Kama zinageuka, ndiyo, lakini tu vigumu

AI iko kila mahali. Mojawapo ya maeneo ya kawaida kwa AI nyumbani siku hizi ni simu mahiri, nyumba mahiri na vifaa. Hivi majuzi, tulipoketi kula chakula cha jioni, tulikuwa na mazungumzo na Alexa ambayo yalikwenda kama hii:

Me: Alexa, cheza Vivutio vya Cubs. [Hiki ni kipengele ambacho kinaonyeshwa kwenye skrini ya nyumbani ya Alexa. Uliza Alexa icheze vivutio vya timu yako unayoipenda.]

Alexa: Nimepata kitu kwenye wavuti. [Najua wakati Alexa inapoanza hivi, kuna shida. Haitaenda vizuri. Alexa inaonyesha orodha ya video chache. Ni kweli, nyingi kati ya hizo ni video za besiboli huku wachezaji wakicheza michezo ya kipekee katika kipindi cha miaka 5 iliyopita. Kosa langu. Jaribu tena.]

Me: Alexa, nionyeshe muhtasari wa mchezo wa hivi punde wa besiboli wa Chicago Cubs. [Natumai haitagundua sauti ya chini kwani ninakubali lawama kwa kutoweza kuelewa ombi langu.]

Alexa: Vivutio vya mchezo wa Chicago Cubs vitapatikana saa mbili baada ya mchezo kumalizika. [Maendeleo. Sikujua kwamba wanaweza kuwa wanacheza wakati huu. Bahati iko upande wangu. Nina matumaini ghafla.]

Me: Alexa, basi nionyeshe mambo muhimu ya jana. [Ndiyo, kuchanganyikiwa kwangu kunaanza kuonekana. Ninakaribia sana kuvunja kanuni. Ninaweza karibu kuionja.]

Alexa: Samahani, simjui huyo. [Inasema hivi mara nyingi sana. Labda sikuwa wazi.]

Me: Unanitania? Cheza, video muhtasari wa mchezo wa Ligi Kuu ya Baseball kati ya Chicago Cubs na Pittsburgh Pirates utakaofanyika Jumatatu Julai 25, 2022 katika uwanja wa Wrigley. [Safari hii ninajiamini kuwa nimelipigilia msumari. Nimetema ombi maalum, lisilo na utata ambalo ni ujuzi ninaojua Alexa anayo. Imefanya hivi kabla. ]

Alexa: [Kimya. Hakuna kitu. Hakuna jibu. Nimesahau kusema neno la kuamka la uchawi, Alexa.]

The wastani wa IQ ya umri wa miaka 18 ni karibu 100. IQ wastani ya binadamu mwenye umri wa miaka 6 ni 55. Google AI IQ ilitathminiwa kuwa 47. IQ ya Siri inakadiriwa kuwa 24. Bing na Baidu wako katika miaka ya 30. Sikupata tathmini ya IQ ya Alexa, lakini uzoefu wangu ulikuwa kama kuzungumza na mtoto wa shule ya mapema.

Wengine wanaweza kusema, si haki kutoa kompyuta mtihani wa IQ. Lakini, hiyo ndiyo uhakika kabisa. Ahadi ya AI ni kufanya kile ambacho wanadamu hufanya, bora zaidi. Kufikia sasa, kila kichwa-kwa-kichwa - au, tuseme, mtandao wa neural kwa mtandao wa neva -changamoto imezingatia sana. Kucheza chess. Utambuzi wa ugonjwa. Kukamua ng'ombe. Kuendesha magari. Roboti kawaida hushinda. Ninachotaka kuona ni Watson akikamua ng'ombe huku akiendesha gari na kucheza Jeopardy. Sasa, Kwamba itakuwa trifecta. Wanadamu hawawezi hata kutafuta sigara zao wakiwa wanaendesha gari bila kupata ajali.

IQ ya AI

Imezidiwa na mashine. Ninashuku kuwa siko peke yangu. I got kufikiri, kama hii ni hali ya sanaa, jinsi ya mambo haya ni smart? Je, tunaweza kulinganisha akili ya binadamu na mashine?

Wanasayansi wanatathmini uwezo wa mifumo ya kujifunza na kufikiria. Kufikia sasa, wanadamu wa syntetisk hawajafanya vizuri kama jambo halisi. Watafiti wanatumia mapungufu kubaini mapungufu ili tuelewe vyema ni wapi maendeleo na maendeleo ya ziada yanahitajika kufanywa.

Ili tu usikose hoja na kusahau kile "I" katika AI inawakilisha, wauzaji sasa wameunda neno Smart AI.

Je, AI Ina hisia?

Je! roboti zina hisia? Kompyuta inaweza kupata uzoefu emotions? Hapana. Tuendelee. Ikiwa unataka kusoma kuhusu hilo, injini moja (ya zamani) ya Google inadai kielelezo cha AI ambacho Google inafanyia kazi ni cha maana. Alikuwa na gumzo la kutisha na roboti iliyomsadikisha kwamba kompyuta ina hisia. Kompyuta inahofia maisha yake. Siamini hata niliandika sentensi hiyo. Kompyuta hazina maisha ya kuogopa. Kompyuta haiwezi kufikiria. Algorithms hazifikiriwi.

Sitashangaa, hata hivyo, ikiwa kompyuta itajibu amri hivi karibuni na: "Samahani, Dave, siwezi kufanya hivyo."

AI Inashindwa Wapi?

Au, kwa usahihi, kwa nini miradi ya AI inashindwa? Wanashindwa kwa sababu zile zile ambazo miradi ya IT imeshindwa kila wakati. Miradi inashindwa kutokana na usimamizi mbaya, au kushindwa katika kusimamia muda, upeo au bajeti..:

• Maono yasiyo wazi au yasiyojulikana. Mkakati mbaya. Huenda umesikia wasimamizi wakisema, "Tunahitaji tu kuangalia kisanduku." Ikiwa pendekezo la thamani haliwezi kufafanuliwa, kusudi haliko wazi.
• Matarajio yasiyo ya kweli. Hii inaweza kuwa kutokana na kutoelewana, mawasiliano duni, au upangaji ratiba usio halisi. Matarajio yasiyo ya kweli yanaweza pia kutokana na ukosefu wa ufahamu wa uwezo na mbinu za zana za AI.
• Mahitaji yasiyokubalika. Mahitaji ya biashara hayajafafanuliwa vizuri. Vipimo vya mafanikio haviko wazi. Pia katika kitengo hiki ni kutothaminiwa kwa wafanyikazi wanaoelewa data.
• Miradi isiyo na bajeti na isiyokadiriwa. Gharama hazijakadiriwa kikamilifu na kimalengo. Dharura hazijapangwa na kutarajiwa. Mchango wa wakati wa wafanyikazi ambao tayari wana shughuli nyingi umepuuzwa.
• Hali zisizotarajiwa. Ndiyo, bahati hutokea, lakini nadhani hii iko chini ya mipango duni.

Tazama, pia, chapisho letu la hapo awali Sababu 12 za Kushindwa Katika Uchanganuzi na Ushauri wa Biashara.

AI, leo, ina nguvu sana na inaweza kusaidia makampuni kufikia mafanikio makubwa. Wakati mipango ya AI inashindwa, kutofaulu kunaweza kufuatiliwa kila wakati hadi moja ya hapo juu.

AI Excel iko wapi?

AI ni mzuri kwa kurudia-rudia, kazi ngumu. (Ili kuwa sawa, inaweza kufanya kazi rahisi, zisizo na marudio, pia. Lakini, itakuwa nafuu zaidi kumfanya mwanafunzi wako wa shule ya awali kuifanya.) Ni vizuri kutafuta mifumo na mahusiano, kama yapo, katika idadi kubwa ya data.

• AI hufanya vyema inapotafuta matukio ambayo hayalingani na mifumo maalum.
  • Kugundua ulaghai wa kadi ya mkopo ni kuhusu kutafuta miamala ambayo haifuati mifumo ya utumiaji. Inaelekea kukosea upande wa tahadhari. Nimepokea simu kutoka kwa kadi yangu ya mkopo na kanuni ya bidii kupita kiasi nilipojaza gari langu la kukodisha na gesi huko Dallas na kisha kujaza gari langu la kibinafsi huko Chicago. Ilikuwa halali, lakini isiyo ya kawaida vya kutosha kuripotiwa.

"Marekani Express huchakata $1 trilioni katika miamala na ina kadi milioni 110 za AmEx zinazofanya kazi. Wanategemea sana uchanganuzi wa data na kanuni za kujifunza mashine ili kusaidia kugundua ulaghai katika muda halisi, hivyo basi kuokoa mamilioni ya hasara”.

• Ulaghai na matumizi mabaya ya dawa. Mifumo inaweza kupata mifumo isiyo ya kawaida ya tabia kulingana na sheria nyingi zilizopangwa. Kwa mfano, ikiwa mgonjwa aliona madaktari watatu tofauti karibu na mji siku moja na malalamiko sawa ya maumivu, uchunguzi wa ziada unaweza kuthibitishwa ili kuondoa matumizi mabaya.
• AI ndani huduma ya afya imekuwa na mafanikio mazuri.
  • AI na kujifunza kwa kina kulifundishwa kulinganisha mionzi ya X na matokeo ya kawaida. Iliweza kuongeza kazi ya wataalamu wa radiolojia kwa kuripoti makosa kwa mtaalamu wa radiolojia kukagua.
• AI inafanya kazi vizuri na kijamii na ununuzi. Sababu moja kwa nini tunaona hii sana ni kwamba kuna hatari ndogo. Hatari ya AI kuwa mbaya na kuwa na matokeo mabaya ni ya chini.
• • Ikiwa ulipenda / ulinunua hii, tunadhani utaipenda huu. Kutoka Amazon hadi Netflix na YouTube, zote hutumia aina fulani ya utambuzi wa muundo. Instagram AI inazingatia mwingiliano wako ili kuzingatia malisho yako. Hii inaelekea kufanya kazi vyema ikiwa kanuni inaweza kuweka mapendeleo yako kwenye ndoo au kikundi cha watumiaji wengine ambao wamefanya chaguo sawa, au ikiwa maslahi yako ni finyu.
  • AI imefurahia mafanikio fulani nayo kutambua usoni. Facebook inaweza kutambua mtu aliyetambulishwa awali katika picha mpya. Baadhi ya mifumo ya mapema inayohusiana na usalama ya utambuzi wa uso ilidanganywa na vinyago.
• AI imefurahia mafanikio katika kilimo kwa kutumia mashine ya kujifunza, vitambuzi vya IoT na mifumo iliyounganishwa.
  • AI ilisaidia matrekta mahiri kupanda na kuvuna mashamba ili kuongeza mavuno, kupunguza mbolea na kuboresha gharama za uzalishaji wa chakula.
  • Na vidokezo vya data kutoka kwa ramani za 3-D, vitambuzi vya udongo, ndege zisizo na rubani, mifumo ya hali ya hewa, inayosimamiwa mashine kujifunza hupata ruwaza katika seti kubwa za data ili kutabiri wakati mzuri wa kupanda mazao na kutabiri mavuno kabla hata ya kupandwa.
  • Mashamba ya maziwa tumia roboti za AI kuwa na maziwa ya ng'ombe wenyewe, AI na kujifunza kwa mashine pia hufuatilia ishara muhimu za ng'ombe, shughuli, chakula na maji ili kuwaweka afya na kuridhika.
  • Kwa msaada wa AI, wakulima ambao ni chini ya 2% ya watu kulisha milioni 300 katika maeneo mengine ya Marekani.
  • Akili Bandia katika Kilimo

Pia kuna hadithi nzuri za AI mafanikio katika tasnia ya huduma, rejareja, vyombo vya habari na utengenezaji. AI kweli iko kila mahali.

Nguvu za AI na Udhaifu Zinalinganishwa

Uelewa thabiti wa nguvu na udhaifu wa AI unaweza kuchangia mafanikio ya mipango yako ya AI. Kumbuka pia kwamba uwezo uliopo kwenye safu ya kulia ni fursa. Haya ni maeneo ambayo wachuuzi na watumiaji wa ukingo wa kutokwa na damu wanafanya maendeleo kwa sasa. Tutaangalia uwezo ambao kwa sasa unatia changamoto AI tena baada ya mwaka mmoja na kuweka hati ya kushoto. Ukisoma chati ifuatayo kwa makini, sitashangaa kama kungekuwa na harakati fulani kati ya wakati ninapoandika hii na wakati inapochapishwa.

Je! Baadaye ya AI ni nini?

Ikiwa AI ingekuwa nadhifu, inaweza kutabiri siku zijazo. Ni wazi kuwa wapo wengi misconceptions kuhusu kile AI inaweza na haiwezi kufanya. Nyingi imani potofu na kutojua kusoma na kuandika kwa AI ni matokeo ya uuzaji wa kiteknolojia juu ya uwezo uliopo. AI ni ya kuvutia kwa kile inaweza kufanya leo. Ninatabiri kuwa udhaifu mwingi katika safu ya kulia utahamia kushoto na kuwa nguvu katika miaka 2 au 3 ijayo.

[Baada ya kumaliza makala hii, niliwasilisha aya iliyotangulia kwa OpenAI, jenereta ya lugha ya jukwaa la AI iliyo wazi. Huenda umeona baadhi ya sanaa zinazozalishwa na DALL-E yake. Nilitaka kujua ilifikiria nini juu ya mustakabali wa AI. Hapa ni nini alikuwa na kusema. ]

Mustakabali wa AI sio juu ya kununua seva chache na kusakinisha kifurushi cha programu cha nje ya rafu. Ni kuhusu kutafuta na kuajiri watu wanaofaa, kujenga timu sahihi, na kufanya uwekezaji sahihi katika maunzi na programu.

Baadhi ya mafanikio yanayowezekana ya AI katika miaka michache ijayo ni pamoja na:

• Kuongeza usahihi wa utabiri na mapendekezo
• Kuboresha michakato ya kufanya maamuzi
• Kuharakisha utafiti na maendeleo
• Kusaidia kubinafsisha na kuboresha michakato ya biashara

Walakini, pia kuna uwezekano wa kushindwa kwa AI ambayo biashara inapaswa kufahamu, kama vile:

• Kuegemea kupita kiasi kwa AI na kusababisha maamuzi yasiyofaa
• Ukosefu wa ufahamu wa jinsi AI inavyofanya kazi na kusababisha matumizi mabaya
• Upendeleo katika data inayotumika kufunza miundo ya AI inayopelekea matokeo yasiyo sahihi
• Maswala ya usalama na faragha kuhusu data inayotumiwa kufunza miundo ya AI

Kwa hivyo, hii inamaanisha nini kwa biashara zinazowekeza katika AI ili kuongeza uchanganuzi wao wa jadi? Jibu fupi ni kwamba, hakuna njia za mkato. 85% ya mipango ya AI inashindwa. Cha kufurahisha, hii ni sawa na takwimu zilizonukuliwa mara kwa mara zinazohusiana na miradi ya kitamaduni ya IT na BI. Kazi ngumu ile ile ambayo imekuwa ikihitajika kila wakati kabla ya kupata thamani kutoka kwa uchanganuzi lazima bado ifanywe. Maono lazima yawepo, yawe ya kweli na yanayoweza kufikiwa. Kazi chafu ni utayarishaji wa data, mabishano ya data na utakaso wa data. Hii itahitajika kufanywa kila wakati. Katika mafunzo ya AI, hata zaidi. Kwa sasa hakuna njia za mkato za kuingilia kati kwa binadamu. Wanadamu bado wanahitajika kufafanua algoriti. Wanadamu wanatakiwa kutambua jibu "sahihi".

Kwa muhtasari, ili AI ifanikiwe, wanadamu wanahitaji:

• Kuweka miundombinu. Hii kimsingi ni kuweka mipaka ambayo AI itafanya kazi. Ni kuhusu kama msingi unaweza kusaidia data isiyo na muundo, blockchain, IoT, usalama unaofaa.
• Msaada katika ugunduzi. Tafuta na utambue upatikanaji wa data. Data ya kufunza AI lazima iwepo na ipatikane.
• Rekebisha data. Inapowasilishwa na seti kubwa ya data na, kwa hiyo, idadi kubwa ya matokeo ya uwezekano, mtaalam wa kikoa anaweza kuhitajika kutathmini matokeo. Uratibu pia utajumuisha uthibitishaji wa muktadha wa data.

Ili kukopa maneno kutoka kwa wanasayansi wa data, kwa makampuni kuwa na mafanikio na AI, kuwa na uwezo wa kuongeza thamani kwa uwezo uliopo wa uchambuzi, wanahitaji kuwa na uwezo wa kutenganisha ishara kutoka kwa kelele, ujumbe kutoka kwa hype.

Miaka saba iliyopita, IBM's Ginni Rometty alisema kitu kama, Watson Health [AI] ni picha yetu ya mwezi. Kwa maneno mengine, AI - sawa na kutua kwa mwezi - ni lengo la msukumo, linaloweza kufikiwa, la kunyoosha. Sidhani kama tumetua mwezini. Bado. IBM, na makampuni mengine mengi yanaendelea kufanya kazi kwa lengo la kubadilisha AI.

Ikiwa AI ni mwezi, mwezi unaonekana na uko karibu zaidi kuliko hapo awali.