അത് മാറുന്നതുപോലെ, അതെ, പക്ഷേ കഷ്ടിച്ച് മാത്രം

AI സർവ്വവ്യാപിയാണ്. ഈ ദിവസങ്ങളിൽ വീട്ടിൽ AI-യുടെ ഏറ്റവും സാധാരണമായ സ്ഥലങ്ങളിലൊന്നാണ് സ്മാർട്ട്‌ഫോൺ, സ്മാർട്ട് ഹോമുകൾ, വീട്ടുപകരണങ്ങൾ. അടുത്തിടെ, ഞങ്ങൾ അത്താഴത്തിന് ഇരിക്കുമ്പോൾ, ഞങ്ങൾ അലക്‌സയുമായി ഒരു സംഭാഷണം നടത്തി, അത് ഇങ്ങനെയായിരുന്നു:

Me: അലക്സാ, കബ്സ് ഹൈലൈറ്റുകൾ കളിക്കുക. [അലക്‌സയുടെ ഹോം സ്‌ക്രീനിൽ പ്രചരിക്കുന്ന ഫീച്ചറാണിത്. നിങ്ങളുടെ പ്രിയപ്പെട്ട ടീമിനായി ഹൈലൈറ്റുകൾ കളിക്കാൻ അലക്സയോട് ആവശ്യപ്പെടുക.]

അലെക്സായുആര്എല്: ഞാൻ വെബിൽ എന്തെങ്കിലും കണ്ടെത്തി. [Alexa ഇങ്ങനെ തുടങ്ങുമ്പോൾ എനിക്കറിയാം, ഒരു പ്രശ്നമുണ്ട്. അത് നന്നായി നടക്കാൻ പോകുന്നില്ല. Alexa ഒരുപിടി വീഡിയോകളുടെ ഒരു ലിസ്റ്റ് കാണിക്കുന്നു. കഴിഞ്ഞ 5 വർഷമായി അസാധാരണമായ കളികൾ നടത്തുന്ന കളിക്കാർക്കൊപ്പം അവയിൽ മിക്കതും ബേസ്ബോൾ വീഡിയോകളാണെന്നത് ശരിയാണ്. എന്റെ തെറ്റ്. വീണ്ടും ശ്രമിക്കുക.]

Me: അലക്സാ, ഏറ്റവും പുതിയ ചിക്കാഗോ കബ്സ് ബേസ്ബോൾ ഗെയിമിന്റെ ഹൈലൈറ്റുകൾ കാണിക്കൂ. [എന്റെ അഭ്യർത്ഥന മനസ്സിലാക്കാൻ കഴിയാത്തതിന്റെ പഴി ഞാൻ സ്വീകരിക്കുന്നതിനാൽ, അത് അപകീർത്തിപ്പെടുത്തുന്ന ടോൺ കണ്ടെത്തില്ലെന്ന് ഞാൻ പ്രതീക്ഷിക്കുന്നു.]

അലെക്സായുആര്എല്: ചിക്കാഗോ കബ്‌സ് ഗെയിമിന്റെ ഹൈലൈറ്റുകൾ ഗെയിം കഴിഞ്ഞ് രണ്ട് മണിക്കൂറിന് ശേഷം ലഭ്യമാകും. [പുരോഗതി. ഈ നിമിഷം അവർ കളിക്കുമെന്ന് എനിക്കറിയില്ലായിരുന്നു. ഭാഗ്യം എന്റെ ഭാഗത്താണ്. എനിക്ക് പെട്ടെന്ന് പ്രതീക്ഷയായി.]

Me: അലക്സാ, കൊള്ളാം, ഇന്നലത്തെ എഫിംഗ് ഹൈലൈറ്റുകൾ എന്നെ കാണിക്കൂ. [അതെ, എന്റെ നിരാശ കാണിച്ചു തുടങ്ങിയിരിക്കുന്നു. കോഡ് തകർക്കാൻ ഞാൻ വളരെ അടുത്താണ്. എനിക്ക് അത് ഏകദേശം രുചിക്കാൻ കഴിയും.]

അലെക്സായുആര്എല്: ക്ഷമിക്കണം, എനിക്കറിയില്ല. [ഇത് വളരെ പലപ്പോഴും പറയുന്നു. ഒരുപക്ഷേ എനിക്ക് വ്യക്തമായില്ലായിരുന്നു.]

എന്നെ: നീ എന്നെ കളിപ്പിക്കുകയാണോ? 25 ജൂലൈ 2022 തിങ്കളാഴ്ച റിഗ്ലി ഫീൽഡിൽ ചിക്കാഗോ കബ്‌സും പിറ്റ്‌സ്‌ബർഗ് പൈറേറ്റ്‌സും തമ്മിലുള്ള മേജർ ലീഗ് ബേസ്ബോൾ ഗെയിമിന്റെ വീഡിയോ ഹൈലൈറ്റുകൾ പ്ലേ ചെയ്യുക. [ഇത്തവണ ഞാൻ അത് ഉറപ്പിച്ചുവെന്ന് എനിക്ക് ഉറപ്പുണ്ട്. അലക്‌സയ്‌ക്ക് ഉണ്ടെന്ന് എനിക്കറിയാവുന്ന ഒരു പ്രത്യേക, വ്യക്തതയില്ലാത്ത ഒരു അഭ്യർത്ഥന ഞാൻ തുപ്പിയിട്ടുണ്ട്. ഇത് മുമ്പും ചെയ്തിട്ടുണ്ട്. ]

അലെക്സ: [നിശ്ശബ്ദം. ഒന്നുമില്ല. പ്രതികരണം ഇല്ല. അലക്സാ എന്ന മാജിക് വേക്ക് അപ്പ് വാക്ക് പറയാൻ ഞാൻ മറന്നു.]

ദി ശരാശരി ഐ.ക്യു ഒരു 18 വയസ്സുകാരന്റെ പ്രായം ഏകദേശം 100 ആണ്. 6 വയസ്സുള്ള ഒരു മനുഷ്യന്റെ ശരാശരി ഐക്യു 55 ആണ്. Google AI IQ 47 ആയി വിലയിരുത്തപ്പെട്ടു. സിരിയുടെ IQ 24 ആയി കണക്കാക്കപ്പെടുന്നു. Bing ഉം Baidu ഉം 30 കളിലാണ്. അലക്‌സയുടെ IQ-ന്റെ ഒരു വിലയിരുത്തൽ ഞാൻ കണ്ടെത്തിയില്ല, പക്ഷേ എന്റെ അനുഭവം ഒരു പ്രീസ്‌കൂൾ കുട്ടിയോട് സംസാരിക്കുന്നത് പോലെയായിരുന്നു.

ചിലർ പറഞ്ഞേക്കാം, ഒരു കമ്പ്യൂട്ടറിന് IQ ടെസ്റ്റ് നൽകുന്നത് ന്യായമല്ല. പക്ഷേ, അത് തികച്ചും പോയിന്റ് ആണ്. AI യുടെ വാഗ്ദാനം, മനുഷ്യർ ചെയ്യുന്നതെന്തും, നല്ലത് മാത്രം ചെയ്യുക എന്നതാണ്. ഇതുവരെ, ഓരോ തലയും തലയും - അല്ലെങ്കിൽ, ന്യൂറൽ നെറ്റ്‌വർക്ക് മുതൽ ന്യൂറൽ നെറ്റ്‌വർക്ക് വരെയുള്ള വെല്ലുവിളികൾ വളരെ ശ്രദ്ധ കേന്ദ്രീകരിച്ചിരിക്കുന്നു. ചെസ്സ് കളിക്കുന്നു. രോഗനിർണയം. കറവ പശുക്കൾ. ഡ്രൈവിംഗ് കാറുകൾ. റോബോട്ട് സാധാരണയായി വിജയിക്കുന്നു. കാർ ഓടിക്കുമ്പോഴും ജിയോപാർഡി കളിക്കുമ്പോഴും പശുവിനെ കറക്കുന്ന വാട്‌സൺ ആണ് എനിക്ക് കാണേണ്ടത്. ഇപ്പോൾ, ആ ട്രൈഫെക്റ്റ ആയിരിക്കും. അപകടത്തിൽപ്പെടാതെ വാഹനമോടിക്കുമ്പോൾ മനുഷ്യർക്ക് സിഗരറ്റ് നോക്കാൻ പോലും കഴിയില്ല.

AI യുടെ IQ

ഒരു യന്ത്രം വഴി തെറ്റിച്ചു. ഞാൻ തനിച്ചല്ലെന്ന് ഞാൻ സംശയിക്കുന്നു. ഞാൻ ചിന്തിക്കേണ്ടിയിരിക്കുന്നു, ഇതാണ് അത്യാധുനികതയെങ്കിൽ, ഇവ എത്ര സ്മാർട്ടാണ്? മനുഷ്യന്റെ ബുദ്ധിയെ നമുക്ക് യന്ത്രത്തോട് താരതമ്യം ചെയ്യാൻ കഴിയുമോ?

ശാസ്ത്രജ്ഞർ വിലയിരുത്തുന്നു പഠിക്കാനും ചിന്തിക്കാനുമുള്ള സിസ്റ്റങ്ങളുടെ കഴിവുകൾ. ഇതുവരെ, സിന്തറ്റിക് മനുഷ്യർ യഥാർത്ഥ കാര്യം പോലെ ചെയ്തിട്ടില്ല. വിടവുകൾ തിരിച്ചറിയാൻ ഗവേഷകർ പോരായ്മകൾ ഉപയോഗിക്കുന്നു, അതുവഴി കൂടുതൽ വികസനവും പുരോഗതിയും എവിടെയാണ് ഉണ്ടാകേണ്ടതെന്ന് ഞങ്ങൾ നന്നായി മനസ്സിലാക്കുന്നു.

നിങ്ങൾ പോയിന്റ് നഷ്‌ടപ്പെടുത്താതിരിക്കാനും AI-യിലെ “I” എന്താണ് പ്രതിനിധീകരിക്കുന്നതെന്ന് മറക്കാതിരിക്കാനും, വിപണനക്കാർ ഇപ്പോൾ Smart AI എന്ന പദം ഉപയോഗിച്ചു.

AI ബോധമുള്ളതാണോ?

റോബോട്ടുകൾക്ക് വികാരങ്ങളുണ്ടോ? കമ്പ്യൂട്ടറുകൾക്ക് അനുഭവിക്കാൻ കഴിയുമോ ഇmotioഎൻ. എസ്? ഇല്ല നമുക്ക് മുന്നോട്ട് പോകാം. നിങ്ങൾക്ക് വേണമെങ്കിൽ വായിക്കുക അതിനെക്കുറിച്ച്, ഒരു (മുൻ) ഗൂഗിൾ എഞ്ചിൻ, ഗൂഗിൾ പ്രവർത്തിക്കുന്ന AI മോഡൽ ബോധപൂർവമാണെന്ന് അവകാശപ്പെടുന്നു. കമ്പ്യൂട്ടറിന് വികാരങ്ങളുണ്ടെന്ന് ബോധ്യപ്പെടുത്തുന്ന ഒരു ബോട്ടുമായി അദ്ദേഹം വിചിത്രമായ ഒരു ചാറ്റ് നടത്തി. കമ്പ്യൂട്ടർ അതിന്റെ ജീവനെ ഭയപ്പെടുന്നു. ആ വാചകം എഴുതിയത് ഞാനാണെന്ന് വിശ്വസിക്കാൻ പോലും കഴിയുന്നില്ല. കമ്പ്യൂട്ടറുകൾക്ക് ജീവനെ പേടിക്കാനില്ല. കമ്പ്യൂട്ടറുകൾക്ക് ചിന്തിക്കാൻ കഴിയില്ല. അൽഗോരിതങ്ങൾ ചിന്തിക്കുന്നില്ല.

എന്നിരുന്നാലും, സമീപഭാവിയിൽ ഒരു കമാൻഡിനോട് ഒരു കമ്പ്യൂട്ടർ പ്രതികരിക്കുകയാണെങ്കിൽ ഞാൻ അതിശയിക്കില്ല: "ക്ഷമിക്കണം, ഡേവ്, എനിക്ക് അത് ചെയ്യാൻ കഴിയില്ല."

AI എവിടെയാണ് പരാജയപ്പെടുന്നത്?

അല്ലെങ്കിൽ, കൂടുതൽ കൃത്യമായി പറഞ്ഞാൽ, എന്തുകൊണ്ടാണ് AI പദ്ധതികൾ പരാജയപ്പെടുന്നത്? ഐടി പദ്ധതികൾ എല്ലായ്‌പ്പോഴും പരാജയപ്പെട്ട അതേ കാരണങ്ങളാൽ അവർ പരാജയപ്പെടുന്നു. തെറ്റായ മാനേജ്മെന്റ് അല്ലെങ്കിൽ സമയം, വ്യാപ്തി അല്ലെങ്കിൽ ബജറ്റ് എന്നിവ കൈകാര്യം ചെയ്യുന്നതിലെ പരാജയം കാരണം പദ്ധതികൾ പരാജയപ്പെടുന്നു..:

• വ്യക്തമല്ലാത്തതോ നിർവചിക്കാത്തതോ ആയ കാഴ്ച. മോശം തന്ത്രം. "നമുക്ക് ബോക്സ് ചെക്ക് ചെയ്താൽ മതി" എന്ന് മാനേജ്മെന്റ് പറയുന്നത് നിങ്ങൾ കേട്ടിരിക്കാം. മൂല്യ നിർദ്ദേശം നിർവചിക്കാൻ കഴിയുന്നില്ലെങ്കിൽ, ഉദ്ദേശ്യം വ്യക്തമല്ല.
• യാഥാർത്ഥ്യമല്ലാത്ത പ്രതീക്ഷകൾ. ഇത് തെറ്റിദ്ധാരണകൾ, മോശം ആശയവിനിമയം അല്ലെങ്കിൽ യാഥാർത്ഥ്യബോധമില്ലാത്ത ഷെഡ്യൂളിംഗ് എന്നിവ മൂലമാകാം. AI ടൂളുകളുടെ കഴിവുകളെയും രീതിശാസ്ത്രത്തെയും കുറിച്ചുള്ള ധാരണയുടെ അഭാവത്തിൽ നിന്നും യാഥാർത്ഥ്യമല്ലാത്ത പ്രതീക്ഷകൾ ഉടലെടുത്തേക്കാം.
• അസ്വീകാര്യമായ ആവശ്യകതകൾ. ബിസിനസ് ആവശ്യകതകൾ കൃത്യമായി നിർവചിച്ചിട്ടില്ല. വിജയത്തിന്റെ അളവുകൾ വ്യക്തമല്ല. ഡാറ്റ മനസ്സിലാക്കുന്ന ജീവനക്കാരെ വിലകുറച്ച് കാണിക്കുന്നതും ഈ വിഭാഗത്തിലാണ്.
• ബജറ്റില്ലാത്തതും വിലകുറച്ചു കാണാത്തതുമായ പദ്ധതികൾ. ചെലവുകൾ പൂർണ്ണമായും വസ്തുനിഷ്ഠമായും കണക്കാക്കിയിട്ടില്ല. ആകസ്മികതകൾ ആസൂത്രണം ചെയ്തിട്ടില്ല, മുൻകൂട്ടി കണ്ടിട്ടില്ല. ഇതിനകം വളരെ തിരക്കുള്ള ജീവനക്കാരുടെ സമയ സംഭാവന കുറച്ചുകാണിച്ചിരിക്കുന്നു.
• അപ്രതീക്ഷിത സാഹചര്യങ്ങൾ. അതെ, അവസരം സംഭവിക്കുന്നു, പക്ഷേ ഇത് മോശം ആസൂത്രണത്തിന് കീഴിലാണെന്ന് ഞാൻ കരുതുന്നു.

ഞങ്ങളുടെ മുൻ പോസ്റ്റും കാണുക അനലിറ്റിക്സിലും ബിസിനസ് ഇന്റലിജൻസിലും പരാജയപ്പെടാനുള്ള 12 കാരണങ്ങൾ.

AI, ഇന്ന് വളരെ ശക്തമാണ്, മാത്രമല്ല വലിയ വിജയം നേടാൻ കമ്പനികളെ സഹായിക്കാനും കഴിയും. AI സംരംഭങ്ങൾ പരാജയപ്പെടുമ്പോൾ, പരാജയം മിക്കവാറും എല്ലായ്‌പ്പോഴും മുകളിൽ പറഞ്ഞവയിൽ ഒന്നിൽ കണ്ടെത്താനാകും.

AI Excel എവിടെയാണ്?

ആവർത്തിച്ചുള്ള സങ്കീർണ്ണമായ ജോലികളിൽ AI മികച്ചതാണ്. (ന്യായമായി പറഞ്ഞാൽ, ലളിതവും ആവർത്തിക്കാത്തതുമായ ജോലികളും ഇതിന് ചെയ്യാൻ കഴിയും. പക്ഷേ, നിങ്ങളുടെ പ്രീസ്‌കൂളർ ഇത് ചെയ്യുന്നത് വിലകുറഞ്ഞതായിരിക്കും.) പാറ്റേണുകളും ബന്ധങ്ങളും നിലവിലുണ്ടെങ്കിൽ, വലിയ അളവിലുള്ള ഡാറ്റയിൽ അത് കണ്ടെത്തുന്നത് നല്ലതാണ്.

• നിർദ്ദിഷ്ട പാറ്റേണുകളുമായി പൊരുത്തപ്പെടാത്ത ഇവന്റുകൾക്കായി തിരയുമ്പോൾ AI നന്നായി പ്രവർത്തിക്കുന്നു.
  • കണ്ടെത്തുന്നു ക്രെഡിറ്റ് കാർഡ് തട്ടിപ്പ് ഉപയോഗ പാറ്റേണുകൾ പിന്തുടരാത്ത ഇടപാടുകൾ കണ്ടെത്തുക എന്നതാണ്. ഇത് ജാഗ്രതയുടെ വശത്ത് തെറ്റുചെയ്യുന്നു. ഡാളസിൽ വാടകയ്‌ക്ക് എടുത്ത കാറിൽ ഗ്യാസ് നിറയ്ക്കുകയും തുടർന്ന് ചിക്കാഗോയിൽ എന്റെ സ്വകാര്യ കാർ നിറയ്ക്കുകയും ചെയ്‌തപ്പോൾ അമിത തീക്ഷ്ണമായ അൽഗോരിതം ഉപയോഗിച്ച് എന്റെ ക്രെഡിറ്റ് കാർഡിൽ നിന്ന് എനിക്ക് കോളുകൾ ലഭിച്ചു. അത് നിയമാനുസൃതമായിരുന്നു, എന്നാൽ ഫ്ലാഗുചെയ്യാൻ അസാധാരണമായിരുന്നു.

"അമേരിക്കൻ എക്സ്പ്രസ് $1 ട്രില്യൺ ഇടപാടുകൾ പ്രോസസ്സ് ചെയ്യുന്നു, കൂടാതെ 110 ദശലക്ഷം AmEx കാർഡുകൾ പ്രവർത്തനത്തിലുണ്ട്. തത്സമയം തട്ടിപ്പ് കണ്ടെത്തുന്നതിന് സഹായിക്കുന്നതിന് അവർ ഡാറ്റ അനലിറ്റിക്‌സ്, മെഷീൻ ലേണിംഗ് അൽഗോരിതം എന്നിവയെ വളരെയധികം ആശ്രയിക്കുന്നു, അതിനാൽ ദശലക്ഷക്കണക്കിന് നഷ്ടം ലാഭിക്കുന്നു.

• ഫാർമസ്യൂട്ടിക്കൽ വഞ്ചനയും ദുരുപയോഗവും. നിരവധി പ്രോഗ്രാം ചെയ്ത നിയമങ്ങളെ അടിസ്ഥാനമാക്കി സിസ്റ്റങ്ങൾക്ക് അസാധാരണമായ പെരുമാറ്റരീതികൾ കണ്ടെത്താൻ കഴിയും. ഉദാഹരണത്തിന്, ഒരു രോഗി ഒരേ ദിവസം നഗരത്തിന് ചുറ്റുമുള്ള മൂന്ന് വ്യത്യസ്ത ഡോക്ടർമാരെ വേദനയുടെ സമാന പരാതികളുമായി കണ്ടാൽ, ദുരുപയോഗം ഒഴിവാക്കുന്നതിന് അധിക അന്വേഷണം ആവശ്യമായി വന്നേക്കാം.
• AI ഇൻ ആരോഗ്യ പരിരക്ഷ ചില മികച്ച വിജയങ്ങൾ നേടിയിട്ടുണ്ട്.
  • എക്സ്-റേകളെ സാധാരണ കണ്ടെത്തലുകളുമായി താരതമ്യം ചെയ്യാൻ AI, ആഴത്തിലുള്ള പഠനങ്ങൾ പഠിപ്പിച്ചു. ഒരു റേഡിയോളജിസ്റ്റിന് പരിശോധിക്കാനുള്ള അസാധാരണതകൾ ഫ്ലാഗുചെയ്യുന്നതിലൂടെ റേഡിയോളജിസ്റ്റുകളുടെ പ്രവർത്തനം വർദ്ധിപ്പിക്കാൻ ഇതിന് കഴിഞ്ഞു.
• AI നന്നായി പ്രവർത്തിക്കുന്നു സാമൂഹികവും ഷോപ്പിംഗും. നമ്മൾ ഇത് ഇത്രയധികം കാണുന്നതിന്റെ ഒരു കാരണം അപകടസാധ്യത കുറവാണ്. AI തെറ്റാകാനും ഗുരുതരമായ പ്രത്യാഘാതങ്ങൾ ഉണ്ടാക്കാനുമുള്ള സാധ്യത കുറവാണ്.
• • നിങ്ങൾ ഇഷ്ടപ്പെട്ടെങ്കിൽ/വാങ്ങി ഈ, നിങ്ങൾക്ക് ഇഷ്ടപ്പെടുമെന്ന് ഞങ്ങൾ കരുതുന്നു ഈ. ആമസോൺ മുതൽ നെറ്റ്ഫ്ലിക്സും യൂട്യൂബും വരെ, അവരെല്ലാം ഏതെങ്കിലും തരത്തിലുള്ള പാറ്റേൺ തിരിച്ചറിയൽ ഉപയോഗിക്കുന്നു. നിങ്ങളുടെ ഫീഡ് ഫോക്കസ് ചെയ്യുന്നതിന് നിങ്ങളുടെ ഇടപെടലുകളെ Instagram AI പരിഗണിക്കുന്നു. അൽഗോരിതത്തിന് നിങ്ങളുടെ മുൻഗണനകൾ ഒരു ബക്കറ്റിലോ സമാന തിരഞ്ഞെടുപ്പുകൾ നടത്തിയ മറ്റ് ഉപയോക്താക്കളുടെ ഗ്രൂപ്പിലോ ഉൾപ്പെടുത്താൻ കഴിയുമെങ്കിൽ അല്ലെങ്കിൽ നിങ്ങളുടെ താൽപ്പര്യങ്ങൾ ഇടുങ്ങിയതാണെങ്കിൽ ഇത് മികച്ച രീതിയിൽ പ്രവർത്തിക്കുന്നു.
  • AI ചില വിജയങ്ങൾ ആസ്വദിച്ചു മുഖം തിരിച്ചറിയൽ. ഒരു പുതിയ ഫോട്ടോയിൽ മുമ്പ് ടാഗ് ചെയ്ത വ്യക്തിയെ തിരിച്ചറിയാൻ ഫേസ്ബുക്കിന് കഴിയും. സുരക്ഷയുമായി ബന്ധപ്പെട്ട ചില ആദ്യകാല ഫേഷ്യൽ റെക്കഗ്നിഷൻ സംവിധാനങ്ങൾ മാസ്കുകൾ വഴി കബളിപ്പിക്കപ്പെട്ടു.
• AI വിജയങ്ങൾ ആസ്വദിച്ചു കൃഷി മെഷീൻ ലേണിംഗ്, IoT സെൻസറുകൾ, ബന്ധിപ്പിച്ച സിസ്റ്റങ്ങൾ എന്നിവ ഉപയോഗിച്ച്.
  • AI സഹായിച്ചു സ്മാർട്ട് ട്രാക്ടറുകൾ വിളവ് വർദ്ധിപ്പിക്കുന്നതിനും വളം കുറയ്ക്കുന്നതിനും ഭക്ഷ്യ ഉൽപാദനച്ചെലവ് മെച്ചപ്പെടുത്തുന്നതിനും വയലുകൾ നട്ടുപിടിപ്പിക്കുക.
  • 3-ഡി മാപ്പുകൾ, മണ്ണ് സെൻസറുകൾ, ഡ്രോണുകൾ, കാലാവസ്ഥാ പാറ്റേണുകൾ എന്നിവയിൽ നിന്നുള്ള ഡാറ്റാ പോയിന്റുകൾക്കൊപ്പം മെഷീൻ ലേണിംഗ് വിളകൾ നടുന്നതിന് ഏറ്റവും നല്ല സമയം പ്രവചിക്കുന്നതിനും അവ നടുന്നതിന് മുമ്പ് വിളവ് പ്രവചിക്കുന്നതിനും വലിയ ഡാറ്റാ സെറ്റുകളിൽ പാറ്റേണുകൾ കണ്ടെത്തുന്നു.
  • ക്ഷീരകർഷകർ പശുക്കളെ പാൽ കുടിക്കാൻ AI റോബോട്ടുകൾ ഉപയോഗിക്കുക, AI, മെഷീൻ ലേണിംഗ് എന്നിവയും പശുവിന്റെ സുപ്രധാന അടയാളങ്ങൾ, പ്രവർത്തനം, ഭക്ഷണം, വെള്ളം എന്നിവ നിരീക്ഷിക്കുകയും അവയെ ആരോഗ്യകരവും സംതൃപ്തിയോടെ നിലനിർത്തുകയും ചെയ്യുന്നു.
  • AI യുടെ സഹായത്തോടെ, കർഷകർ ജനസംഖ്യയുടെ 2% ൽ താഴെയുള്ളവർ, യു‌എസ്‌എയുടെ മറ്റ് ഭാഗങ്ങളിൽ 300 ദശലക്ഷം ആളുകൾക്ക് ഭക്ഷണം നൽകുന്നു.
  • കൃഷിയിൽ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ്

AI-യുടെ മഹത്തായ കഥകളും ഉണ്ട് വിജയം സേവന വ്യവസായങ്ങൾ, റീട്ടെയിൽ, മീഡിയ, നിർമ്മാണം എന്നിവയിൽ. AI ശരിക്കും എല്ലായിടത്തും ഉണ്ട്.

AI ശക്തികളും ബലഹീനതകളും വൈരുദ്ധ്യം

AI-യുടെ ശക്തിയും ദൗർബല്യവും സംബന്ധിച്ച് ഉറച്ച ധാരണ നിങ്ങളുടെ AI സംരംഭങ്ങളുടെ വിജയത്തിന് സഹായകമായേക്കാം. ഇപ്പോൾ വലതുവശത്തെ കോളത്തിലുള്ള കഴിവുകൾ അവസരങ്ങളാണെന്നും ഓർക്കുക. വെണ്ടർമാരും ബ്ലീഡിംഗ് എഡ്ജ് ദത്തെടുക്കുന്നവരും നിലവിൽ പുരോഗതി പ്രാപിക്കുന്ന മേഖലകളാണിത്. ഒരു വർഷത്തിനുള്ളിൽ AI-യെ വെല്ലുവിളിക്കുന്ന കഴിവുകൾ ഞങ്ങൾ നോക്കുകയും ഇടത്-ഷിഫ്റ്റ് രേഖപ്പെടുത്തുകയും ചെയ്യും. താഴെ കൊടുത്തിരിക്കുന്ന ചാർട്ട് ശ്രദ്ധാപൂർവ്വം പഠിച്ചാൽ, ഞാൻ ഇത് എഴുതുന്ന സമയത്തിനും പ്രസിദ്ധീകരിക്കുന്ന സമയത്തിനും ഇടയിൽ എന്തെങ്കിലും ചലനം ഉണ്ടായാൽ എനിക്ക് അതിശയിക്കാനില്ല.

AI-യുടെ ഭാവി എന്താണ്?

AI മികച്ചതാണെങ്കിൽ, ഭാവി എന്തായിരിക്കുമെന്ന് പ്രവചിച്ചേക്കാം. ധാരാളം ഉണ്ടെന്ന് വ്യക്തമാണ് തെറ്റിദ്ധാരണകൾ AI-ക്ക് ചെയ്യാൻ കഴിയുന്നതും ചെയ്യാൻ കഴിയാത്തതുമായ കാര്യങ്ങളെക്കുറിച്ച്. പലതും തെറ്റിദ്ധാരണകളും AI നിരക്ഷരതയും നിലവിലുള്ള കഴിവുകളെ അമിതമായി പ്രചോദിപ്പിക്കുന്ന ടെക് മാർക്കറ്റിംഗിന്റെ ഫലമാണ്. ഇന്ന് ചെയ്യാൻ കഴിയുന്ന കാര്യങ്ങളിൽ AI ശ്രദ്ധേയമാണ്. വലതുവശത്തെ നിരയിലെ പല ബലഹീനതകളും ഇടതുവശത്തേക്ക് മാറുമെന്നും അടുത്ത 2 അല്ലെങ്കിൽ 3 വർഷത്തിനുള്ളിൽ ശക്തിയായി മാറുമെന്നും ഞാൻ പ്രവചിക്കുന്നു.

[ഈ ലേഖനം പൂർത്തിയാക്കിയ ശേഷം, മുമ്പത്തെ ഖണ്ഡിക ഞാൻ അവതരിപ്പിച്ചു ഒപെനൈ, ഒരു തുറന്ന AI പ്ലാറ്റ്ഫോം ഭാഷാ ജനറേറ്റർ. അതിന്റെ DALL-E സൃഷ്ടിച്ച ചില കലകൾ നിങ്ങൾ കണ്ടിരിക്കാം. AI-യുടെ ഭാവിയെക്കുറിച്ച് അത് എന്താണ് ചിന്തിക്കുന്നതെന്ന് അറിയാൻ ഞാൻ ആഗ്രഹിച്ചു. അതിന് പറയാനുള്ളത് ഇതാണ്. ]

കുറച്ച് സെർവറുകൾ വാങ്ങി ഒരു ഓഫ്-ദി-ഷെൽഫ് സോഫ്‌റ്റ്‌വെയർ പാക്കേജ് ഇൻസ്റ്റാൾ ചെയ്യുന്നതിനെക്കുറിച്ചല്ല AI-യുടെ ഭാവി. ഇത് ശരിയായ ആളുകളെ കണ്ടെത്തുകയും നിയമിക്കുകയും ചെയ്യുക, ശരിയായ ടീമിനെ നിർമ്മിക്കുക, ഹാർഡ്‌വെയറിലും സോഫ്‌റ്റ്‌വെയറിലും ശരിയായ നിക്ഷേപം നടത്തുക.

അടുത്ത കുറച്ച് വർഷങ്ങളിൽ AI-യുടെ വിജയസാധ്യതകളിൽ ഇവ ഉൾപ്പെടുന്നു:

• പ്രവചനങ്ങളുടെയും ശുപാർശകളുടെയും കൃത്യത വർദ്ധിപ്പിക്കുന്നു
• തീരുമാനമെടുക്കൽ പ്രക്രിയകൾ മെച്ചപ്പെടുത്തുന്നു
• ഗവേഷണവും വികസനവും വേഗത്തിലാക്കുന്നു
• ബിസിനസ് പ്രക്രിയകൾ ഓട്ടോമേറ്റ് ചെയ്യാനും ഒപ്റ്റിമൈസ് ചെയ്യാനും സഹായിക്കുന്നു

എന്നിരുന്നാലും, ബിസിനസ്സുകൾ അറിഞ്ഞിരിക്കേണ്ട AI-യുടെ ചില പരാജയ സാധ്യതകളും ഉണ്ട്, ഇനിപ്പറയുന്നവ:

• AI-യെ അമിതമായി ആശ്രയിക്കുന്നത് ഉപയുക്തമായ തീരുമാനങ്ങളിലേക്ക് നയിക്കുന്നു
• AI എങ്ങനെ പ്രവർത്തിക്കുന്നു എന്നതിനെക്കുറിച്ചുള്ള ധാരണയുടെ അഭാവം ദുരുപയോഗത്തിലേക്ക് നയിക്കുന്നു
• കൃത്യമല്ലാത്ത ഫലങ്ങളിലേക്ക് നയിക്കുന്ന AI മോഡലുകളെ പരിശീലിപ്പിക്കാൻ ഉപയോഗിക്കുന്ന ഡാറ്റയിലെ പക്ഷപാതം
• AI മോഡലുകളെ പരിശീലിപ്പിക്കാൻ ഉപയോഗിക്കുന്ന ഡാറ്റയെക്കുറിച്ചുള്ള സുരക്ഷയും സ്വകാര്യതയും ആശങ്കകൾ

അതിനാൽ, അവരുടെ പരമ്പരാഗത വിശകലനങ്ങൾക്ക് അനുബന്ധമായി AI-യിൽ നിക്ഷേപിക്കുന്ന ബിസിനസുകൾക്ക് ഇത് എന്താണ് അർത്ഥമാക്കുന്നത്? ഹ്രസ്വമായ ഉത്തരം, കുറുക്കുവഴികളൊന്നുമില്ല. 85% AI സംരംഭങ്ങളും പരാജയപ്പെടുന്നു. പരമ്പരാഗത ഐടി, ബിഐ പ്രോജക്‌റ്റുകളുമായി ബന്ധപ്പെട്ട് പലപ്പോഴും ഉദ്ധരിച്ച സ്ഥിതിവിവരക്കണക്കുകൾക്ക് സമാനമാണ് ഇത്. വിശകലനത്തിൽ നിന്ന് മൂല്യം നേടുന്നതിന് മുമ്പ് എല്ലായ്പ്പോഴും ആവശ്യമായ അതേ കഠിനാധ്വാനം ഇപ്പോഴും ചെയ്യണം. ദർശനം നിലനിൽക്കണം, യാഥാർത്ഥ്യബോധമുള്ളതും കൈവരിക്കാവുന്നതുമായിരിക്കണം. ഡാറ്റ തയ്യാറാക്കൽ, ഡാറ്റ തർക്കം, ഡാറ്റ വൃത്തിയാക്കൽ എന്നിവയാണ് വൃത്തികെട്ട ജോലി. ഇത് എപ്പോഴും ചെയ്യേണ്ടി വരും. AI പരിശീലനത്തിൽ, അതിലും കൂടുതൽ. മനുഷ്യന്റെ ഇടപെടലിന് നിലവിൽ കുറുക്കുവഴികളൊന്നുമില്ല. അൽഗോരിതങ്ങൾ നിർവചിക്കാൻ മനുഷ്യർ ഇപ്പോഴും ആവശ്യമാണ്. മനുഷ്യർ "ശരിയായ" ഉത്തരം തിരിച്ചറിയേണ്ടതുണ്ട്.

ചുരുക്കത്തിൽ, AI വിജയിക്കുന്നതിന്, മനുഷ്യർക്ക് ഇവ ആവശ്യമാണ്:

• അടിസ്ഥാന സൗകര്യങ്ങൾ സ്ഥാപിക്കുക. ഇത് പ്രധാനമായും AI പ്രവർത്തിക്കേണ്ട അതിരുകൾ സ്ഥാപിക്കുകയാണ്. ഘടനയില്ലാത്ത ഡാറ്റ, ബ്ലോക്ക്‌ചെയിൻ, ഐഒടി, ഉചിതമായ സുരക്ഷ എന്നിവയെ പിന്തുണയ്ക്കാൻ ഫൗണ്ടേഷന് കഴിയുമോ എന്നതിനെക്കുറിച്ചാണ് ഇത്.
• കണ്ടുപിടിത്തത്തിൽ സഹായം. ഡാറ്റയുടെ ലഭ്യത കണ്ടെത്തി നിർണ്ണയിക്കുക. AI-യെ പരിശീലിപ്പിക്കുന്നതിനുള്ള ഡാറ്റ നിലവിലുണ്ടാവുകയും ലഭ്യമായിരിക്കുകയും വേണം.
• ഡാറ്റ ക്യൂറേറ്റ് ചെയ്യുക. ഒരു വലിയ ഡാറ്റാ സെറ്റിനൊപ്പം അവതരിപ്പിക്കുമ്പോൾ, അതിന്റെ ഫലമായി, സാധ്യതയുള്ള ഒരു വലിയ സംഖ്യ ഫലങ്ങൾ, ഫലങ്ങൾ വിലയിരുത്തുന്നതിന് ഒരു ഡൊമെയ്ൻ വിദഗ്ധൻ ആവശ്യമായി വന്നേക്കാം. ഡാറ്റാ സന്ദർഭത്തിന്റെ മൂല്യനിർണ്ണയവും ക്യൂറേഷനിൽ ഉൾപ്പെടും.

ഡാറ്റാ ശാസ്ത്രജ്ഞരിൽ നിന്ന് ഒരു വാചകം കടമെടുക്കാൻ, കമ്പനികൾ AI-യിൽ വിജയിക്കുന്നതിന്, നിലവിലുള്ള അനലിറ്റിക്‌സ് കഴിവുകൾക്ക് മൂല്യം കൂട്ടാൻ, അവർക്ക് ശബ്ദത്തിൽ നിന്ന് സിഗ്നലിനെ വേർതിരിക്കാൻ കഴിയണം, ഹൈപ്പിൽ നിന്നുള്ള സന്ദേശം.

ഏഴ് വർഷം മുമ്പ് ഐ.ബി.എം ജിന്നി റൊമെറ്റി വാട്‌സൺ ഹെൽത്ത് [AI] ഞങ്ങളുടെ മൂൺഷോട്ട് ആണ്. മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, AI - ഒരു ചാന്ദ്ര ലാൻഡിംഗിന് തുല്യമായത് - ഒരു പ്രചോദനാത്മകവും കൈവരിക്കാവുന്നതും സ്ട്രെച്ച് ലക്ഷ്യവുമാണ്. നമ്മൾ ചന്ദ്രനിൽ ഇറങ്ങിയതായി എനിക്ക് തോന്നുന്നില്ല. എന്നിട്ടും. ഐബിഎമ്മും മറ്റ് പല കമ്പനികളും പരിവർത്തനാത്മക AI എന്ന ലക്ഷ്യത്തിനായി പ്രവർത്തിക്കുന്നത് തുടരുന്നു.

AI ചന്ദ്രനാണെങ്കിൽ, ചന്ദ്രൻ കാഴ്ചയിലുണ്ട്, അത് മുമ്പത്തേക്കാൾ അടുത്താണ്.