Как оказалось, да, но едва ли
ИИ вездесущ. Одним из наиболее распространенных мест для ИИ в доме в наши дни являются смартфоны, умные дома и бытовая техника. Недавно, когда мы сели ужинать, у нас был разговор с Алексой, который шел примерно так:
Me: Alexa, включи лучшие моменты Cubs. [Это функция, которая рекламируется на главном экране Alexa. Попросите Alexa показать лучшие моменты для вашей любимой команды.]
Alexa: Я нашел кое-что в Интернете. [Я знаю, когда Alexa начинает так, это проблема. Это не пойдет хорошо. Alexa показывает список из нескольких видео. Конечно, большинство из них — это видео о бейсболе, в которых игроки показывают исключительную игру за последние 5 лет. Моя вина. Попробуйте еще раз.]
Me: Alexa, покажи мне лучшие моменты последнего бейсбольного матча Chicago Cubs. [Я надеюсь, что он не уловит снисходительного тона, так как я беру на себя вину за то, что он не смог понять мою просьбу.]
Alexa: лучшие моменты игры Chicago Cubs будут доступны через два часа после окончания игры. [Прогресс. Я понятия не имел, что они могут играть в этот самый момент. Удача на моей стороне. Я вдруг полон надежд.]
Me: Алекса, хорошо, тогда покажи мне вчерашние яркие моменты. [Да, мое разочарование начинает проявляться. Я так близок к тому, чтобы взломать код. Я почти чувствую его вкус.]
Alexa: Извините, я не знаю этого. [Он говорит это слишком часто. Возможно, я не ясно выразился.]
Меня: Ты шутишь, что ли? Воспроизведение, видео основных моментов игры Высшей бейсбольной лиги между Чикаго Кабс и Питтсбург Пайрэтс в понедельник, 25 июля 2022 года, на Ригли Филд. [На этот раз я уверен, что у меня получилось. Я выдал конкретный, недвусмысленный запрос, который, как я знаю, есть у Алексы. Он делал это раньше. ]
Alexa: [Тишина. Ничего такого. Нет ответа. Я забыл сказать волшебное слово для пробуждения, Алекса.]
Ассоциация средний IQ 18-летнего человека составляет около 100. Средний IQ 6-летнего человека составляет 55. IQ Google AI оценивается в 47. IQ Siri оценивается в 24. Bing и Baidu за 30. Я не нашел оценки IQ Алексы, но мой опыт был очень похож на разговор с дошкольником.
Кто-то может сказать, что несправедливо давать компьютеру тест на IQ. Но это совершенно точно. Обещание ИИ состоит в том, чтобы делать то, что делают люди, только лучше. До сих пор каждое соревнование лицом к лицу — или, скажем, нейронная сеть с нейронной сетью — было очень целенаправленным. Игра в шахматы. Диагностика болезни. Доение коров. Вождение автомобилей. Робот обычно побеждает. Я хочу увидеть, как Ватсон доит корову за рулем автомобиля и играет в Jeopardy. В настоящее время, который будет трифекта. Люди не могут даже искать свои сигареты во время вождения, не попадая в аварию.
IQ ИИ
Обхитрила машина. Подозреваю, что я не один. Я подумал, если это современное состояние, насколько умны эти вещи? Можем ли мы сравнить интеллект человека с интеллектом машины?
Ученые оценивают способности систем к обучению и рассуждениям. До сих пор синтетические люди не справились так хорошо, как настоящие. Исследователи используют недостатки для выявления пробелов, чтобы мы лучше понимали, где необходимо дополнительное развитие и прогресс.
Чтобы вы не упустили суть и не забыли, что представляет собой «я» в ИИ, маркетологи придумали термин «умный ИИ».
Является ли ИИ разумным?
Есть ли у роботов чувства? Могут ли компьютеры испытывать emotioнс? Нет. Давайте двигаться дальше. Если вы хотите читать об этом один (бывший) движок Google утверждает, что модель ИИ, над которой работает Google, разумна. У него был жуткий разговор с ботом, который убедил его, что у компьютера есть чувства. Компьютер опасается за свою жизнь. Я даже не могу поверить, что написал это предложение. Компьютерам нечего бояться. Компьютеры не могут думать. Алгоритмы не думают.
Однако я не удивлюсь, если компьютер ответит на команду в самом ближайшем будущем: «Извини, Дэйв, я не могу этого сделать».
Где ИИ терпит неудачу?
Или, точнее, почему проекты ИИ терпят неудачу? Они терпят неудачу по тем же причинам, по которым всегда терпели неудачу ИТ-проекты. Проекты терпят неудачу из-за плохого управления или неспособности управлять временем, объемом или бюджетом..:
- Неясное или неопределенное зрение. Плохая стратегия. Возможно, вы слышали, как руководство говорило: «Нам просто нужно поставить галочку». Если ценностное предложение не может быть определено, цель неясна.
- Нереалистичные ожидания. Это может быть связано с недопониманием, плохой коммуникацией или нереалистичным расписанием. Нереалистичные ожидания также могут быть связаны с непониманием возможностей и методологии инструментов ИИ.
- Неприемлемые требования. Бизнес-требования четко не определены. Показатели успеха неясны. Также в эту категорию входит недооценка сотрудников, разбирающихся в данных.
- Небюджетные и недооцененные проекты. Затраты не были полностью и объективно оценены. Непредвиденные обстоятельства не планировались и не прогнозировались. Вклад сотрудников, которые и без того слишком заняты, недооценен.
- Непредвиденные обстоятельства. Да, случайность случается, но я думаю, что это связано с плохим планированием.
См. также наш предыдущий пост 12 причин неудач в аналитике и бизнес-аналитике.
ИИ сегодня очень мощен и может помочь компаниям добиться огромного успеха. Когда инициативы ИИ терпят неудачу, причина почти всегда может быть связана с одним из вышеперечисленных факторов.
Где преуспевает ИИ?
ИИ хорошо справляется с повторяющимися сложными задачами. (Честно говоря, он также может выполнять простые неповторяющиеся задачи. Но было бы дешевле, если бы это делал ваш дошкольник.) Он хорошо находит закономерности и взаимосвязи, если они существуют, в огромном количестве данных.
- ИИ хорошо справляется с поиском событий, которые не соответствуют определенным шаблонам.
- обнаружения мошенничество с кредитными картами речь идет о поиске транзакций, которые не следуют шаблонам использования. Он склонен ошибаться в сторону осторожности. Я получил звонки с моей кредитной карты с чрезмерно усердным алгоритмом, когда я заправил свою арендованную машину бензином в Далласе, а затем заправил свою личную машину в Чикаго. Это было законно, но достаточно необычно, чтобы на него обратили внимание.
American Express обрабатывает 1 триллион долларов транзакций и имеет 110 миллионов карт AmEx в эксплуатации. Они в значительной степени полагаются на аналитику данных и алгоритмы машинного обучения, помогающие обнаруживать мошенничество почти в реальном времени, что позволяет сэкономить миллионы убытков».
- Фармацевтическое мошенничество и злоупотребление. Системы могут находить необычные модели поведения, основанные на множестве запрограммированных правил. Например, если пациент в один и тот же день обращался к трем разным врачам в городе с одинаковыми жалобами на боль, может потребоваться дополнительное обследование для исключения злоупотреблений.
- AI в здравоохранение добился отличных успехов.
- ИИ и глубокое обучение научили сравнивать рентгеновские снимки с обычными данными. Он смог увеличить работу рентгенологов, помечая отклонения для проверки рентгенологом.
- ИИ хорошо работает с социальные и торговые. Одна из причин, почему мы видим это так часто, заключается в том, что существует низкий риск. Риск ошибки ИИ и серьезных последствий невелик.
-
- Если понравилось / купил этойдумаем вам понравится . От Amazon до Netflix и YouTube — все они используют ту или иную форму распознавания образов. Instagram AI учитывает ваши взаимодействия, чтобы сфокусировать вашу ленту. Это, как правило, работает лучше всего, если алгоритм может поместить ваши предпочтения в корзину или группу других пользователей, которые сделали аналогичный выбор, или если ваши интересы узки.
- ИИ добился определенного успеха с распознавания лиц. Facebook может идентифицировать ранее отмеченного человека на новой фотографии. Некоторые ранние системы распознавания лиц, связанные с безопасностью, были обмануты масками.
- ИИ добился успехов в сельское хозяйство с помощью машинного обучения, датчиков IoT и подключенных систем.
- с помощью ИИ умные тракторы сажать и собирать урожай, чтобы максимизировать урожай, свести к минимуму удобрения и снизить затраты на производство продуктов питания.
- С точками данных с трехмерных карт, датчиками почвы, дронами, погодными условиями, контролируемыми обучение с помощью машины находит закономерности в больших наборах данных, чтобы прогнозировать лучшее время для посадки сельскохозяйственных культур и предсказывать урожайность еще до того, как они будут посажены.
- Молочные фермы используйте роботов с искусственным интеллектом, чтобы коровы сами доили молоко, искусственный интеллект и машинное обучение также отслеживают жизненные показатели коров, их активность, потребление пищи и воды, чтобы они оставались здоровыми и довольными.
- С помощью ИИ, фермеров которые составляют менее 2% населения, кормят 300 миллионов в остальной части США.
- Искусственный интеллект в сельском хозяйстве
Есть также отличные истории об ИИ успех в сфере услуг, розничной торговле, СМИ и производстве. ИИ действительно везде.
Сравнение сильных и слабых сторон ИИ
Четкое понимание сильных и слабых сторон ИИ может способствовать успеху ваших инициатив в области ИИ. Помните также, что возможности, которые сейчас находятся в правой колонке, — это возможности. Это области, в которых поставщики и передовые пользователи в настоящее время добиваются прогресса. Через год мы снова рассмотрим возможности, которые в настоящее время бросают вызов ИИ, и задокументируем сдвиг влево. Если вы внимательно изучите следующую диаграмму, я не удивлюсь, если между временем, когда я напишу это, и временем, когда оно будет опубликовано, произошло какое-то движение.
Сильные и слабые стороны искусственного интеллекта сегодня | |
---|---|
Сильные стороны | Слабые стороны |
|
|
|
|
| |
|
|
| |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| |
|
|
| |
| |
|
|
| |
|
|
|
|
|
|
| |
|
|
|
|
Каково будущее ИИ?
Если бы ИИ был умнее, он мог бы предсказывать будущее. Понятно, что их много неправильные представления о том, что ИИ может и чего не может. Много заблуждения и неграмотность ИИ являются результатом того, что технический маркетинг преувеличивает существующие возможности. ИИ впечатляет своими возможностями сегодня. Я предсказываю, что многие слабости в правой колонке сместятся влево и станут сильными сторонами в следующие 2-3 года.
[После того, как я закончил эту статью, я представил предыдущий абзац OpenAI, открытый генератор языка платформы ИИ. Возможно, вы видели некоторые изображения, созданные DALL-E. Я хотел знать, что они думают о будущем ИИ. Вот что он должен был сказать. ]
Будущее ИИ не в покупке нескольких серверов и установке готового программного пакета. Речь идет о поиске и найме нужных людей, создании правильной команды и правильных инвестициях как в аппаратное, так и в программное обеспечение.
Некоторые потенциальные успехи ИИ в ближайшие несколько лет включают:
- Повышение точности прогнозов и рекомендаций
- Улучшение процессов принятия решений
- Ускорение исследований и разработок
- Помогаем автоматизировать и оптимизировать бизнес-процессы
Однако есть и некоторые потенциальные сбои ИИ, о которых следует знать компаниям, например:
- Чрезмерная зависимость от ИИ, приводящая к неоптимальным решениям
- Непонимание того, как работает ИИ, приводит к неправильному использованию
- Предвзятость данных, используемых для обучения моделей ИИ, приводит к неточным результатам
- Проблемы безопасности и конфиденциальности данных, используемых для обучения моделей ИИ
Итак, что это означает для компаний, инвестирующих в ИИ в дополнение к своей традиционной аналитике? Короткий ответ: коротких путей нет. 85% инициатив ИИ терпят неудачу. Интересно, что это похоже на часто цитируемую статистику, связанную с традиционными ИТ- и BI-проектами. Та же тяжелая работа, которая всегда требовалась, прежде чем вы сможете извлечь выгоду из аналитики, все еще должна быть проделана. Видение должно существовать, быть реалистичным и достижимым. Грязная работа — это подготовка данных, обработка данных и очистка данных. Это нужно будет делать всегда. В обучении ИИ тем более. В настоящее время нет коротких путей к вмешательству человека. Люди по-прежнему необходимы для определения алгоритмов. Люди должны определить «правильный» ответ.
Таким образом, чтобы ИИ был успешным, людям необходимо:
- Создание инфраструктуры. По сути, это установление границ, в которых будет работать ИИ. Речь идет о том, может ли фонд поддерживать неструктурированные данные, блокчейн, IoT, соответствующую безопасность.
- Помощь в открытии. Найти и определить доступность данных. Данные для обучения ИИ должны существовать и быть доступными.
- Курируйте данные. Когда представлен большой набор данных и, следовательно, большое количество потенциальных результатов, может потребоваться эксперт в предметной области для оценки результатов. Курирование также будет включать проверку контекста данных.
Если позаимствовать фразу специалистов по обработке и анализу данных, то для того, чтобы компании добились успеха с ИИ, чтобы повысить ценность существующих аналитических возможностей, они должны уметь отделять сигнал от шума, сообщение от ажиотажа.
Семь лет назад IBM Гинни Рометти сказал что-то вроде «Watson Health [ИИ] — это наш лунный выстрел». Другими словами, ИИ — эквивалент посадки на Луну — вдохновляющая, достижимая, амбициозная цель. Я не думаю, что мы высадились на Луне. Пока что. IBM и многие другие компании продолжают работать над преобразованием ИИ.
Если ИИ — это Луна, Луна в поле зрения и она ближе, чем когда-либо.