Jak się okazuje, tak, ale ledwo

Sztuczna inteligencja jest wszechobecna. Jednym z najczęstszych miejsc dla sztucznej inteligencji w domu jest obecnie smartfon, inteligentne domy i urządzenia. Niedawno, gdy zasiedliśmy do kolacji, rozmawialiśmy z Alexą, która wyglądała mniej więcej tak:

Me: Alexa, zagraj w najciekawsze momenty Cubs. [Jest to funkcja reklamowana na ekranie głównym Alexy. Poproś Alexę o zagranie skrótów dla twojej ulubionej drużyny.]

Alexa: Znalazłem coś w sieci. [Wiem, że kiedy Alexa zaczyna się w ten sposób, pojawia się problem. Nie pójdzie dobrze. Alexa pokazuje listę kilku filmów. To prawda, że ​​większość z nich to filmy o baseballu, na których gracze grają wyjątkowe gry w ciągu ostatnich 5 lat. Moja wina. Spróbuj ponownie.]

Me: Alexa, pokaż mi najciekawsze momenty z ostatniego meczu baseballowego Chicago Cubs. [Mam nadzieję, że nie wykryje protekcjonalnego tonu, ponieważ przyjmuję winę za to, że nie jest w stanie zrozumieć mojej prośby.]

Alexa: Najważniejsze informacje o meczu Chicago Cubs będą dostępne dwie godziny po zakończeniu meczu. [Postęp. Nie miałem pojęcia, że ​​mogą w tym momencie grać. Szczęście jest po mojej stronie. Nagle mam nadzieję.]

Me: Alexa, w porządku, w takim razie pokaż mi wczorajsze pasemka. [Tak, moja frustracja zaczyna się ujawniać. Jestem tak blisko złamania kodu. Prawie to czuję.]

Alexa: Przepraszam, nie znam tego. [Mówi to zbyt często. Być może nie było jasne.]

Mnie: Czy ty żartujesz? Play, skróty wideo z meczu Major League Baseball pomiędzy Chicago Cubs i Pittsburgh Pirates, który odbędzie się w poniedziałek 25 lipca 2022 r. W Wrigley Field. [Tym razem jestem pewien, że udało mi się. Wyplułem konkretną, jednoznaczną prośbę, która jest umiejętnością, o której wiem, że Alexa ma. Robił to już wcześniej. ]

Alexa: [Cisza. Nic. Brak odpowiedzi. Zapomniałem wypowiedzieć magiczne słowo budzenia, Alexa.]

Połączenia średnie IQ 18-latka wynosi około 100. Średnie IQ sześciolatka wynosi 6. Google AI IQ oceniono na 55. Siri szacuje się na 47. Bing i Baidu mają po 24 lat. Nie znalazłem oceny IQ Alexy, ale moje doświadczenie przypominało rozmowę z przedszkolakiem.

Niektórzy mogą powiedzieć, że nie jest sprawiedliwe poddawać komputerowi test IQ. Ale o to właśnie chodzi. Sztuczna inteligencja obiecuje robić to, co robią ludzie, tylko lepiej. Jak dotąd każde wyzwanie typu „łeb w łeb” – lub, powiedzmy, sieć neuronowa do sieci neuronowej – było bardzo skoncentrowane. Grać w szachy. Diagnozowanie choroby. Dojenie krów. Prowadzenie samochodów. Robot zazwyczaj wygrywa. Chciałbym zobaczyć, jak Watson doi krowę podczas jazdy samochodem i gra w Jeopardy. Ale już, że byłaby trifecta. Ludzie nie mogą nawet szukać papierosów podczas jazdy bez wypadku.

IQ AI

Przechytrzony przez maszynę. Podejrzewam, że nie jestem sam. Zastanawiałem się, jeśli to jest stan techniki, jak mądre są te rzeczy? Czy możemy porównać ludzką inteligencję do maszyny?

Naukowcy oceniają zdolności systemów do uczenia się i rozumowania. Jak dotąd syntetyczni ludzie nie radzili sobie tak dobrze, jak prawdziwi. Badacze wykorzystują te niedociągnięcia do identyfikacji luk, abyśmy mogli lepiej zrozumieć, gdzie należy dokonać dodatkowego rozwoju i postępów.

Abyś nie przegapił sedna i nie zapomniał, co oznacza „ja” w AI, marketerzy ukuli teraz termin Smart AI.

Czy AI ma świadomość?

Czy roboty mają uczucia? Czy komputery mogą doświadczać e?motions? Nie. Przejdźmy dalej. Jeśli chcesz czytać o tym jeden (były) silnik Google twierdzi, że model AI, nad którym pracuje Google, jest świadomy. Miał przerażającą rozmowę z botem, która przekonała go, że komputer ma uczucia. Komputer obawia się o swoje życie. Nie mogę nawet uwierzyć, że napisałem to zdanie. Komputery nie mają się bać. Komputery nie potrafią myśleć. Algorytmy nie są przemyślane.

Nie zdziwiłbym się jednak, gdyby w najbliższej przyszłości komputer odpowiedział na polecenie: „Przepraszam, Dave, nie mogę tego zrobić”.

Gdzie AI zawodzi?

A dokładniej, dlaczego projekty AI kończą się niepowodzeniem? Upadają z tych samych powodów, dla których projekty IT zawsze kończyły się niepowodzeniem. Projekty kończą się niepowodzeniem z powodu złego zarządzania lub zarządzania czasem, zakresem lub budżetem...:

• Niejasna lub nieokreślona wizja. Słaba strategia. Być może słyszałeś, jak kierownictwo mówi: „Musimy tylko zaznaczyć pole”. Jeśli propozycja wartości nie może zostać zdefiniowana, cel jest niejasny.
• Nierealne oczekiwania. Może to być spowodowane nieporozumieniami, słabą komunikacją lub nierealistycznym harmonogramem. Nierealistyczne oczekiwania mogą również wynikać z braku zrozumienia możliwości i metodologii narzędzi AI.
• Niedopuszczalne wymagania. Wymagania biznesowe nie są dobrze zdefiniowane. Miary sukcesu są niejasne. Również w tej kategorii znajduje się niedowartościowanie pracowników, którzy rozumieją dane.
• Projekty niebudżetowane i niedoceniane. Koszty nie zostały w pełni i obiektywnie oszacowane. Nieprzewidziane sytuacje nie zostały zaplanowane i nie są przewidywane. Nie doceniono wkładu czasowego pracowników, którzy są już zbyt zajęci.
• Nieprzewidziane okoliczności. Tak, zdarza się przypadek, ale myślę, że to nie jest dobre planowanie.

Zobacz także nasz poprzedni post 12 powodów niepowodzeń w analityce i analizie biznesowej.

Sztuczna inteligencja jest dziś bardzo potężna i może pomóc firmom osiągnąć ogromny sukces. Kiedy inicjatywy AI zawodzą, niepowodzenie można prawie zawsze przypisać jednej z powyższych.

Gdzie działa AI Excel?

AI jest dobra w powtarzalnych, złożonych zadaniach. (Szczerze mówiąc, może wykonywać również proste, nie powtarzające się zadania. Ale taniej byłoby, gdyby zrobił to twój przedszkolak.) Dobrze jest znajdować wzorce i zależności, jeśli istnieją, w ogromnych ilościach danych.

• Sztuczna inteligencja dobrze radzi sobie z wyszukiwaniem zdarzeń, które nie pasują do określonych wzorców.
  • Wykrywanie oszustwo z wykorzystaniem karty kredytowej polega na znajdowaniu transakcji, które nie są zgodne z wzorcami użytkowania. Zwykle błądzi po stronie ostrożności. Otrzymałem telefony z mojej karty kredytowej z nadgorliwym algorytmem, kiedy tankowałem wynajęty samochód na benzynę w Dallas, a następnie zatankowałem swój osobisty samochód w Chicago. To było legalne, ale wystarczająco niezwykłe, by zostać oflagowane.

"American Express przetwarza 1 bilion dolarów w transakcjach i obsługuje 110 milionów kart AmEx. W dużym stopniu polegają na analizie danych i algorytmach uczenia maszynowego, aby pomóc wykrywać oszustwa w czasie zbliżonym do rzeczywistego, oszczędzając w ten sposób miliony strat”.

• Oszustwa farmaceutyczne i nadużycia. Systemy potrafią znaleźć nietypowe wzorce zachowań w oparciu o wiele zaprogramowanych reguł. Na przykład, jeśli pacjent spotkał się tego samego dnia z trzema różnymi lekarzami w mieście z podobnymi dolegliwościami bólowymi, dodatkowe badanie może być uzasadnione, aby wykluczyć nadużycia.
• AI w opieki zdrowotnej odniosła kilka wspaniałych sukcesów.
  • Nauczono sztucznej inteligencji i głębokiego uczenia się porównywania promieni rentgenowskich z normalnymi wynikami. Był w stanie wzmocnić pracę radiologów poprzez oznaczanie nieprawidłowości do sprawdzenia przez radiologa.
• AI działa dobrze z towarzyskie i zakupowe. Jednym z powodów, dla których widzimy to tak często, jest niskie ryzyko. Ryzyko, że sztuczna inteligencja się myli i poniesie poważne konsekwencje, jest niskie.
• • Jeśli podobało Ci się/kupiłeś to, myślimy, że Ci się spodoba to. Od Amazon po Netflix i YouTube, wszystkie one używają jakiejś formy rozpoznawania wzorców. Instagram AI bierze pod uwagę Twoje interakcje, aby skoncentrować swój kanał. Zwykle działa to najlepiej, jeśli algorytm może umieścić Twoje preferencje w zasobniku lub grupie innych użytkowników, którzy dokonali podobnych wyborów, lub jeśli Twoje zainteresowania są wąskie.
  • AI odniosła pewien sukces z rozpoznawanie twarzy. Facebook jest w stanie zidentyfikować wcześniej oznaczoną osobę na nowym zdjęciu. Niektóre wczesne systemy rozpoznawania twarzy związane z bezpieczeństwem zostały oszukane przez maski.
• AI odniosła sukcesy w: rolnictwo wykorzystując uczenie maszynowe, czujniki IoT i połączone systemy.
  • Wspomagana sztuczna inteligencja inteligentne ciągniki sadzić i zbierać pola, aby zmaksymalizować plony, zminimalizować nawóz i poprawić koszty produkcji żywności.
  • Z punktami danych z map 3D, czujnikami gleby, dronami, wzorcami pogodowymi, nadzorowane uczenie maszynowe znajduje wzorce w dużych zestawach danych, aby przewidzieć najlepszy czas na sadzenie upraw i przewidzieć plony, zanim zostaną zasiane.
  • Farmy mleczne używaj robotów AI do samodzielnego dojenia krów, sztuczna inteligencja i uczenie maszynowe monitorują również parametry życiowe krów, aktywność, spożycie pokarmu i wody, aby były zdrowe i zadowolone.
  • Z pomocą AI, rolników którzy stanowią mniej niż 2% populacji, wyżywiają 300 milionów w pozostałej części USA.
  • Sztuczna inteligencja w rolnictwie

Są też świetne historie o sztucznej inteligencji sukces w branży usługowej, detalicznej, medialnej i produkcyjnej. AI naprawdę jest wszędzie.

Skontrastowane mocne i słabe strony AI

Dokładne zrozumienie mocnych i słabych stron sztucznej inteligencji może przyczynić się do sukcesu twoich inicjatyw w zakresie sztucznej inteligencji. Pamiętaj też, że możliwości znajdujące się obecnie w prawej kolumnie to możliwości. Są to obszary, w których dostawcy i nowicjusze robią obecnie postępy. Przyjrzymy się możliwościom, które obecnie rzucają wyzwanie sztucznej inteligencji ponownie za rok i udokumentujemy przesunięcie w lewo. Jeśli uważnie przestudiujesz poniższą tabelę, nie zdziwiłbym się, gdyby między momentem, w którym to napisałem, a opublikowaniem, wystąpił jakiś ruch.

Jaka jest przyszłość AI?

Gdyby sztuczna inteligencja była mądrzejsza, mogłaby przewidzieć, co przyniesie przyszłość. Widać, że jest ich wiele Błędne wyobrażenia o tym, co sztuczna inteligencja może, a czego nie może zrobić. Wiele nieporozumienia i analfabetyzm AI są wynikiem nadmiernego przeceniania istniejących możliwości marketingu technologicznego. Sztuczna inteligencja imponuje tym, co potrafi dzisiaj. Przewiduję, że wiele słabości z prawej kolumny przesunie się w lewo i stanie się mocnymi w ciągu najbliższych 2-3 lat.

[Po skończeniu tego artykułu przedstawiłem poprzedni akapit do OpenAI, otwarty generator języka platformy AI. Być może widzieliście niektóre dzieła sztuki generowane przez jego DALL-E. Chciałem wiedzieć, co myśli o przyszłości AI. Oto, co miał do powiedzenia. ]

Przyszłość sztucznej inteligencji nie polega na kupowaniu kilku serwerów i instalowaniu gotowego pakietu oprogramowania. Chodzi o znalezienie i zatrudnienie odpowiednich ludzi, zbudowanie odpowiedniego zespołu i dokonanie właściwych inwestycji zarówno w sprzęt, jak i oprogramowanie.

Niektóre potencjalne sukcesy sztucznej inteligencji w ciągu najbliższych kilku lat to:

• Zwiększenie trafności przewidywań i rekomendacji
• Usprawnienie procesów decyzyjnych
• Przyspieszenie badań i rozwoju
• Pomoc w automatyzacji i optymalizacji procesów biznesowych

Istnieją jednak również pewne potencjalne wady sztucznej inteligencji, o których firmy powinny być świadome, takie jak:

• Nadmierne poleganie na sztucznej inteligencji prowadzące do nieoptymalnych decyzji
• Brak zrozumienia, jak działa sztuczna inteligencja, co prowadzi do nadużyć
• Stronniczość danych wykorzystywanych do trenowania modeli AI, prowadząca do niedokładnych wyników
• Obawy dotyczące bezpieczeństwa i prywatności dotyczące danych wykorzystywanych do trenowania modeli AI

Co to oznacza dla firm inwestujących w sztuczną inteligencję w celu uzupełnienia ich tradycyjnych analiz? Krótka odpowiedź brzmi: nie ma skrótów. 85% inicjatyw AI kończy się niepowodzeniem. Co ciekawe, jest to podobne do często cytowanych statystyk związanych z tradycyjnymi projektami IT i BI. Ta sama ciężka praca, która zawsze była wymagana, zanim będziesz mógł czerpać korzyści z analiz, nadal musi zostać wykonana. Wizja musi istnieć, być realistyczna i osiągalna. Brudna robota to przygotowanie danych, walka o dane i czyszczenie danych. Zawsze trzeba to zrobić. W treningu AI tym bardziej. Obecnie nie ma skrótów do interwencji człowieka. Od ludzi wciąż wymaga się zdefiniowania algorytmów. Od ludzi wymaga się zidentyfikowania „właściwej” odpowiedzi.

Podsumowując, aby sztuczna inteligencja odniosła sukces, ludzie muszą:

• Stwórz infrastrukturę. Jest to zasadniczo ustalenie granic, w których sztuczna inteligencja będzie działać. Chodzi o to, czy fundament może obsługiwać nieustrukturyzowane dane, blockchain, IoT, odpowiednie zabezpieczenia.
• Pomoc w odkryciu. Znajdź i określ dostępność danych. Dane do szkolenia AI muszą istnieć i być dostępne.
• Kurator danych. W przypadku przedstawienia dużego zestawu danych, a w konsekwencji dużej liczby potencjalnych wyników, ekspert dziedzinowy może być wymagany do oceny wyników. Kuracja obejmie również walidację kontekstu danych.

Aby zapożyczyć frazę od analityków danych, aby firmy odniosły sukces dzięki sztucznej inteligencji, aby mogły dodać wartość do istniejących możliwości analitycznych, muszą być w stanie oddzielić sygnał od szumu, wiadomość od szumu.

Siedem lat temu firma IBM Ginni Rometty powiedział coś w stylu, Watson Health [AI] to nasz księżycowy strzał. Innymi słowy, sztuczna inteligencja – odpowiednik lądowania na Księżycu – jest inspirującym, osiągalnym i rozciągającym się celem. Chyba nie wylądowaliśmy na Księżycu. Już. IBM i wiele innych firm nadal dąży do osiągnięcia celu, jakim jest transformacyjna sztuczna inteligencja.

Jeśli AI jest księżycem, księżyc jest w zasięgu wzroku i jest bliżej niż kiedykolwiek.