈົ້າເຮັດມັນ.) ມັນເປັນການດີທີ່ຈະຊອກຫາຮູບແບບແລະຄວາມສໍາພັນ, ຖ້າພວກເຂົາມີຢູ່ໃນຂໍ້ມູນຈໍານວນຫລາຍ.
- AI ເຮັດໄດ້ດີເມື່ອຊອກຫາເຫດການທີ່ບໍ່ກົງກັບຮູບແບບສະເພາະ.
- ການຊອກຄົ້ນຫາ ການສໍ້ໂກງບັດເຄຣດິດ ແມ່ນກ່ຽວກັບການຊອກຫາທຸລະກໍາທີ່ບໍ່ປະຕິບັດຕາມຮູບແບບການນໍາໃຊ້. ມັນມີແນວໂນ້ມທີ່ຈະຜິດພາດໃນດ້ານຂອງລະມັດລະວັງ. ຂ້ອຍໄດ້ຮັບສາຍຈາກບັດເຄຣດິດຂອງຂ້ອຍດ້ວຍລະບົບຄວາມກະຕືລືລົ້ນເມື່ອຂ້ອຍເຕີມນ້ຳມັນລົດໃຫ້ເຊົ່າຢູ່ Dallas ແລະຫຼັງຈາກນັ້ນຕື່ມໃສ່ລົດສ່ວນຕົວຂອງຂ້ອຍໃນ Chicago. ມັນຖືກຕ້ອງ, ແຕ່ຜິດປົກກະຕິພຽງພໍທີ່ຈະຖືກທຸງ.
"American Express ດໍາເນີນການທຸລະກໍາ $1 ພັນຕື້ໂດລາ ແລະມີ 110 ລ້ານບັດ AmEx ຢູ່ໃນການດໍາເນີນງານ. ພວກເຂົາອີງໃສ່ການວິເຄາະຂໍ້ມູນແລະລະບົບການຮຽນຮູ້ເຄື່ອງຈັກຫຼາຍເພື່ອຊ່ວຍກວດຫາການສໍ້ໂກງໃນເວລາທີ່ແທ້ຈິງ, ສະນັ້ນປະຫຍັດການສູນເສຍຫຼາຍລ້ານ”.
- ການສໍ້ໂກງແລະການລ່ວງລະເມີດຢາ. ລະບົບສາມາດຊອກຫາຮູບແບບທີ່ຜິດປົກກະຕິຂອງພຶດຕິກໍາໂດຍອີງໃສ່ກົດລະບຽບໂຄງການຈໍານວນຫຼາຍ. ຕົວຢ່າງ, ຖ້າຄົນເຈັບເຫັນທ່ານ ໝໍ ສາມຄົນໃນທົ່ວເມືອງໃນມື້ດຽວກັນທີ່ມີການຮ້ອງທຸກກ່ຽວກັບຄວາມເຈັບປວດທີ່ຄ້າຍຄືກັນ, ການສືບສວນເພີ່ມເຕີມອາດຈະຖືກຮັບປະກັນເພື່ອປະຕິເສດການລ່ວງລະເມີດ.
- AI ໃນ ຮັກສາສຸຂະພາບ ໄດ້ ມີ ຜົນ ສໍາ ເລັດ ທີ່ ດີ ເລີດ ບາງ.
- AI ແລະການຮຽນຮູ້ເລິກໄດ້ຖືກສອນເພື່ອປຽບທຽບ X-rays ກັບການຄົ້ນພົບປົກກະຕິ. ມັນສາມາດເສີມຂະຫຍາຍການເປັນ radiologists ເຮັດວຽກໂດຍການກໍານົດຄວາມຜິດປົກກະຕິສໍາລັບ radiologist ກວດສອບ.
- AI ເຮັດວຽກໄດ້ດີກັບ ສັງຄົມແລະການຄ້າ. ເຫດຜົນຫນຶ່ງທີ່ພວກເຮົາເຫັນອັນນີ້ຫຼາຍແມ່ນວ່າມີຄວາມສ່ຽງຕໍ່າ. ຄວາມສ່ຽງຂອງ AI ຈະຜິດພາດແລະມີຜົນສະທ້ອນຮ້າຍແຮງແມ່ນຕໍ່າ.
-
- ຖ້າທ່ານມັກ / ຊື້ ນີ້, ພວກເຮົາຄິດວ່າທ່ານຈະມັກ ນີ້. ຈາກ Amazon ກັບ Netflix ແລະ YouTube, ພວກເຂົາທັງຫມົດໃຊ້ບາງຮູບແບບການຮັບຮູ້ຮູບແບບ. Instagram AI ພິຈາລະນາການໂຕ້ຕອບຂອງທ່ານເພື່ອສຸມໃສ່ອາຫານຂອງທ່ານ. ອັນນີ້ມັກຈະເຮັດວຽກໄດ້ດີທີ່ສຸດຖ້າສູດການຄິດໄລ່ສາມາດເອົາຄວາມມັກຂອງເຈົ້າໃສ່ໃນຖັງ ຫຼືກຸ່ມຜູ້ໃຊ້ອື່ນທີ່ເລືອກແບບດຽວກັນ, ຫຼືຄວາມສົນໃຈຂອງເຈົ້າແຄບ.
- AI ໄດ້ຮັບຜົນສໍາເລັດບາງຢ່າງກັບ ການຮັບຮູ້ໃບຫນ້າ. ເຟສບຸກສາມາດກໍານົດບຸກຄົນທີ່ຖືກແທັກກ່ອນຫນ້ານີ້ໃນຮູບໃຫມ່. ບາງລະບົບການຮັບຮູ້ໃບໜ້າທີ່ກ່ຽວຂ້ອງກັບຄວາມປອດໄພໃນຕອນຕົ້ນໄດ້ຖືກຫຼອກລວງໂດຍໜ້າກາກ.
- AI ໄດ້ຮັບຜົນສໍາເລັດໃນ ການກະສິກໍາ ການນໍາໃຊ້ການຮຽນຮູ້ເຄື່ອງຈັກ, ເຊັນເຊີ IoT ແລະລະບົບເຊື່ອມຕໍ່.
- AI ຊ່ວຍ ລົດໄຖນາ smart ການປູກພືດ ແລະ ການເກັບກ່ຽວ ເພື່ອເຮັດໃຫ້ຜົນຜະລິດສູງສຸດ, ຫຼຸດຜ່ອນຝຸ່ນ ແລະ ປັບປຸງຕົ້ນທຶນການຜະລິດສະບຽງອາຫານ.
- ມີຈຸດຂໍ້ມູນຈາກແຜນທີ່ 3-D, ເຊັນເຊີດິນ, drones, ຮູບແບບສະພາບອາກາດ, ຄວບຄຸມ ການຮຽນຮູ້ເຄື່ອງຈັກ ຊອກຫາຮູບແບບໃນຊຸດຂໍ້ມູນຂະຫນາດໃຫຍ່ເພື່ອຄາດຄະເນເວລາທີ່ດີທີ່ສຸດໃນການປູກພືດແລະຄາດຄະເນຜົນຜະລິດກ່ອນທີ່ພວກມັນຈະປູກ.
- ກະສິກໍານົມ ໃຊ້ຫຸ່ນຍົນ AI ເພື່ອໃຫ້ນົມງົວເອງ, AI ແລະການຮຽນຮູ້ເຄື່ອງຈັກຍັງຕິດຕາມອາການທີ່ສໍາຄັນ, ກິດຈະກໍາ, ອາຫານແລະນ້ໍາຂອງງົວເພື່ອຮັກສາສຸຂະພາບແລະເນື້ອໃນ.
- ດ້ວຍການຊ່ວຍເຫຼືອຂອງ AI, ຊາວກະສິກອນ ຜູ້ທີ່ມີຫນ້ອຍກວ່າ 2% ຂອງປະຊາກອນລ້ຽງ 300 ລ້ານຄົນໃນສ່ວນທີ່ເຫຼືອຂອງສະຫະລັດ.
- ປັນຍາທຽມໃນກະສິກໍາ
ຍັງມີເລື່ອງທີ່ຍິ່ງໃຫຍ່ຂອງ AI ຄວາມສໍາເລັດ ໃນອຸດສາຫະກໍາການບໍລິການ, ການຂາຍຍ່ອຍ, ສື່ມວນຊົນແລະການຜະລິດ. AI ກໍ່ມີຢູ່ທົ່ວທຸກແຫ່ງ.
ຈຸດແຂງ ແລະຈຸດອ່ອນຂອງ AI ກົງກັນຂ້າມ
ຄວາມເຂົ້າໃຈທີ່ເຂັ້ມແຂງກ່ຽວກັບຈຸດແຂງແລະຈຸດອ່ອນຂອງ AI ອາດຈະປະກອບສ່ວນເຂົ້າໃນຄວາມສໍາເລັດຂອງການລິເລີ່ມ AI ຂອງທ່ານ. ຈືຂໍ້ມູນການ, ເຊັ່ນດຽວກັນ, ຄວາມສາມາດໃນປະຈຸບັນຢູ່ໃນຖັນຂວາມືແມ່ນໂອກາດ. ເຫຼົ່ານີ້ແມ່ນຂົງເຂດທີ່ຜູ້ຂາຍແລະຜູ້ຮັບຮອງເອົາແຂບເລືອດແມ່ນມີຄວາມຄືບຫນ້າໃນປັດຈຸບັນ. ພວກເຮົາຈະເບິ່ງຄວາມສາມາດທີ່ທ້າທາຍ AI ອີກເທື່ອຫນຶ່ງໃນປີຫນຶ່ງແລະບັນທຶກການປ່ຽນຊ້າຍ. ຖ້າທ່ານສຶກສາຕາຕະລາງຕໍ່ໄປນີ້ຢ່າງລະມັດລະວັງ, ຂ້ອຍຈະບໍ່ແປກໃຈຖ້າມີການເຄື່ອນໄຫວບາງຢ່າງລະຫວ່າງເວລາທີ່ຂ້ອຍຂຽນນີ້ແລະເວລາທີ່ມັນຖືກເຜີຍແຜ່.
| ຄວາມເຂັ້ມແຂງແລະຈຸດອ່ອນຂອງປັນຍາປະດິດໃນມື້ນີ້ | |
|---|---|
ຄວາມເຂັ້ມແຂງ |
ຄວາມອ່ອນແອ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ອະນາຄົດຂອງ AI ແມ່ນຫຍັງ?
ຖ້າ AI ສະຫລາດກວ່າ, ມັນອາດຈະຄາດເດົາວ່າອະນາຄົດຈະເປັນແນວໃດ. ມັນເປັນທີ່ຊັດເຈນວ່າມີຫຼາຍ ຄວາມເຂົ້າໃຈຜິດ ກ່ຽວກັບສິ່ງທີ່ AI ສາມາດແລະບໍ່ສາມາດເຮັດໄດ້. ຫຼາຍ ຄວາມເຂົ້າໃຈຜິດແລະຄວາມບໍ່ຮູ້ຫນັງສື AI ແມ່ນຜົນມາຈາກການຕະຫຼາດເຕັກໂນໂລຢີເກີນຄວາມສາມາດທີ່ມີຢູ່. AI ແມ່ນປະທັບໃຈສໍາລັບສິ່ງທີ່ມັນສາມາດເຮັດໄດ້ໃນມື້ນີ້. ຂ້າພະເຈົ້າຄາດຄະເນວ່າຈຸດອ່ອນຫຼາຍໃນຖັນຂວາມືຈະປ່ຽນໄປທາງຊ້າຍແລະກາຍເປັນຈຸດແຂງໃນ 2 ຫຼື 3 ປີຂ້າງຫນ້າ.
[ຫຼັງຈາກທີ່ຂ້າພະເຈົ້າສໍາເລັດບົດຄວາມນີ້, ຂ້າພະເຈົ້າໄດ້ນໍາສະເຫນີຫຍໍ້ຫນ້າທີ່ຜ່ານມາ OpenAI, ເປັນເຄື່ອງກໍາເນີດພາສາເວທີ AI ເປີດ. ທ່ານອາດຈະໄດ້ເຫັນສິລະປະທີ່ສ້າງຂຶ້ນໂດຍ DALL-E ຂອງມັນ. ຂ້ອຍຢາກຮູ້ວ່າມັນຄິດແນວໃດກ່ຽວກັບອະນາຄົດຂອງ AI. ນີ້ແມ່ນສິ່ງທີ່ມັນຕ້ອງເວົ້າ. ]
ອະນາຄົດຂອງ AI ບໍ່ແມ່ນກ່ຽວກັບການຊື້ເຄື່ອງແມ່ຂ່າຍຈໍານວນຫນ້ອຍຫນຶ່ງແລະການຕິດຕັ້ງຊຸດຊອບແວນອກຊັ້ນວາງ. ມັນກ່ຽວກັບການຊອກຫາແລະການຈ້າງຄົນທີ່ຖືກຕ້ອງ, ການສ້າງທີມງານທີ່ຖືກຕ້ອງ, ແລະການລົງທຶນທີ່ຖືກຕ້ອງໃນທັງຮາດແວແລະຊອບແວ.
ບາງຜົນສໍາເລັດທີ່ເປັນໄປໄດ້ຂອງ AI ໃນສອງສາມປີຂ້າງຫນ້າປະກອບມີ:
- ການເພີ່ມຄວາມຖືກຕ້ອງຂອງການຄາດຄະເນແລະຄໍາແນະນໍາ
- ການປັບປຸງຂະບວນການຕັດສິນໃຈ
- ເລັ່ງການຄົ້ນຄວ້າ ແລະພັດທະນາ
- ຊ່ວຍໃຫ້ອັດຕະໂນມັດແລະເພີ່ມປະສິດທິພາບຂະບວນການທຸລະກິດ
ຢ່າງໃດກໍ່ຕາມ, ຍັງມີບາງຄວາມລົ້ມເຫຼວທີ່ເປັນໄປໄດ້ຂອງ AI ທີ່ທຸລະກິດຄວນລະວັງເຊັ່ນ:
- ການເອື່ອຍອີງຫຼາຍເກີນໄປກ່ຽວກັບ AI ນໍາໄປສູ່ການຕັດສິນໃຈທີ່ດີທີ່ສຸດ
- ການຂາດຄວາມເຂົ້າໃຈກ່ຽວກັບວິທີການເຮັດວຽກຂອງ AI ນໍາໄປສູ່ການນໍາໃຊ້ທີ່ບໍ່ຖືກຕ້ອງ
- ຄວາມລຳອຽງໃນຂໍ້ມູນທີ່ໃຊ້ໃນການຝຶກອົບຮົມແບບຈໍາລອງ AI ນໍາໄປສູ່ຜົນໄດ້ຮັບທີ່ບໍ່ຖືກຕ້ອງ
- ຄວາມກັງວົນກ່ຽວກັບຄວາມປອດໄພ ແລະຄວາມເປັນສ່ວນຕົວກ່ຽວກັບຂໍ້ມູນທີ່ໃຊ້ໃນການຝຶກອົບຮົມຕົວແບບ AI
ດັ່ງນັ້ນ, ນີ້ຫມາຍຄວາມວ່າແນວໃດສໍາລັບທຸລະກິດທີ່ລົງທຶນໃນ AI ເພື່ອເສີມການວິເຄາະແບບດັ້ງເດີມຂອງພວກເຂົາ? ຄໍາຕອບສັ້ນແມ່ນ, ບໍ່ມີສັ້ນ. 85% ຂອງການລິເລີ່ມ AI ລົ້ມເຫລວ. ຫນ້າສົນໃຈ, ນີ້ແມ່ນຄ້າຍຄືກັນກັບສະຖິຕິທີ່ອ້າງອີງເລື້ອຍໆທີ່ກ່ຽວຂ້ອງກັບໂຄງການ IT ແລະ BI ແບບດັ້ງເດີມ. ການເຮັດວຽກຫນັກດຽວກັນທີ່ສະເຫມີຕ້ອງການກ່ອນທີ່ທ່ານຈະສາມາດໄດ້ຮັບມູນຄ່າຈາກການວິເຄາະຍັງຕ້ອງເຮັດ. ວິໄສທັດຕ້ອງມີຢູ່, ເປັນຈິງ ແລະບັນລຸໄດ້. ການເຮັດວຽກທີ່ເປື້ອນແມ່ນການກະກຽມຂໍ້ມູນ, ການຂັດຂືນຂໍ້ມູນແລະການເຮັດຄວາມສະອາດຂໍ້ມູນ. ອັນນີ້ຈະຕ້ອງເຮັດສະເໝີ. ໃນການຝຶກອົບຮົມ AI, ເຖິງແມ່ນວ່າຫຼາຍດັ່ງນັ້ນ. ໃນປັດຈຸບັນບໍ່ມີທາງລັດທີ່ຈະແຊກແຊງຂອງມະນຸດ. ມະນຸດຍັງຕ້ອງການເພື່ອກໍານົດ algorithms ໄດ້. ມະນຸດຈໍາເປັນຕ້ອງໄດ້ກໍານົດຄໍາຕອບ "ທີ່ຖືກຕ້ອງ".
ສະຫຼຸບແລ້ວ, ເພື່ອໃຫ້ AI ປະສົບຜົນສໍາເລັດ, ມະນຸດຕ້ອງການ:
- ສ້າງຕັ້ງພື້ນຖານໂຄງລ່າງ. ອັນນີ້ແມ່ນການສ້າງຂອບເຂດທີ່ AI ຈະເຮັດວຽກ. ມັນກ່ຽວກັບວ່າພື້ນຖານສາມາດສະຫນັບສະຫນູນຂໍ້ມູນທີ່ບໍ່ມີໂຄງສ້າງ, blockchain, IoT, ຄວາມປອດໄພທີ່ເຫມາະສົມ.
- ຊ່ວຍເຫຼືອໃນການຄົ້ນພົບ. ຊອກຫາແລະກໍານົດຄວາມພ້ອມຂອງຂໍ້ມູນ. ຂໍ້ມູນເພື່ອຝຶກອົບຮົມ AI ຕ້ອງມີຢູ່ ແລະສາມາດໃຊ້ໄດ້.
- ຈັດການຂໍ້ມູນ. ເມື່ອນໍາສະເຫນີດ້ວຍຊຸດຂໍ້ມູນຂະຫນາດໃຫຍ່ແລະ, ດັ່ງນັ້ນ, ຈໍານວນຜົນໄດ້ຮັບທີ່ມີທ່າແຮງ, ຜູ້ຊ່ຽວຊານດ້ານໂດເມນອາດຈະຈໍາເປັນຕ້ອງໄດ້ປະເມີນຜົນໄດ້ຮັບ. Curation ຈະລວມເຖິງການກວດສອບຂໍ້ມູນບໍລິບົດ.
ເພື່ອຢືມປະໂຫຍກຈາກນັກວິທະຍາສາດຂໍ້ມູນ, ສໍາລັບບໍລິສັດທີ່ຈະປະສົບຜົນສໍາເລັດກັບ AI, ເພື່ອເພີ່ມມູນຄ່າໃຫ້ກັບຄວາມສາມາດໃນການວິເຄາະທີ່ມີຢູ່, ພວກເຂົາຈໍາເປັນຕ້ອງສາມາດແຍກສັນຍານຈາກສິ່ງລົບກວນ, ຂໍ້ຄວາມຈາກ hype.
ເຈັດປີກ່ອນຫນ້ານີ້, IBM's Ginni Rometty ເວົ້າບາງສິ່ງບາງຢ່າງເຊັ່ນ: Watson Health [AI] ແມ່ນຮູບດວງຈັນຂອງພວກເຮົາ. ໃນຄໍາສັບຕ່າງໆອື່ນໆ, AI - ທຽບເທົ່າກັບການລົງຈອດຕາມດວງຈັນ - ເປັນການດົນໃຈ, ສາມາດບັນລຸເປົ້າຫມາຍທີ່ຍືດຍາວ. ຂ້ອຍບໍ່ຄິດວ່າພວກເຮົາໄດ້ລົງຈອດເທິງດວງຈັນ. ທັນ. IBM, ແລະບໍລິສັດອື່ນໆຈໍານວນຫຼາຍສືບຕໍ່ເຮັດວຽກໄປສູ່ເປົ້າຫມາຍຂອງການຫັນປ່ຽນ AI.
ຖ້າ AI ແມ່ນດວງຈັນ, ດວງຈັນຢູ່ໃນສາຍຕາແລະມັນຢູ່ໃກ້ກວ່າທີ່ເຄີຍມີມາ.
