అది మారుతుంది, అవును, కానీ కేవలం కేవలం

AI సర్వవ్యాప్తి చెందింది. ఈ రోజుల్లో ఇంట్లో AI కోసం అత్యంత సాధారణ ప్రదేశాలలో ఒకటి స్మార్ట్‌ఫోన్, స్మార్ట్ హోమ్‌లు మరియు ఉపకరణాలు. ఇటీవల, మేము భోజనానికి కూర్చున్నప్పుడు, మేము అలెక్సాతో ఈ విధంగా మాట్లాడాము:

Me: అలెక్సా, కబ్స్ హైలైట్‌లను ప్లే చేయండి. [ఇది అలెక్సా హోమ్ స్క్రీన్‌పై ప్రచారం చేయబడిన ఫీచర్. మీకు ఇష్టమైన జట్టు కోసం హైలైట్‌లను ప్లే చేయమని అలెక్సాని అడగండి.]

అలెక్సా: నేను వెబ్‌లో ఏదో కనుగొన్నాను. [అలెక్సా ఇలా ప్రారంభించినప్పుడు, సమస్య ఉందని నాకు తెలుసు. ఇది బాగా జరగడం లేదు. అలెక్సా కొన్ని వీడియోల జాబితాను చూపుతుంది. నిజమే, వాటిలో చాలా వరకు బేస్‌బాల్ వీడియోలు, గత 5 సంవత్సరాలలో అసాధారణమైన ఆటలు ఆడుతున్నారు. నా తప్పు. మళ్లీ ప్రయత్నించండి.]

Me: అలెక్సా, తాజా చికాగో కబ్స్ బేస్‌బాల్ గేమ్ కోసం నాకు హైలైట్‌లను చూపించు. [నా అభ్యర్థనను అర్థం చేసుకోలేక పోయినందుకు నేను నిందను అంగీకరిస్తున్నాను కనుక ఇది అణచివేసే స్వరాన్ని గుర్తించలేదని నేను ఆశిస్తున్నాను.]

అలెక్సా: చికాగో కబ్స్ గేమ్ యొక్క ముఖ్యాంశాలు గేమ్ ముగిసిన రెండు గంటల తర్వాత అందుబాటులో ఉంటాయి. [పురోగతి. ఈ సమయంలో వారు ఆడుతున్నారని నాకు తెలియదు. అదృష్టం నా వైపు ఉంది. నేను అకస్మాత్తుగా ఆశాజనకంగా ఉన్నాను.]

Me: అలెక్సా, నిన్నటి ఎఫింగ్ హైలైట్‌లను నాకు చూపించండి. [అవును, నా నిరాశ కనిపించడం ప్రారంభమైంది. నేను కోడ్‌ను విచ్ఛిన్నం చేయడానికి చాలా దగ్గరగా ఉన్నాను. నేను దాదాపు రుచి చూడగలను.]

అలెక్సా: నన్ను క్షమించండి, అది నాకు తెలియదు. [ఇది చాలా తరచుగా చెబుతుంది. బహుశా నాకు స్పష్టంగా తెలియకపోవచ్చు.]

నాకు: నన్ను ఆట పట్టిస్తున్నావా? జూలై 25, 2022 సోమవారం రిగ్లీ ఫీల్డ్‌లో చికాగో కబ్స్ మరియు పిట్స్‌బర్గ్ పైరేట్స్ మధ్య జరిగే మేజర్ లీగ్ బేస్‌బాల్ గేమ్ కోసం వీడియో హైలైట్‌లను ప్లే చేయండి. [ఈసారి నేను దానిని కైవసం చేసుకున్నానని నమ్మకంగా ఉన్నాను. అలెక్సాకు ఉన్న నైపుణ్యం అని నేను నిర్దిష్టమైన, స్పష్టమైన అభ్యర్థనను ఉమ్మివేసాను. ఇది ఇంతకు ముందు చేసింది. ]

అలెక్సా: [నిశ్శబ్దం. ఏమిలేదు. స్పందన లేదు. మేజిక్ మేల్కొలుపు పదం చెప్పడం నేను మర్చిపోయాను, అలెక్సా.]

మా సగటు IQ 18 ఏళ్ల వయస్సు ఉన్నవారి వయస్సు దాదాపు 100. 6 సంవత్సరాల వయస్సు గల మానవుని సగటు IQ 55. Google AI IQ 47గా అంచనా వేయబడింది. Siri యొక్క IQ 24గా అంచనా వేయబడింది. Bing మరియు Baidu 30లలో ఉన్నారు. నేను అలెక్సా యొక్క IQ యొక్క మూల్యాంకనాన్ని కనుగొనలేదు, కానీ నా అనుభవం ప్రీస్కూలర్‌తో మాట్లాడినట్లుగా ఉంది.

కంప్యూటర్‌కు IQ పరీక్ష ఇవ్వడం సరికాదని కొందరు అనవచ్చు. కానీ, అది ఖచ్చితంగా పాయింట్. AI యొక్క వాగ్దానం ఏమిటంటే, మానవులు ఏమి చేస్తారో, అది మరింత మెరుగ్గా ఉంటుంది. ఇప్పటివరకు, ప్రతి హెడ్-టు-హెడ్ - లేదా, మనం చెప్పాలంటే, న్యూరల్ నెట్‌వర్క్ నుండి న్యూరల్ నెట్‌వర్క్-ఛాలెంజ్ చాలా దృష్టి కేంద్రీకరించబడింది. చెస్ ఆడుతున్నారు. వ్యాధి నిర్ధారణ. పాలు పితికే ఆవులు. డ్రైవింగ్ కార్లు. రోబోట్ సాధారణంగా గెలుస్తుంది. నేను చూడాలనుకుంటున్నది వాట్సన్ కారు నడుపుతూ జియోపార్డీ ఆడుతూ ఆవుకి పాలు పితుకుతున్నాడు. ఇప్పుడు, ఆ ట్రిఫెక్టా ఉంటుంది. ప్రమాదానికి గురికాకుండా డ్రైవింగ్ చేస్తున్నప్పుడు మనుషులు తమ సిగరెట్ కోసం కూడా వెతకలేరు.

AI యొక్క IQ

ఒక యంత్రం చేత తప్పిపోయింది. నేను ఒంటరిగా లేనని అనుమానిస్తున్నాను. నేను ఆలోచించవలసి వచ్చింది, ఇది కళ యొక్క స్థితి అయితే, ఈ విషయాలు ఎంత తెలివైనవి? మనిషి మేధస్సును మనం యంత్రంతో పోల్చగలమా?

శాస్త్రవేత్తలు అంచనా వేస్తున్నారు నేర్చుకునే మరియు తర్కించే వ్యవస్థల సామర్థ్యాలు. ఇప్పటివరకు, సింథటిక్ మానవులు అసలు విషయం కూడా చేయలేదు. అంతరాలను గుర్తించడానికి పరిశోధకులు లోపాలను ఉపయోగిస్తున్నారు, తద్వారా అదనపు అభివృద్ధి మరియు పురోగతి ఎక్కడ జరగాలో మేము బాగా అర్థం చేసుకుంటాము.

మీరు పాయింట్‌ను కోల్పోకుండా ఉండటానికి మరియు AIలోని “I” దేనిని సూచిస్తుందో మర్చిపోకుండా ఉండటానికి, విక్రయదారులు ఇప్పుడు Smart AI అనే పదాన్ని ఉపయోగించారు.

AI సెంటింట్‌గా ఉందా?

రోబోలకు భావాలు ఉన్నాయా? కంప్యూటర్లు ఇ అనుభవించగలవుmotioNS? వద్దు. ముందుకెళ్దాం. మీకు కావాలంటే చదవండి దాని గురించి, ఒక (మాజీ) Google ఇంజిన్ Google పని చేస్తున్న AI మోడల్‌ని క్లెయిమ్ చేస్తుంది. అతను బోట్‌తో గగుర్పాటు కలిగించే చాట్ చేసాడు, అది కంప్యూటర్‌లో భావాలు ఉన్నాయని అతన్ని ఒప్పించింది. కంప్యూటర్ తన ప్రాణానికి భయపడుతుంది. నేను ఆ వాక్యాన్ని రాశాను అని కూడా నమ్మలేకపోతున్నాను. కంప్యూటర్లకు ప్రాణం ఉండదు. కంప్యూటర్లు ఆలోచించలేవు. అల్గారిథమ్‌లు ఆలోచించబడవు.

అయితే, సమీప భవిష్యత్తులో ఒక కంప్యూటర్ ఆదేశానికి ప్రతిస్పందిస్తే నేను ఆశ్చర్యపోను: "నన్ను క్షమించండి, డేవ్, నేను అలా చేయలేను."

AI ఎక్కడ విఫలమవుతుంది?

లేదా, మరింత ఖచ్చితంగా, AI ప్రాజెక్ట్‌లు ఎందుకు విఫలమవుతాయి? ఐటీ ప్రాజెక్టులు ఎప్పుడూ విఫలమయ్యే కారణాలతోనే అవి విఫలమవుతాయి. తప్పు నిర్వహణ, లేదా సమయం, పరిధి లేదా బడ్జెట్ నిర్వహణలో వైఫల్యం కారణంగా ప్రాజెక్ట్‌లు విఫలమవుతాయి..:

• అస్పష్టమైన లేదా నిర్వచించని దృష్టి. పేలవమైన వ్యూహం. "మేము బాక్స్‌ను తనిఖీ చేయాలి" అని మేనేజ్‌మెంట్ చెప్పడం మీరు విని ఉండవచ్చు. విలువ ప్రతిపాదనను నిర్వచించలేకపోతే, ప్రయోజనం అస్పష్టంగా ఉంటుంది.
• అవాస్తవ అంచనాలు. ఇది అపార్థాలు, పేలవమైన కమ్యూనికేషన్ లేదా అవాస్తవ షెడ్యూల్ వల్ల కావచ్చు. అవాస్తవ అంచనాలు AI సాధనాల సామర్థ్యాలు మరియు పద్దతి యొక్క గ్రహణశక్తి లేకపోవడం నుండి కూడా ఉత్పన్నమవుతాయి.
• ఆమోదయోగ్యం కాని అవసరాలు. వ్యాపార అవసరాలు సరిగ్గా నిర్వచించబడలేదు. విజయానికి సంబంధించిన కొలమానాలు అస్పష్టంగా ఉన్నాయి. డేటాను అర్థం చేసుకునే ఉద్యోగులను తక్కువగా అంచనా వేయడం కూడా ఈ వర్గంలో ఉంది.
• బడ్జెట్ లేని మరియు తక్కువ అంచనా వేయబడిన ప్రాజెక్ట్‌లు. ఖర్చులు పూర్తిగా మరియు నిష్పాక్షికంగా అంచనా వేయబడలేదు. ఆకస్మిక పరిస్థితులు ప్రణాళిక చేయబడవు మరియు ఊహించబడలేదు. ఇప్పటికే చాలా బిజీగా ఉన్న సిబ్బంది సమయ సహకారం తక్కువగా అంచనా వేయబడింది.
• ఊహించని పరిస్థితులు. అవును, అవకాశం జరుగుతుంది, కానీ ఇది పేలవమైన ప్రణాళిక కిందకు వస్తుందని నేను భావిస్తున్నాను.

మా మునుపటి పోస్ట్ కూడా చూడండి అనలిటిక్స్ మరియు బిజినెస్ ఇంటెలిజెన్స్‌లో వైఫల్యానికి 12 కారణాలు.

AI, నేడు, చాలా శక్తివంతమైనది మరియు కంపెనీలకు అద్భుతమైన విజయాన్ని సాధించడంలో సహాయపడుతుంది. AI కార్యక్రమాలు విఫలమైనప్పుడు, వైఫల్యం దాదాపు ఎల్లప్పుడూ పైన పేర్కొన్న వాటిలో ఒకదానిని గుర్తించవచ్చు.

AI Excel ఎక్కడ ఉంది?

పునరావృతమయ్యే, సంక్లిష్టమైన పనులలో AI మంచిది. (న్యాయంగా చెప్పాలంటే, ఇది సరళమైన, పునరావృతం కాని పనులను కూడా చేయగలదు. కానీ, మీ ప్రీస్కూలర్ దీన్ని చేస్తే చౌకగా ఉంటుంది.) నమూనాలు మరియు సంబంధాలు ఉన్నట్లయితే, విస్తారమైన డేటాలో వాటిని కనుగొనడం మంచిది.

• నిర్దిష్ట నమూనాలతో సరిపోలని ఈవెంట్‌ల కోసం చూస్తున్నప్పుడు AI బాగా పనిచేస్తుంది.
  • గుర్తిస్తోంది క్రెడిట్ కార్డ్ మోసం వినియోగ విధానాలను అనుసరించని లావాదేవీలను కనుగొనడం. ఇది జాగ్రత్త వైపు తప్పు చేస్తుంది. నేను డల్లాస్‌లో నా అద్దె కారును గ్యాస్‌తో నింపి, ఆపై చికాగోలో నా వ్యక్తిగత కారును నింపినప్పుడు అధిక ఉత్సాహపూరితమైన అల్గారిథమ్‌తో నా క్రెడిట్ కార్డ్ నుండి నాకు కాల్స్ వచ్చాయి. ఇది చట్టబద్ధమైనది, కానీ ఫ్లాగ్ చేయబడేంత అసాధారణమైనది.

"అమెరికన్ ఎక్స్ప్రెస్ $1 ట్రిలియన్ లావాదేవీలను ప్రాసెస్ చేస్తుంది మరియు 110 మిలియన్ AmEx కార్డ్‌లు ఆపరేషన్‌లో ఉన్నాయి. నిజ సమయంలో మోసాన్ని గుర్తించడంలో సహాయపడటానికి వారు డేటా అనలిటిక్స్ మరియు మెషిన్ లెర్నింగ్ అల్గారిథమ్‌లపై ఎక్కువగా ఆధారపడతారు, అందువల్ల లక్షలాది నష్టాలను ఆదా చేస్తారు.

• ఫార్మాస్యూటికల్ మోసం మరియు దుర్వినియోగం. అనేక ప్రోగ్రామ్ చేసిన నియమాల ఆధారంగా సిస్టమ్‌లు అసాధారణమైన ప్రవర్తన నమూనాలను కనుగొనవచ్చు. ఉదాహరణకు, ఒక రోగి ఒకే రోజున పట్టణంలోని ముగ్గురు వేర్వేరు వైద్యులను ఒకే విధమైన నొప్పి ఫిర్యాదులతో చూసినట్లయితే, దుర్వినియోగాన్ని తోసిపుచ్చడానికి అదనపు విచారణ అవసరం కావచ్చు.
• AI లో ఆరోగ్య సంరక్షణ కొన్ని అద్భుతమైన విజయాలు సాధించింది.
  • X-కిరణాలను సాధారణ ఫలితాలతో పోల్చడానికి AI మరియు లోతైన అభ్యాసం బోధించబడ్డాయి. ఇది రేడియాలజిస్ట్ తనిఖీ చేయడానికి అసాధారణతలను ఫ్లాగ్ చేయడం ద్వారా రేడియాలజిస్టుల పనిని పెంచగలిగింది.
• AI బాగా పనిచేస్తుంది సామాజిక మరియు షాపింగ్. మనం దీన్ని ఎక్కువగా చూడడానికి ఒక కారణం తక్కువ ప్రమాదం ఉంది. AI తప్పుగా ఉండటం మరియు తీవ్రమైన పరిణామాలను కలిగి ఉండే ప్రమాదం తక్కువ.
• • మీరు ఇష్టపడితే/కొన్నారు ఈ, మీకు నచ్చుతుందని మేము భావిస్తున్నాము ఈ. Amazon నుండి Netflix మరియు YouTube వరకు, అవన్నీ ఏదో ఒక విధమైన నమూనా గుర్తింపును ఉపయోగిస్తాయి. Instagram AI మీ ఫీడ్‌ను కేంద్రీకరించడానికి మీ పరస్పర చర్యలను పరిగణిస్తుంది. అల్గారిథమ్ మీ ప్రాధాన్యతలను బకెట్‌లో లేదా సారూప్య ఎంపికలు చేసిన ఇతర వినియోగదారుల సమూహంలో ఉంచగలిగితే లేదా మీ ఆసక్తులు ఇరుకైనవి అయితే ఇది ఉత్తమంగా పని చేస్తుంది.
  • AI కొంత విజయాన్ని సాధించింది ముఖ గుర్తింపు. Facebook కొత్త ఫోటోలో గతంలో ట్యాగ్ చేయబడిన వ్యక్తిని గుర్తించగలదు. కొన్ని ముందస్తు భద్రతా సంబంధిత ముఖ గుర్తింపు వ్యవస్థలు మాస్క్‌ల ద్వారా మోసం చేయబడ్డాయి.
• AI విజయాలను ఆస్వాదించింది వ్యవసాయ యంత్ర అభ్యాసం, IoT సెన్సార్లు మరియు కనెక్ట్ చేయబడిన సిస్టమ్‌లను ఉపయోగించడం.
  • AI సహాయం చేసింది స్మార్ట్ ట్రాక్టర్లు దిగుబడిని పెంచడానికి, ఎరువులు తగ్గించడానికి మరియు ఆహార ఉత్పత్తి ఖర్చులను మెరుగుపరచడానికి పొలాలను నాటండి మరియు కోయండి.
  • 3-D మ్యాప్‌లు, సాయిల్ సెన్సార్‌లు, డ్రోన్‌లు, వాతావరణ నమూనాలు, పర్యవేక్షించబడే డేటా పాయింట్‌లతో యంత్ర అభ్యాసం పంటలను నాటడానికి ఉత్తమ సమయాన్ని అంచనా వేయడానికి మరియు వాటిని నాటడానికి ముందే దిగుబడిని అంచనా వేయడానికి పెద్ద డేటా సెట్‌లలో నమూనాలను కనుగొంటుంది.
  • పాల పొలాలు AI రోబోట్‌లను ఉపయోగించి ఆవులు స్వయంగా పాలు తాగుతాయి, AI మరియు మెషిన్ లెర్నింగ్ కూడా ఆవు యొక్క ముఖ్యమైన సంకేతాలు, కార్యాచరణ, ఆహారం మరియు నీరు తీసుకోవడం వంటి వాటిని ఆరోగ్యంగా మరియు సంతృప్తిగా ఉంచడానికి పర్యవేక్షిస్తాయి.
  • AI సహాయంతో, రైతులు జనాభాలో 2% కంటే తక్కువ ఉన్న వారు USAలోని మిగిలిన ప్రాంతాలలో 300 మిలియన్లకు ఆహారంగా ఉన్నారు.
  • వ్యవసాయంలో కృత్రిమ మేధస్సు

AI యొక్క గొప్ప కథనాలు కూడా ఉన్నాయి విజయం సేవా పరిశ్రమలు, రిటైల్, మీడియా మరియు తయారీలో. AI నిజంగా ప్రతిచోటా ఉంది.

AI బలాలు మరియు బలహీనతలు విరుద్ధంగా ఉన్నాయి

AI యొక్క బలాలు మరియు బలహీనతలపై దృఢమైన అవగాహన మీ AI కార్యక్రమాల విజయానికి దోహదపడవచ్చు. ప్రస్తుతం కుడివైపు కాలమ్‌లో ఉన్న సామర్థ్యాలు అవకాశాలు అని కూడా గుర్తుంచుకోండి. విక్రయదారులు మరియు బ్లీడింగ్ ఎడ్జ్ అడాప్టర్‌లు ప్రస్తుతం పురోగతి సాధిస్తున్న ప్రాంతాలు ఇవి. మేము ప్రస్తుతం AIని ఒక సంవత్సరంలో సవాలు చేసే సామర్థ్యాలను పరిశీలిస్తాము మరియు ఎడమ-మార్పును డాక్యుమెంట్ చేస్తాము. మీరు ఈ క్రింది చార్ట్‌ను జాగ్రత్తగా అధ్యయనం చేస్తే, నేను దీన్ని వ్రాసే సమయానికి మరియు ప్రచురించబడిన సమయానికి మధ్య కొంత కదలిక వచ్చినా ఆశ్చర్యపోనవసరం లేదు.

AI యొక్క భవిష్యత్తు ఏమిటి?

AI తెలివిగా ఉంటే, అది భవిష్యత్తును అంచనా వేయవచ్చు. చాలా ఉన్నాయని స్పష్టమైంది దురభిప్రాయం AI ఏమి చేయగలదు మరియు చేయలేము అనే దాని గురించి. అనేక అపోహలు మరియు AI నిరక్షరాస్యత ఇప్పటికే ఉన్న సామర్థ్యాలను టెక్ మార్కెటింగ్ ఓవర్-హైప్ చేయడం ఫలితంగా ఉన్నాయి. AI ఈ రోజు ఏమి చేయగలదో ఆకట్టుకుంటుంది. కుడివైపు కాలమ్‌లోని అనేక బలహీనతలు ఎడమవైపుకు మారుతాయని మరియు రాబోయే 2 లేదా 3 సంవత్సరాలలో బలాలుగా మారుతాయని నేను అంచనా వేస్తున్నాను.

[నేను ఈ కథనాన్ని పూర్తి చేసిన తర్వాత, నేను మునుపటి పేరాను అందించాను OpenAI, ఒక ఓపెన్ AI ప్లాట్‌ఫారమ్ లాంగ్వేజ్ జనరేటర్. మీరు దాని DALL-E ద్వారా రూపొందించబడిన కొన్ని కళలను చూసి ఉండవచ్చు. AI యొక్క భవిష్యత్తు గురించి అది ఏమనుకుంటుందో తెలుసుకోవాలనుకున్నాను. ఇది చెప్పవలసింది ఇక్కడ ఉంది. ]

AI యొక్క భవిష్యత్తు కొన్ని సర్వర్‌లను కొనుగోలు చేయడం మరియు ఆఫ్-ది-షెల్ఫ్ సాఫ్ట్‌వేర్ ప్యాకేజీని ఇన్‌స్టాల్ చేయడం గురించి కాదు. ఇది సరైన వ్యక్తులను కనుగొనడం మరియు నియమించుకోవడం, సరైన బృందాన్ని నిర్మించడం మరియు హార్డ్‌వేర్ మరియు సాఫ్ట్‌వేర్ రెండింటిలో సరైన పెట్టుబడులు పెట్టడం.

రాబోయే కొన్ని సంవత్సరాలలో AI యొక్క కొన్ని సంభావ్య విజయాలు:

• అంచనాలు మరియు సిఫార్సుల ఖచ్చితత్వాన్ని పెంచడం
• నిర్ణయం తీసుకునే ప్రక్రియలను మెరుగుపరచడం
• పరిశోధన మరియు అభివృద్ధిని వేగవంతం చేయడం
• వ్యాపార ప్రక్రియలను ఆటోమేట్ చేయడానికి మరియు ఆప్టిమైజ్ చేయడానికి సహాయం చేస్తుంది

అయినప్పటికీ, వ్యాపారాలు తెలుసుకోవలసిన AI యొక్క కొన్ని సంభావ్య వైఫల్యాలు కూడా ఉన్నాయి, అవి:

• AIపై అతిగా ఆధారపడటం ఉపశీర్షిక నిర్ణయాలకు దారి తీస్తుంది
• AI ఎలా పనిచేస్తుందనే దానిపై అవగాహన లేకపోవడం దుర్వినియోగానికి దారితీస్తుంది
• AI మోడల్‌లకు శిక్షణ ఇవ్వడానికి ఉపయోగించే డేటాలోని పక్షపాతం సరికాని ఫలితాలకు దారి తీస్తుంది
• AI మోడల్‌లకు శిక్షణ ఇవ్వడానికి ఉపయోగించే డేటాకు సంబంధించిన భద్రత మరియు గోప్యతా సమస్యలు

కాబట్టి, తమ సాంప్రదాయ విశ్లేషణలకు అనుబంధంగా AIలో పెట్టుబడి పెట్టే వ్యాపారాలకు దీని అర్థం ఏమిటి? చిన్న సమాధానం ఏమిటంటే, షార్ట్ కట్‌లు లేవు. 85% AI కార్యక్రమాలు విఫలమయ్యాయి. ఆసక్తికరంగా, ఇది సాంప్రదాయ IT మరియు BI ప్రాజెక్ట్‌లకు సంబంధించి తరచుగా కోట్ చేయబడిన గణాంకాలను పోలి ఉంటుంది. మీరు విశ్లేషణల నుండి విలువను పొందడానికి ముందు ఎల్లప్పుడూ అవసరమైన అదే హార్డ్ వర్క్ ఇప్పటికీ చేయాలి. దృష్టి తప్పనిసరిగా ఉనికిలో ఉండాలి, వాస్తవికంగా మరియు సాధించదగినదిగా ఉండాలి. డర్టీ వర్క్ అనేది డేటా ప్రిపరేషన్, డేటా గొడవ మరియు డేటా క్లీన్సింగ్. ఇది ఎల్లప్పుడూ చేయవలసి ఉంటుంది. శిక్షణ AI లో, ఇంకా ఎక్కువ. ప్రస్తుతం మానవ జోక్యానికి సత్వరమార్గాలు లేవు. మానవులు ఇప్పటికీ అల్గారిథమ్‌లను నిర్వచించాల్సిన అవసరం ఉంది. మానవులు "సరైన" సమాధానాన్ని గుర్తించాలి.

సారాంశంలో, AI విజయవంతం కావడానికి, మానవులు వీటిని చేయాలి:

• మౌలిక సదుపాయాలను ఏర్పాటు చేయండి. ఇది తప్పనిసరిగా AI పని చేసే సరిహద్దులను ఏర్పరుస్తుంది. ఇది ఫౌండేషన్ నిర్మాణాత్మక డేటా, బ్లాక్‌చెయిన్, IoT, తగిన భద్రతకు మద్దతు ఇవ్వగలదా అనే దాని గురించి.
• ఆవిష్కరణలో సహాయం. డేటా లభ్యతను కనుగొని, నిర్ణయించండి. AIకి శిక్షణ ఇవ్వడానికి డేటా తప్పనిసరిగా ఉండాలి మరియు అందుబాటులో ఉండాలి.
• డేటాను క్యూరేట్ చేయండి. పెద్ద డేటా సెట్‌తో అందించబడినప్పుడు మరియు, తత్ఫలితంగా, పెద్ద సంఖ్యలో సంభావ్య ఫలితాలను అందించినప్పుడు, ఫలితాలను మూల్యాంకనం చేయడానికి డొమైన్ నిపుణుడు అవసరం కావచ్చు. క్యూరేషన్ డేటా సందర్భం యొక్క ధృవీకరణను కూడా కలిగి ఉంటుంది.

డేటా సైంటిస్టుల నుండి ఒక పదబంధాన్ని తీసుకోవడానికి, కంపెనీలు AIతో విజయవంతం కావడానికి, ఇప్పటికే ఉన్న విశ్లేషణల సామర్థ్యాలకు విలువను జోడించడానికి, వారు శబ్దం నుండి సిగ్నల్‌ను, హైప్ నుండి సందేశాన్ని వేరు చేయగలగాలి.

ఏడు సంవత్సరాల క్రితం, IBM గిన్ని రోమెట్టి వాట్సన్ హెల్త్ [AI] మా మూన్‌షాట్ అని అన్నారు. మరో మాటలో చెప్పాలంటే, AI - చంద్రుని ల్యాండింగ్‌కు సమానం - స్ఫూర్తిదాయకమైన, సాధించగల, సాగిన లక్ష్యం. మనం చంద్రునిపైకి దిగామని నేను అనుకోను. ఇంకా. IBM మరియు అనేక ఇతర కంపెనీలు పరివర్తనాత్మక AI లక్ష్యం కోసం పని చేస్తూనే ఉన్నాయి.

AI చంద్రుడు అయితే, చంద్రుడు కనుచూపు మేరలో ఉన్నాడు మరియు ఇది గతంలో కంటే దగ్గరగా ఉంటుంది.