Kā izrādās, jā, bet tikai knapi

AI ir visuresošs. Mūsdienās viena no visbiežāk sastopamajām mākslīgā intelekta vietām mājās ir viedtālrunis, viedās mājas un ierīces. Nesen, kad mēs sēdējām vakariņās, mums bija saruna ar Alexa, kas bija apmēram šāda:

Me: Alexa, spēlē Cubs izceļ. [Šī ir funkcija, kas tiek reklamēta Alexa sākuma ekrānā. Palūdziet Alexa spēlēt jūsu iecienītākās komandas labākos notikumus.]

Alexa: Es kaut ko atradu tīmeklī. [Es zinu, kad Alexa sāk šādi, rodas problēma. Tas nenāks labi. Alexa parāda sarakstu ar dažiem videoklipiem. Tiesa, lielākā daļa no tiem ir beisbola videoklipi, kuros spēlētāji pēdējo 5 gadu laikā ir spēlējuši izcilas spēles. Mana vaina. Mēģini vēlreiz.]

Me: Alexa, parādiet man jaunākās Čikāgas Cubs beisbola spēles svarīgākos notikumus. [Es ceru, ka tas neatklās piekāpīgo toni, jo es pieņemu vainu par to, ka tā nespēja saprast manu pieprasījumu.]

Alexa: Čikāgas Cubs spēles svarīgākie momenti būs pieejami divas stundas pēc spēles beigām. [Progress. Man nebija ne jausmas, ka viņi varētu spēlēt tieši šajā brīdī. Veiksme ir manā pusē. Man pēkšņi rodas cerība.]

Me: Alexa, labi, parādiet man vakardienas efings. [Jā, mana neapmierinātība sāk izpausties. Esmu tik tuvu koda uzlaušanai. Es gandrīz jūtu garšu.]

Alexa: Piedod, es to nezinu. [Tas saka pārāk bieži. Varbūt man nebija skaidrs.]

Me: Vai tu mani izjoko? Atskaņojiet galveno beisbola līgu spēli starp Čikāgas Cubs un Pittsburgh Pirates, kas notiks pirmdien, 25. gada 2022. jūlijā, Wrigley Field. [Šoreiz esmu pārliecināts, ka esmu to paveicis. Esmu izspļāvis konkrētu, nepārprotamu pieprasījumu, kas ir prasme, ko es zinu, ka Alexa piemīt. Tas ir darījis to iepriekš. ]

Alexa: [Klusums. Nekas. Nav atbildes. Esmu aizmirsis pateikt burvju pamošanās vārdu, Alexa.]

Jūsu darbs IR Klientu apkalpošana vidējais IQ 18 gadus vecam vīrietim ir aptuveni 100. Vidējais IQ sešgadīgam cilvēkam ir 6. Google AI IQ tika novērtēts kā 55. Siri IQ tiek lēsts kā 47. Bing un Baidu atrodas 24. gados. Es neatradu Alexa IQ novērtējumu, taču mana pieredze bija līdzīga sarunām ar pirmsskolas vecuma bērnu.

Daži var teikt, ka nav godīgi datoram veikt IQ testu. Bet, tas ir ideāls punkts. AI solījums ir darīt to, ko dara cilvēki, tikai labāk. Līdz šim katrs savstarpējais izaicinājums vai, teiksim, neironu tīkls uz neironu tīklu, ir bijis ļoti koncentrēts. Spēlēt šahu. Slimību diagnosticēšana. Slaucamas govis. Automašīnu vadīšana. Robots parasti uzvar. Es gribu redzēt, ka Vatsons slauc govi, vadot automašīnu un spēlējot Jeopardy. Tagad Ka būtu trifecta. Cilvēki pat nevar meklēt savas cigaretes, kamēr viņi brauc, neiekļūstot negadījumā.

AI IQ

Mašīnas apmānīts. Man ir aizdomas, ka neesmu viens. Man nācās domāt, ja tas ir jaunākais, cik gudras ir šīs lietas? Vai mēs varam salīdzināt cilvēka intelektu ar mašīnu?

Zinātnieki novērtē sistēmu spējas mācīties un spriest. Līdz šim sintētiskajiem cilvēkiem nav veicies tik labi kā īstajiem. Pētnieki izmanto nepilnības, lai identificētu nepilnības, lai mēs labāk saprastu, kur ir jāveic papildu attīstība un progress.

Lai jūs nepalaistu garām būtību un neaizmirstu, ko AI apzīmē “es”, tirgotāji tagad ir ieviesuši terminu Smart AI.

Vai AI ir jūtīgs?

Vai robotiem ir jūtas? Vai datori var piedzīvot emotions? Nē. Ejam tālāk. Ja jūs vēlaties lasīt par to viens (bijušais) Google dzinējs apgalvo, ka AI modelis, pie kura Google strādā, ir jūtīgs. Viņam bija rāpojoša tērzēšana ar robotu, kas viņu pārliecināja, ka datoram ir jūtas. Dators baidās par savu dzīvību. Es pat nespēju noticēt, ka uzrakstīju šo teikumu. Datoriem nav no dzīvības baidīties. Datori nevar domāt. Algoritmi netiek domāti.

Tomēr es nebūtu pārsteigts, ja dators uz komandu tuvākajā nākotnē atbildēs ar: "Piedod, Deiv, es to nevaru izdarīt."

Kur AI neizdodas?

Vai, precīzāk, kāpēc AI projekti neizdodas? Tie neizdodas to pašu iemeslu dēļ, kas vienmēr ir bijuši neveiksmīgi IT projekti. Projekti neizdodas nepareizas pārvaldības vai laika, apjoma vai budžeta neveiksmes dēļ..:

• Neskaidra vai nenoteikta redze. Slikta stratēģija. Iespējams, esat dzirdējuši, ka vadība saka: "Mums vienkārši jāatzīmē izvēles rūtiņa." Ja vērtības piedāvājumu nevar definēt, mērķis nav skaidrs.
• Nereālas cerības. Tas var būt saistīts ar pārpratumiem, sliktu saziņu vai nereālu grafiku. Nereālas cerības var rasties arī tāpēc, ka nav izpratnes par AI rīku iespējām un metodoloģiju.
• Nepieņemamas prasības. Uzņēmējdarbības prasības nav precīzi noteiktas. Panākumu rādītāji ir neskaidri. Šajā kategorijā ietilpst arī to darbinieku nenovērtēšana, kuri saprot datus.
• Nebudžeta un nenovērtēti projekti. Izmaksas nav pilnībā un objektīvi aplēstas. Neparedzētie gadījumi nav plānoti un paredzēti. Jau tā pārāk aizņemto darbinieku laika ieguldījums ir nepietiekami novērtēts.
• Neparedzēti apstākļi. Jā, nejaušība notiek, bet es domāju, ka tas ir slikti plānots.

Skatiet arī mūsu iepriekšējo ziņu 12 Analītikas un biznesa informācijas neveiksmju iemesli.

AI mūsdienās ir ļoti spēcīgs un var palīdzēt uzņēmumiem sasniegt milzīgus panākumus. Ja AI iniciatīvas neizdodas, kļūmi gandrīz vienmēr var izsekot kādai no iepriekš minētajām.

Kur atrodas AI Excel?

AI labi veic atkārtotus, sarežģītus uzdevumus. (Taisnības labad jāsaka, ka tas var veikt arī vienkāršus, neatkārtotus uzdevumus. Taču lētāk būtu, ja to darītu jūsu pirmsskolas vecuma bērns.) Tas lieliski palīdz atrast modeļus un attiecības, ja tādas pastāv, plašā datu apjomā.

• AI labi darbojas, meklējot notikumus, kas neatbilst noteiktiem modeļiem.
  • Atklāšana kredītkartes krāpšana ir par tādu darījumu atrašanu, kas neatbilst lietošanas paradumiem. Tā mēdz kļūdīties piesardzības pusē. Esmu saņēmis zvanus no savas kredītkartes ar pārlieku dedzīgu algoritmu, kad Dalasā uzpildīju īrētu automašīnu ar benzīnu un pēc tam uzpildīju personīgo automašīnu Čikāgā. Tas bija likumīgs, taču pietiekami neparasts, lai tiktu atzīmēts.

"American Express apstrādā 1 triljonu dolāru darījumos, un tajā darbojas 110 miljoni AmEx karšu. Viņi lielā mērā paļaujas uz datu analīzi un mašīnmācīšanās algoritmiem, lai palīdzētu atklāt krāpšanu gandrīz reāllaikā, tādējādi ietaupot miljoniem zaudējumu.

• Farmaceitiskā krāpšana un ļaunprātīga izmantošana. Sistēmas var atrast neparastus uzvedības modeļus, kuru pamatā ir daudzi ieprogrammēti noteikumi. Piemēram, ja pacients tajā pašā dienā apmeklēja trīs dažādus ārstus pilsētā ar līdzīgām sūdzībām par sāpēm, var būt nepieciešama papildu izmeklēšana, lai izslēgtu ļaunprātīgu izmantošanu.
• AI iekšā veselības aprūpe ir guvuši dažus izcilus panākumus.
  • AI un dziļā mācīšanās tika mācīta salīdzināt rentgenstarus ar normāliem atklājumiem. Tas varēja paplašināt radiologa darbu, atzīmējot novirzes, kuras radiologs varēja pārbaudīt.
• AI labi darbojas ar sociālā un iepirkšanās. Viens no iemesliem, kāpēc mēs to redzam tik bieži, ir zems risks. Risks, ka AI kļūdīsies un radīs smagas sekas, ir zems.
• • Ja patika/nopirka šī, mēs domājam, ka jums patiks šis. Sākot no Amazon līdz pat Netflix un YouTube, tie visi izmanto sava veida modeļu atpazīšanu. Instagram AI ņem vērā jūsu mijiedarbību, lai koncentrētu jūsu plūsmu. Tas parasti darbojas vislabāk, ja algoritms var ievietot jūsu preferences grupā vai citu lietotāju grupā, kuri ir izdarījuši līdzīgu izvēli, vai ja jūsu intereses ir šauras.
  • AI ir guvis zināmus panākumus sejas atpazīšana. Facebook spēj identificēt iepriekš atzīmētu personu jaunā fotoattēlā. Dažas agrīnās ar drošību saistītās sejas atpazīšanas sistēmas tika apmānītas ar maskām.
• AI ir guvis panākumus lauksaimniecība izmantojot mašīnmācīšanos, IoT sensorus un savienotās sistēmas.
  • AI palīdzēja viedie traktori stādīt un novākt laukus, lai palielinātu ražu, samazinātu mēslojumu un uzlabotu pārtikas ražošanas izmaksas.
  • Ar datu punktiem no 3-D kartēm, augsnes sensoriem, droniem, laikapstākļiem, uzraudzīti mašīna mācīšanās atrod modeļus lielās datu kopās, lai paredzētu labāko laiku kultūraugu stādīšanai un prognozētu ražu pirms to stādīšanas.
  • Piena saimniecības Izmantojiet mākslīgā intelekta robotus, lai govis pašas slauktu, AI un mašīnmācīšanās arī uzrauga govs dzīvībai svarīgās pazīmes, aktivitāti, barības un ūdens uzņemšanu, lai tās būtu veselas un apmierinātas.
  • Ar AI palīdzību, lauksaimnieki kas ir mazāk nekā 2% iedzīvotāju, pārējā ASV pabaro 300 miljonus.
  • Mākslīgais intelekts lauksaimniecībā

Ir arī lieliski stāsti par AI veiksme pakalpojumu nozarēs, mazumtirdzniecībā, medijos un ražošanā. AI patiešām ir visur.

AI stiprās un vājās puses ir pretstatītas

Laba izpratne par AI stiprajām un vājajām pusēm var veicināt jūsu AI iniciatīvu panākumus. Atcerieties arī, ka iespējas, kas pašlaik atrodas labajā slejā, ir iespējas. Šīs ir jomas, kurās pārdevēji un strauji augošie lietotāji pašlaik gūst panākumus. Mēs apskatīsim iespējas, kas pašlaik izaicina AI, vēlreiz pēc gada, un dokumentēsim nobīdi pa kreisi. Ja jūs rūpīgi izpētīsit šo tabulu, es nebrīnītos, ja starp rakstīšanas laiku un publicēšanas brīdi būtu kāda kustība.

Kāda ir AI nākotne?

Ja mākslīgais intelekts būtu gudrāks, tas varētu paredzēt, kāda būs nākotne. Skaidrs, ka tādu ir daudz pārpratumi par to, ko AI var un ko nevar darīt. Daudzi maldīgi priekšstati un AI analfabētisms ir rezultāts tehnoloģiju mārketinga pārlieku hypping esošās iespējas. AI ir iespaidīgs ar to, ko tas var darīt šodien. Es prognozēju, ka daudzas labās puses slejas vājās puses tuvāko 2 vai 3 gadu laikā nobīdīsies uz kreiso pusi un kļūs par stiprajām pusēm.

[Pēc tam, kad es pabeidzu šo rakstu, es iepazīstināju ar iepriekšējo rindkopu OpenAI, atvērtas AI platformas valodu ģenerators. Iespējams, esat redzējuši daļu no mākslas darbiem, ko radījis tā DALL-E. Es gribēju uzzināt, ko tā domā par AI nākotni. Lūk, kas tai bija jāsaka. ]

AI nākotne nav saistīta ar dažu serveru iegādi un gatavās programmatūras pakotnes instalēšanu. Tas ir par īsto cilvēku atrašanu un pieņemšanu darbā, īstās komandas izveidi un pareizo ieguldījumu veikšanu gan aparatūrā, gan programmatūrā.

Daži iespējamie AI panākumi dažu nākamo gadu laikā ir šādi:

• Prognožu un ieteikumu precizitātes palielināšana
• Lēmumu pieņemšanas procesu uzlabošana
• Pētniecības un attīstības paātrināšana
• Palīdzu automatizēt un optimizēt biznesa procesus

Tomēr ir arī dažas iespējamās AI kļūmes, kas uzņēmumiem būtu jāzina, piemēram:

• Pārmērīga paļaušanās uz AI, kas noved pie neoptimāliem lēmumiem
• Izpratnes trūkums par AI darbību, kas izraisa ļaunprātīgu izmantošanu
• AI modeļu apmācībai izmantoto datu novirze rada neprecīzus rezultātus
• Drošības un privātuma problēmas saistībā ar datiem, ko izmanto AI modeļu apmācībai

Tātad, ko tas nozīmē uzņēmumiem, kas iegulda AI, lai papildinātu savu tradicionālo analīzi? Īsā atbilde ir tāda, ka nav īsceļu. 85% AI iniciatīvu neizdodas. Interesanti, ka tas ir līdzīgs bieži citētai statistikai, kas saistīta ar tradicionālajiem IT un BI projektiem. Joprojām ir jāpaveic tas pats smagais darbs, kas vienmēr ir bijis nepieciešams, lai varētu gūt labumu no analītikas. Vīzijai ir jāpastāv, jābūt reālai un sasniedzamai. Netīrais darbs ir datu sagatavošana, datu strīdēšanās un datu tīrīšana. Tas vienmēr būs jādara. Apmācībā AI, vēl jo vairāk. Pašlaik nav īsceļu uz cilvēka iejaukšanos. Cilvēkiem joprojām ir jādefinē algoritmi. Cilvēkiem ir jāatrod “pareizā” atbilde.

Rezumējot, lai AI būtu veiksmīga, cilvēkiem ir nepieciešams:

• Izveidot infrastruktūru. Tas būtībā nosaka robežas, kurās AI darbosies. Tas ir par to, vai fonds var atbalstīt nestrukturētus datus, blokķēdi, IoT, atbilstošu drošību.
• Palīdzība atklāšanā. Atrodiet un nosakiet datu pieejamību. Datiem, lai apmācītu AI, ir jābūt un jābūt pieejamiem.
• Pārvaldiet datus. Ja tiek iesniegta liela datu kopa un līdz ar to liels skaits potenciālo rezultātu, var būt nepieciešams domēna eksperts, lai novērtētu rezultātus. Pārbaude ietvers arī datu konteksta validāciju.

Lai aizņemtos frāzi no datu zinātniekiem, lai uzņēmumi gūtu panākumus ar AI, lai varētu pievienot vērtību esošajām analītikas iespējām, tiem jāspēj nošķirt signālu no trokšņa, vēstījumu no ažiotāžas.

Pirms septiņiem gadiem IBM Ginni Rometty teica kaut ko līdzīgu, Watson Health [AI] ir mūsu moonshot. Citiem vārdiem sakot, AI — Mēness nosēšanās ekvivalents — ir iedvesmojošs, sasniedzams, izstiepts mērķis. Es nedomāju, ka mēs esam nolaidušies uz Mēness. Tomēr. IBM un daudzi citi uzņēmumi turpina strādāt, lai sasniegtu transformatīvā AI mērķi.

Ja mākslīgais intelekts ir mēness, mēness ir redzams, un tas ir tuvāk nekā jebkad agrāk.