तो बाहेर वळते म्हणून, होय, पण फक्त फक्त

AI सर्वव्यापी आहे. आजकाल घरात AI साठी सर्वात सामान्य ठिकाणांपैकी एक म्हणजे स्मार्टफोन, स्मार्ट घरे आणि उपकरणे. अलीकडे, आम्ही जेवायला बसलो असताना, आम्ही अलेक्सासोबत संभाषण केले जे असे काहीतरी होते:

Me: अलेक्सा, शावक हायलाइट खेळा. [हे एक वैशिष्ट्य आहे जे अलेक्साच्या होम स्क्रीनवर सांगितले आहे. अलेक्साला तुमच्या आवडत्या संघासाठी हायलाइट खेळण्यास सांगा.]

अलेक्सा: मला वेबवर काहीतरी सापडले. [मला माहित आहे की जेव्हा अलेक्सा असे सुरू होते तेव्हा एक समस्या आहे. ते चांगले जाणार नाही. अलेक्सा मूठभर व्हिडिओंची सूची दाखवते. मान्य आहे की, त्यापैकी बहुतेक बेसबॉल व्हिडिओ आहेत ज्यात खेळाडूंनी गेल्या 5 वर्षांत अपवादात्मक नाटके केली आहेत. माझी चूक. पुन्हा प्रयत्न करा.]

Me: अलेक्सा, मला नवीनतम शिकागो शावक बेसबॉल गेमचे हायलाइट दाखवा. [माझी विनंती समजू शकली नसल्याबद्दल मी दोष स्वीकारत असल्याने तो विनम्र स्वर शोधत नाही अशी मला आशा आहे.]

अलेक्सा: शिकागो शावक गेमसाठी हायलाइट्स गेम संपल्यानंतर दोन तासांनंतर उपलब्ध होतील. [प्रगती. ते याच क्षणी खेळत असतील याची मला कल्पना नव्हती. नशीब माझ्या पाठीशी आहे. मी अचानक आशावादी आहे.]

Me: अलेक्सा, ठीक आहे, मला कालचे इफिंग हायलाइट दाखवा. [होय, माझी निराशा दिसू लागली आहे. मी कोड तोडण्याच्या खूप जवळ आहे. मी जवळजवळ चव घेऊ शकतो.]

अलेक्सा: मला माफ करा, मला ते माहित नाही. [हे खूप वेळा म्हणते. कदाचित मी स्पष्ट नव्हतो.]

मी: तू माझी मस्करी करत आहेस का? सोमवार २५ जुलै २०२२ रोजी रिग्ली फील्ड येथे शिकागो शावक आणि पिट्सबर्ग पायरेट्स यांच्यातील मेजर लीग बेसबॉल गेमसाठी प्ले करा, व्हिडिओ हायलाइट. [यावेळी मला विश्वास आहे की मी ते पूर्ण केले आहे. मी एक विशिष्ट, निःसंदिग्ध विनंती केली आहे जी मला माहित आहे की अलेक्सामध्ये एक कौशल्य आहे. यापूर्वीही हे केले आहे. ]

अलेक्सा Query: [शांतता. काहीही नाही. प्रतिसाद नाही. मी जादुई जागृत शब्द, अलेक्सा म्हणायला विसरलो.]

अगोदर निर्देश केलेल्या बाबीसंबंधी बोलताना सरासरी IQ 18 वर्षांच्या मुलाचे अंदाजे 100 आहे. 6 वर्षांच्या माणसाचा सरासरी IQ 55 आहे. Google AI IQ चे मूल्यांकन 47 आहे. Siri चा IQ अंदाजे 24 आहे. Bing आणि Baidu 30 च्या दशकात आहेत. मला अलेक्साच्या बुद्ध्यांकाचे मूल्यमापन आढळले नाही, परंतु माझा अनुभव प्रीस्कूलरशी बोलण्यासारखा होता.

काही जण म्हणतील, संगणकाची IQ चाचणी देणे योग्य नाही. पण, तो अगदी मुद्दा आहे. AI चे वचन मानव जे करतात ते फक्त चांगले करणे आहे. आतापर्यंत, प्रत्येक डोके-टू-हेड-किंवा, आपण म्हणू, न्यूरल नेटवर्क ते न्यूरल नेटवर्क-चॅलेंजवर खूप लक्ष केंद्रित केले गेले आहे. बुद्धिबळ खेळणे. रोगाचे निदान. दुभत्या गायी. कार चालवणे. रोबोट सहसा जिंकतो. मला काय पहायचे आहे वॉटसन गाडी चालवताना गायीचे दूध काढत आहे आणि Jeopardy खेळत आहे. आता, की trifecta असेल. अपघात न होता गाडी चालवताना माणसं त्यांची सिगारेटही शोधू शकत नाहीत.

AI चा IQ

यंत्राद्वारे बाहेर काढलेले. मला शंका आहे की मी एकटा नाही. मी विचार करू लागलो, जर हे अत्याधुनिक आहे, तर या गोष्टी किती स्मार्ट आहेत? माणसाच्या बुद्धीची तुलना यंत्राशी करता येईल का?

शास्त्रज्ञ मूल्यांकन करत आहेत प्रणालीची शिकण्याची आणि तर्क करण्याची क्षमता. आतापर्यंत, सिंथेटिक मानवांनी वास्तविक गोष्टीइतके चांगले केले नाही. अंतर ओळखण्यासाठी संशोधक त्रुटींचा वापर करत आहेत जेणेकरुन आम्हाला अधिक चांगल्या प्रकारे समजेल की अतिरिक्त विकास आणि प्रगती कोठे करणे आवश्यक आहे.

तुमचा मुद्दा चुकू नये आणि एआय मधील “मी” काय प्रतिनिधित्व करतो हे विसरू नये म्हणून, मार्केटर्सनी आता स्मार्ट एआय ही संज्ञा तयार केली आहे.

AI संवेदनशील आहे का?

रोबोट्सना भावना असतात का? संगणक अनुभवू शकतात ईmotioएनएस? नाही. चला पुढे जाऊया. आपण इच्छित असल्यास वाचा त्याबद्दल, एक (माजी) Google इंजिन दावा करते की Google ज्या AI मॉडेलवर काम करत आहे ते संवेदनशील आहे. त्याने एका बॉटशी विलक्षण गप्पा मारल्या ज्याने त्याला खात्री दिली की संगणकाला भावना आहेत. संगणकाला त्याच्या जीवाची भीती वाटते. मी ते वाक्य लिहिले यावर माझा विश्वास बसत नाही. संगणकाला जीवाची भीती नाही. संगणक विचार करू शकत नाही. अल्गोरिदमचा विचार केला जात नाही.

तथापि, जर एखाद्या संगणकाने अगदी नजीकच्या भविष्यात एखाद्या आदेशाला प्रतिसाद दिला तर मला आश्चर्य वाटणार नाही: "मला माफ करा, डेव्ह, मी ते करू शकत नाही."

एआय कुठे अयशस्वी होते?

किंवा, अधिक तंतोतंत, एआय प्रकल्प अयशस्वी का होतात? आयटी प्रकल्प नेहमीच अयशस्वी ठरतात त्याच कारणांमुळे ते अपयशी ठरतात. चुकीच्या व्यवस्थापनामुळे प्रकल्प अयशस्वी होतात किंवा वेळ, व्याप्ती किंवा बजेट व्यवस्थापित करण्यात अपयशी ठरतात..:

• अस्पष्ट किंवा अपरिभाषित दृष्टी. खराब धोरण. तुम्ही व्यवस्थापनाचे म्हणणे ऐकले असेल, "आम्हाला फक्त बॉक्स चेक करणे आवश्यक आहे." मूल्य प्रस्ताव परिभाषित केले जाऊ शकत नसल्यास, उद्देश अस्पष्ट आहे.
• अवास्तव अपेक्षा. हे गैरसमज, खराब संवाद किंवा अवास्तव शेड्यूलिंगमुळे असू शकते. अवास्तव अपेक्षा देखील AI साधनांच्या क्षमता आणि कार्यपद्धतीच्या आकलनाच्या अभावामुळे उद्भवू शकतात.
• अस्वीकार्य आवश्यकता. व्यवसाय आवश्यकता चांगल्या प्रकारे परिभाषित नाहीत. यशाचे मेट्रिक्स अस्पष्ट आहेत. डेटा समजणाऱ्या कर्मचाऱ्यांचे अवमूल्यन देखील या वर्गात आहे.
• बजेट नसलेले आणि कमी लेखलेले प्रकल्प. खर्चाचा पूर्ण आणि वस्तुनिष्ठ अंदाज लावला गेला नाही. आकस्मिक परिस्थितीचे नियोजन आणि अपेक्षा केलेली नाही. आधीच खूप व्यस्त असलेल्या कर्मचाऱ्यांच्या वेळेचे योगदान कमी लेखण्यात आले आहे.
• अकल्पित परिस्थिती. होय, संधी घडते, परंतु मला वाटते की हे खराब नियोजनाखाली येते.

आमचे मागील पोस्ट देखील पहा विश्लेषण आणि व्यवसाय बुद्धिमत्ता मध्ये अपयशाची 12 कारणे.

AI, आज ​​खूप शक्तिशाली आहे आणि कंपन्यांना जबरदस्त यश मिळवण्यात मदत करू शकते. जेव्हा AI उपक्रम अयशस्वी होतात, तेव्हा अपयश जवळजवळ नेहमीच वरीलपैकी एकामध्ये शोधले जाऊ शकते.

एआय एक्सेल कुठे आहे?

AI पुनरावृत्ती, जटिल कार्यांमध्ये चांगले आहे. (न्यायपूर्वक सांगायचे तर, ते साधी, पुनरावृत्ती न होणारी कार्ये देखील करू शकते. परंतु, आपल्या प्रीस्कूलरला ते करणे स्वस्त होईल.) नमुने आणि नातेसंबंध, ते अस्तित्त्वात असल्यास, मोठ्या प्रमाणात डेटामध्ये शोधणे चांगले आहे.

• विशिष्ट नमुन्यांशी जुळत नसलेल्या इव्हेंट शोधताना AI चांगलं काम करते.
  • शोधत आहे क्रेडिट कार्ड फसवणूक वापर पद्धतींचे पालन न करणारे व्यवहार शोधण्याबद्दल आहे. तो सावधगिरीच्या बाजूने चुकतो. जेव्हा मी डॅलसमध्ये माझी भाड्याची कार गॅसने भरली आणि नंतर शिकागोमध्ये माझी वैयक्तिक कार भरली तेव्हा मला माझ्या क्रेडिट कार्डवरून अतिउत्साही अल्गोरिदमसह कॉल आले आहेत. हे कायदेशीर होते, परंतु ध्वजांकित करण्यासाठी पुरेसे असामान्य होते.

"अमेरिकन एक्सप्रेस $1 ट्रिलियन व्यवहारांवर प्रक्रिया करते आणि 110 दशलक्ष AmEx कार्ड कार्यरत आहेत. जवळपास रिअल टाइममध्ये फसवणूक शोधण्यात मदत करण्यासाठी ते डेटा अॅनालिटिक्स आणि मशीन लर्निंग अल्गोरिदमवर मोठ्या प्रमाणावर अवलंबून असतात, त्यामुळे लाखोंच्या नुकसानात बचत होते.”

• फार्मास्युटिकल फसवणूक आणि गैरवर्तन. प्रणाली अनेक प्रोग्राम केलेल्या नियमांवर आधारित वर्तनाचे असामान्य नमुने शोधू शकतात. उदाहरणार्थ, जर एखाद्या रुग्णाने एकाच दिवशी शहराभोवती तीन वेगवेगळ्या डॉक्टरांना वेदनांच्या समान तक्रारींसह पाहिले तर, गैरवर्तन नाकारण्यासाठी अतिरिक्त तपासणीची आवश्यकता असू शकते.
• AI मध्ये आरोग्य सेवा काही उत्कृष्ट यश मिळाले आहे.
  • क्ष-किरणांची सामान्य निष्कर्षांशी तुलना करण्यासाठी AI आणि सखोल शिक्षण शिकवले गेले. रेडिओलॉजिस्ट तपासण्यासाठी असामान्यता दर्शवून रेडिओलॉजिस्टचे कार्य वाढविण्यात सक्षम होते.
• AI सह चांगले कार्य करते सामाजिक आणि खरेदी. आपण हे इतके का पाहतो याचे एक कारण म्हणजे कमी धोका आहे. AI चुकीचा असण्याचा आणि त्याचे गंभीर परिणाम होण्याचा धोका कमी आहे.
• • तुम्हाला आवडले/खरेदी केले तर या, आम्हाला वाटते तुम्हाला आवडेल हे. Amazon पासून Netflix आणि YouTube पर्यंत, ते सर्व काही प्रकारचे नमुना ओळख वापरतात. Instagram AI तुमच्या फीडवर लक्ष केंद्रित करण्यासाठी तुमच्या परस्परसंवादाचा विचार करते. अल्गोरिदम तुमची प्राधान्ये बकेटमध्ये किंवा समान निवडी केलेल्या इतर वापरकर्त्यांच्या गटामध्ये ठेवू शकत असल्यास किंवा तुमची स्वारस्ये संकुचित असल्यास हे सर्वोत्तम कार्य करते.
  • AI ला काही यश मिळाले आहे चेहरा ओळखणे. फेसबुक नवीन फोटोमध्ये पूर्वी टॅग केलेल्या व्यक्तीला ओळखण्यास सक्षम आहे. काही सुरुवातीच्या सुरक्षा-संबंधित चेहर्यावरील ओळख प्रणालींना मास्कमुळे फसवले गेले.
• AI मध्ये यश मिळाले आहे शेती मशीन लर्निंग, IoT सेन्सर्स आणि कनेक्टेड सिस्टम वापरणे.
  • एआयने मदत केली स्मार्ट ट्रॅक्टर जास्तीत जास्त उत्पादन, खत कमी करण्यासाठी आणि अन्न उत्पादन खर्च सुधारण्यासाठी रोपे आणि कापणी फील्ड.
  • 3-डी नकाशे, मातीचे सेन्सर, ड्रोन, हवामानाचे नमुने, पर्यवेक्षण केलेल्या डेटा पॉइंट्ससह मशीन शिक्षण पिकांची लागवड करण्यासाठी सर्वोत्तम वेळेचा अंदाज लावण्यासाठी मोठ्या डेटा सेटमध्ये नमुने शोधतात आणि ते लागवड होण्यापूर्वीच उत्पन्नाचा अंदाज लावतात.
  • दुग्धशाळा गायींना स्वतः दूध पाजण्यासाठी एआय रोबोटचा वापर करा, एआय आणि मशीन लर्निंग गायींच्या आरोग्यदायी आणि समाधानी राहण्यासाठी त्यांच्या महत्त्वाच्या चिन्हे, क्रियाकलाप, अन्न आणि पाण्याचे सेवन यांचे निरीक्षण करतात.
  • AI च्या मदतीने, शेतकरी जे लोकसंख्येच्या 2% पेक्षा कमी आहेत ते उर्वरित यूएसएमध्ये 300 दशलक्ष अन्न देतात.
  • शेतीतील कृत्रिम बुद्धिमत्ता

AI च्या छान कथा देखील आहेत यश सेवा उद्योग, किरकोळ, मीडिया आणि उत्पादन. AI खरोखर सर्वत्र आहे.

AI सामर्थ्य आणि कमकुवतपणा विरोधाभास

AI ची सामर्थ्य आणि कमकुवतता यांची ठोस माहिती तुमच्या AI उपक्रमांच्या यशात योगदान देऊ शकते. हे देखील लक्षात ठेवा की सध्या उजव्या हाताच्या स्तंभातील क्षमता संधी आहेत. हे असे क्षेत्र आहेत ज्यात विक्रेते आणि रक्तस्त्राव धार स्वीकारणारे सध्या प्रगती करत आहेत. सध्या एआयला एका वर्षात पुन्हा आव्हान देणाऱ्या आणि डावीकडील शिफ्टचे दस्तऐवजीकरण करणारी क्षमता आम्ही पाहू. जर तुम्ही खालील तक्त्याचा नीट अभ्यास केलात, तर मी हे लिहिण्याच्या आणि प्रकाशित होण्याच्या काळात काही हालचाल झाली असेल तर मला आश्चर्य वाटणार नाही.

AI चे भविष्य काय आहे?

जर AI अधिक हुशार असेल तर भविष्यात काय असेल याचा अंदाज येईल. हे स्पष्ट आहे की तेथे बरेच आहेत गैरसमज एआय काय करू शकते आणि काय करू शकत नाही याबद्दल. अनेक गैरसमज आणि AI निरक्षरता टेक मार्केटिंगचा परिणाम विद्यमान क्षमतांचा अतिरेकीपणा आहे. AI आज जे काही करू शकते त्यासाठी ते प्रभावी आहे. माझा अंदाज आहे की उजव्या हाताच्या स्तंभातील अनेक कमकुवतता डावीकडे सरकतील आणि पुढील 2 किंवा 3 वर्षांमध्ये ताकद बनतील.

[मी हा लेख पूर्ण केल्यानंतर, मी मागील परिच्छेद सादर केला AI उघडा, ओपन एआय प्लॅटफॉर्म भाषा जनरेटर. तुम्ही त्याच्या DALL-E द्वारे व्युत्पन्न केलेली काही कला पाहिली असेल. मला हे जाणून घ्यायचे होते की ते AI च्या भविष्याबद्दल काय विचार करते. त्याला काय म्हणायचे होते ते येथे आहे. ]

AI चे भविष्य काही सर्व्हर खरेदी करणे आणि ऑफ-द-शेल्फ सॉफ्टवेअर पॅकेज स्थापित करणे याबद्दल नाही. हे योग्य लोक शोधणे आणि नियुक्त करणे, योग्य संघ तयार करणे आणि हार्डवेअर आणि सॉफ्टवेअर या दोन्हीमध्ये योग्य गुंतवणूक करणे याबद्दल आहे.

पुढील काही वर्षांमध्ये AI च्या काही संभाव्य यशांमध्ये हे समाविष्ट आहे:

• अंदाज आणि शिफारसींची अचूकता वाढवणे
• निर्णय प्रक्रिया सुधारणे
• संशोधन आणि विकासाला गती देणे
• व्यवसाय प्रक्रिया स्वयंचलित आणि ऑप्टिमाइझ करण्यात मदत करणे

तथापि, AI चे काही संभाव्य अपयश देखील आहेत ज्यांबद्दल व्यवसायांनी जागरूक असले पाहिजे, जसे की:

• AI वर अत्याधिक अवलंबित्वामुळे सर्वोत्कृष्ट निर्णय होतात
• AI कसे कार्य करते हे समजून नसल्यामुळे गैरवापर होतो
• AI मॉडेल्सना प्रशिक्षित करण्यासाठी वापरल्या जाणार्‍या डेटामधील पूर्वाग्रह चुकीच्या परिणामांकडे नेतो
• AI मॉडेलला प्रशिक्षित करण्यासाठी वापरल्या जाणार्‍या डेटाभोवती सुरक्षा आणि गोपनीयतेची चिंता

तर, AI मध्ये गुंतवणूक करणार्‍या व्यवसायांना त्यांच्या पारंपारिक विश्लेषणांना पूरक म्हणून याचा काय अर्थ होतो? लहान उत्तर आहे, कोणतेही शॉर्ट-कट नाहीत. 85% AI उपक्रम अयशस्वी. विशेष म्हणजे, हे पारंपारिक IT आणि BI प्रकल्पांशी संबंधित वारंवार उद्धृत केलेल्या आकडेवारीसारखेच आहे. विश्लेषणातून मूल्य मिळवण्याआधी नेहमी आवश्यक असलेली तीच मेहनत अजूनही करणे आवश्यक आहे. दृष्टी अस्तित्त्वात असणे आवश्यक आहे, वास्तववादी आणि साध्य करणे आवश्यक आहे. डेटा तयार करणे, डेटा रॅंगलिंग आणि डेटा साफ करणे हे घाणेरडे काम आहे. हे नेहमीच करावे लागेल. प्रशिक्षण एआय मध्ये, त्याहूनही अधिक. मानवी हस्तक्षेपासाठी सध्या कोणतेही शॉर्टकट नाहीत. मानवांना अजूनही अल्गोरिदम परिभाषित करणे आवश्यक आहे. मानवांना "योग्य" उत्तर ओळखणे आवश्यक आहे.

सारांश, एआय यशस्वी होण्यासाठी, मानवांनी हे करणे आवश्यक आहे:

• पायाभूत सुविधांची उभारणी करा. हे मूलत: AI कार्य करेल त्या सीमा स्थापित करत आहे. हे फाउंडेशन असंरचित डेटा, ब्लॉकचेन, IoT, योग्य सुरक्षिततेचे समर्थन करू शकते की नाही याबद्दल आहे.
• शोधात मदत. डेटाची उपलब्धता शोधा आणि निर्धारित करा. AI ला प्रशिक्षित करण्यासाठी डेटा अस्तित्वात आणि उपलब्ध असणे आवश्यक आहे.
• डेटा क्युरेट करा. जेव्हा मोठ्या डेटा सेटसह सादर केले जाते आणि परिणामी, मोठ्या संख्येने संभाव्य परिणाम, परिणामांचे मूल्यांकन करण्यासाठी डोमेन तज्ञाची आवश्यकता असू शकते. क्युरेशनमध्ये डेटा संदर्भाचे प्रमाणीकरण देखील समाविष्ट असेल.

डेटा शास्त्रज्ञांकडून एक वाक्प्रचार उधार घेण्यासाठी, कंपन्यांना AI सह यशस्वी होण्यासाठी, विद्यमान विश्लेषण क्षमतांमध्ये मूल्य जोडण्यासाठी सक्षम होण्यासाठी, त्यांना आवाजापासून सिग्नल, हायपमधून संदेश वेगळे करण्यात सक्षम असणे आवश्यक आहे.

सात वर्षांपूर्वी आय.बी.एम गिनी रोमेटी वॉटसन हेल्थ [एआय] हे आमचे मूनशॉट आहे असे काहीतरी सांगितले. दुसऱ्या शब्दांत, AI – चंद्राच्या लँडिंगच्या समतुल्य – एक प्रेरणादायी, साध्य करण्यायोग्य, स्ट्रेच ध्येय आहे. आपण चंद्रावर उतरलो आहोत असे मला वाटत नाही. अद्याप. IBM आणि इतर अनेक कंपन्या परिवर्तनशील AI च्या उद्दिष्टाच्या दिशेने काम करत आहेत.

जर AI हा चंद्र असेल, तर चंद्र दृष्टीस पडतो आणि तो पूर्वीपेक्षा जवळ आहे.