Tulad ng lumalabas, oo, ngunit bahagya lamang

Ang AI ay nasa lahat ng dako. Ang isa sa mga pinaka-karaniwang lugar para sa AI sa bahay sa mga araw na ito ay ang smartphone, mga smart home at appliances. Kamakailan, habang nakaupo kami sa hapunan, nakipag-usap kami kay Alexa na naging ganito:

Me: Alexa, maglaro ng mga highlight ng Cubs. [Ito ay isang tampok na itinatanghal sa home screen ni Alexa. Hilingin kay Alexa na maglaro ng mga highlight para sa iyong paboritong koponan.]

Alexa: May nakita ako sa web. [Alam kong kapag ganito nagsimula si Alexa, may problema. Hindi ito magiging maayos. Nagpapakita si Alexa ng listahan ng ilang video. Totoo, karamihan sa mga ito ay mga baseball video na may mga manlalaro na gumagawa ng mga pambihirang paglalaro sa nakalipas na 5 taon. Kasalanan ko. Subukan muli.]

Me: Alexa, ipakita sa akin ang mga highlight para sa pinakabagong laro ng baseball ng Chicago Cubs. [Umaasa ako na hindi nito ma-detect ang condescending tone habang tinatanggap ko ang sisi sa hindi nito naiintindihan ang aking kahilingan.]

Alexa: Ang mga highlight para sa laro ng Chicago Cubs ay magiging available dalawang oras pagkatapos ng laro. [Pag-unlad. Wala akong ideya na maaaring naglalaro sila sa sandaling ito. Nasa panig ko ang suwerte. Bigla akong umasa.]

Me: Alexa, ipakita mo sa akin ang effing highlights kahapon. [Oo, nagsisimula nang magpakita ang aking pagkadismaya. Malapit na akong masira ang code. Halos matikman ko na.]

Alexa: I'm sorry, hindi ko alam ang isang iyon. [Masyadong madalas itong sinasabi. Marahil ay hindi ako malinaw.]

Me: Niloloko mo ba ako? I-play, mga video highlight para sa Major League Baseball game sa pagitan ng Chicago Cubs at Pittsburgh Pirates para sa Lunes Hulyo 25, 2022 sa Wrigley Field. [Sa pagkakataong ito ay tiwala ako na napako ko ito. Naglabas ako ng isang tiyak, hindi malabo na kahilingan na isang kasanayang alam kong mayroon si Alexa. Nagawa na nito dati. ]

Alexa: [Katahimikan. Wala. Walang tugon. Nakalimutan kong sabihin ang magic wake up word, Alexa.]

Ang average na IQ ng isang 18 taong gulang ay humigit-kumulang 100. Ang average na IQ ng isang tao na 6 na taong gulang ay 55. Ang Google AI IQ ay nasuri na 47. Ang IQ ni Siri ay tinatayang 24. Bing at Baidu ay nasa 30's. Wala akong nakitang pagsusuri sa IQ ni Alexa, ngunit ang aking karanasan ay parang pakikipag-usap sa isang preschooler.

Maaaring sabihin ng ilan, hindi makatarungan na bigyan ng IQ test ang isang computer. Ngunit, iyon ang perpektong punto. Ang pangako ng AI ay gagawin ang ginagawa ng mga tao, mas mabuti lang. Sa ngayon, ang bawat head-to-head - o, sasabihin natin, neural network sa neural network -challenge ay napaka-focus. Naglalaro ng chess. Pag-diagnose ng sakit. Paggatas ng mga baka. Pagmamaneho ng mga sasakyan. Karaniwang panalo ang robot. Ang gusto kong makita ay si Watson na nagpapagatas ng baka habang nagmamaneho ng kotse at naglalaro ng Jeopardy. ngayon, na magiging trifecta. Hindi man lang mahahanap ng mga tao ang kanilang mga sigarilyo habang nagmamaneho sila nang hindi naaksidente.

Ang IQ ng AI

Niloko ng isang makina. Hinala ko hindi ako nag-iisa. Naisip ko, kung ito ay estado ng sining, gaano katalino ang mga bagay na ito? Maaari ba nating ihambing ang katalinuhan ng isang tao sa isang makina?

Sinusuri ng mga siyentipiko kakayahan ng mga sistema na matuto at mangatwiran. Sa ngayon, hindi pa nagawa ng mga sintetikong tao ang tunay na bagay. Ginagamit ng mga mananaliksik ang mga pagkukulang upang matukoy ang mga puwang upang mas maunawaan natin kung saan kailangang gumawa ng karagdagang pag-unlad at pag-unlad.

Para lang hindi mo makaligtaan ang punto at makalimutan kung ano ang kinakatawan ng “I” sa AI, nabuo na ngayon ng mga marketer ang terminong Smart AI.

Sentient ba ang AI?

May damdamin ba ang mga robot? Maaari bang maranasan ng mga computer emotions? Hindi. Mag-move on na tayo. Kung gusto mo basahin tungkol dito, sinasabi ng isang (dating) Google engine na ang modelo ng AI na ginagawa ng Google ay nararamdaman. Nagkaroon siya ng nakakatakot na pakikipag-chat sa isang bot na kumbinsido sa kanya na ang computer ay may damdamin. Ang computer ay nangangamba sa buhay nito. Hindi ako makapaniwala na sinulat ko ang pangungusap na iyon. Ang mga computer ay walang buhay na dapat katakutan. Hindi makapag-isip ang mga kompyuter. Ang mga algorithm ay hindi iniisip.

Hindi ako magtataka, gayunpaman, kung ang isang computer ay tumugon sa isang utos sa malapit na hinaharap na may: "Paumanhin, Dave, hindi ko magagawa iyon."

Saan Nabigo ang AI?

O, mas tiyak, bakit nabigo ang mga proyekto ng AI? Nabigo sila para sa parehong mga kadahilanan na palaging nabigo ang mga proyekto ng IT. Nabigo ang mga proyekto dahil sa maling pamamahala, o pagkabigo sa pamamahala ng oras, saklaw o badyet..:

• Hindi malinaw o hindi natukoy na paningin. Mahina ang diskarte. Maaaring narinig mo na ang management na nagsasabing, "Kailangan lang nating suriin ang kahon." Kung hindi matukoy ang panukalang halaga, hindi malinaw ang layunin.
• Hindi makatotohanang mga inaasahan. Ito ay maaaring dahil sa hindi pagkakaunawaan, mahinang komunikasyon, o hindi makatotohanang pag-iiskedyul. Ang hindi makatotohanang mga inaasahan ay maaari ring magmula sa kakulangan ng pag-unawa sa mga kakayahan at pamamaraan ng AI tool.
• Hindi katanggap-tanggap na mga kinakailangan. Ang mga kinakailangan sa negosyo ay hindi mahusay na tinukoy. Ang mga sukatan para sa tagumpay ay hindi malinaw. Gayundin sa kategoryang ito ay ang undervaluing ng mga empleyado na nauunawaan ang data.
• Mga proyektong walang budget at minamaliit. Ang mga gastos ay hindi pa ganap at obhetibong natantiya. Ang mga contingencies ay hindi binalak at inaasahan. Minamaliit ang kontribusyon sa oras ng mga tauhan na masyadong abala.
• Hindi inaasahang pangyayari. Oo, nangyayari ang pagkakataon, ngunit sa palagay ko ito ay nasa ilalim ng hindi magandang pagpaplano.

Tingnan din, ang aming nakaraang post 12 Mga Dahilan ng Pagkabigo sa Analytics at Business Intelligence.

Ang AI, ngayon, ay napakalakas at makakatulong sa mga kumpanya na makamit ang napakalaking tagumpay. Kapag nabigo ang mga inisyatiba ng AI, ang pagkabigo ay halos palaging matutunton sa isa sa itaas.

Nasaan ang AI Excel?

Ang AI ay mahusay sa paulit-ulit, kumplikadong mga gawain. (Upang maging patas, maaari rin itong gumawa ng mga simple, hindi paulit-ulit na gawain. Ngunit, mas mura kung gawin ito ng iyong preschooler.) Mahusay sa paghahanap ng mga pattern at relasyon, kung mayroon man, sa napakaraming data.

• Mahusay na gumagana ang AI kapag naghahanap ng mga kaganapan na hindi tumutugma sa mga partikular na pattern.
  • Pag-tiktik credit card pandaraya ay tungkol sa paghahanap ng mga transaksyon na hindi sumusunod sa mga pattern ng paggamit. Ito ay may posibilidad na magkamali sa panig ng pag-iingat. Nakatanggap ako ng mga tawag mula sa aking credit card na may labis na masigasig na algorithm noong pinunan ko ng gas ang aking rental car sa Dallas at pagkatapos ay pinunan ko ang aking personal na kotse sa Chicago. Ito ay legit, ngunit hindi pangkaraniwan upang ma-flag.

"american Express nagpoproseso ng $1 trilyon sa mga transaksyon at mayroong 110 milyong AmEx card na gumagana. Lubos silang umaasa sa data analytics at machine learning algorithm upang tumulong sa pagtuklas ng panloloko sa malapit na real time, samakatuwid ay nakakatipid ng milyun-milyong pagkalugi."

• Panloloko at pang-aabuso sa parmasyutiko. Ang mga system ay makakahanap ng hindi pangkaraniwang mga pattern ng pag-uugali batay sa maraming naka-program na mga panuntunan. Halimbawa, kung ang isang pasyente ay nakakita ng tatlong magkakaibang doktor sa paligid ng bayan sa parehong araw na may mga katulad na reklamo ng pananakit, maaaring kailanganin ng karagdagang pagsisiyasat upang maalis ang pang-aabuso.
• AI sa healthcare ay nagkaroon ng ilang mahuhusay na tagumpay.
  • Itinuro ang AI at malalim na pag-aaral na ihambing ang X-ray sa mga normal na natuklasan. Nagawa nitong dagdagan ang trabaho ng mga radiologist sa pamamagitan ng pag-flag ng mga abnormalidad para suriin ng isang radiologist.
• Mahusay na gumagana ang AI sosyal at pamimili. Ang isang dahilan kung bakit nakikita natin ito nang labis ay ang mababang panganib. Ang panganib ng pagiging mali ng AI at pagkakaroon ng malubhang kahihinatnan ay mababa.
• • Kung nagustuhan/nabili mo ito, sa tingin namin magugustuhan mo na ito. Mula sa Amazon hanggang Netflix at YouTube, lahat sila ay gumagamit ng ilang paraan ng pagkilala sa pattern. Isinasaalang-alang ng Instagram AI ang iyong mga pakikipag-ugnayan upang ituon ang iyong feed. Ito ay may posibilidad na pinakamahusay na gumana kung mailalagay ng algorithm ang iyong mga kagustuhan sa isang bucket o grupo ng iba pang mga user na gumawa ng mga katulad na pagpipilian, o kung ang iyong mga interes ay makitid.
  • Nasiyahan ang AI sa ilang tagumpay sa facial recognition. Nagagawa ng Facebook na makilala ang isang dating naka-tag na tao sa isang bagong larawan. Ang ilang mga sistema ng pagkilala sa mukha na nauugnay sa maagang seguridad ay nalinlang ng mga maskara.
• Nasiyahan ang AI sa mga tagumpay sa pagsasaka gamit ang machine learning, IoT sensor at konektadong system.
  • Tinulungan ng AI matalinong traktora magtanim at mag-ani ng mga bukirin upang mapakinabangan ang ani, mabawasan ang pataba at mapabuti ang mga gastos sa produksyon ng pagkain.
  • Sa mga punto ng data mula sa mga 3-D na mapa, mga sensor ng lupa, mga drone, mga pattern ng panahon, pinangangasiwaan machine learning nakakahanap ng mga pattern sa malalaking set ng data upang mahulaan ang pinakamahusay na oras upang magtanim ng mga pananim at mahulaan ang mga ani bago pa man sila itanim.
  • Mga bukid na pagawaan ng gatas gumamit ng mga robot ng AI para magkaroon ng gatas ng baka ang kanilang sarili, sinusubaybayan din ng AI at machine learning ang mga vital sign, aktibidad, pagkain at tubig ng baka para mapanatili silang malusog at kontento.
  • Sa tulong ng AI, magsasaka na mas mababa sa 2% ng populasyon ay nagpapakain ng 300 milyon sa natitirang bahagi ng USA.
  • Artipisyal na Katalinuhan sa Agrikultura

Mayroon ding magagandang kwento ng AI tagumpay sa mga industriya ng serbisyo, tingian, media at pagmamanupaktura. Ang AI talaga ay nasa lahat ng dako.

Naihambing ang Mga Lakas at Kahinaan ng AI

Ang matibay na pag-unawa sa mga kalakasan at kahinaan ng AI ay maaaring mag-ambag sa tagumpay ng iyong mga inisyatiba sa AI. Tandaan din, na ang mga kakayahan na kasalukuyang nasa kanang hanay ay mga pagkakataon. Ito ang mga lugar kung saan kasalukuyang umuunlad ang mga vendor at bleeding edge adopter. Titingnan natin ang mga kakayahan na kasalukuyang hinahamon muli ang AI sa isang taon at idokumento ang left-shift. Kung pag-aaralan mong mabuti ang sumusunod na tsart, hindi ako magtataka kung may ilang paggalaw sa pagitan ng oras na isinulat ko ito at sa oras na ito ay nai-publish.

Ano ang Kinabukasan ng AI?

Kung ang AI ay mas matalino, maaari nitong hulaan kung ano ang hinaharap. Malinaw na marami misconceptions tungkol sa kung ano ang magagawa at hindi maaaring gawin ng AI. marami maling akala at AI illiteracy ay ang resulta ng tech marketing over-hyping umiiral na mga kakayahan. Ang AI ay kahanga-hanga para sa kung ano ang magagawa nito ngayon. Hinuhulaan ko na marami sa mga kahinaan sa kanang hanay ay lilipat sa kaliwa at magiging mga lakas sa susunod na 2 o 3 taon.

[Pagkatapos kong matapos ang artikulong ito, iniharap ko ang nakaraang talata sa OpenAI, isang open AI platform language generator. Maaaring nakita mo na ang ilan sa mga sining na nabuo ng DALL-E nito. Gusto kong malaman kung ano ang iniisip nito tungkol sa hinaharap ng AI. Narito kung ano ang sinabi nito. ]

Ang hinaharap ng AI ay hindi tungkol sa pagbili ng ilang mga server at pag-install ng isang off-the-shelf na software package. Ito ay tungkol sa paghahanap at pagkuha ng mga tamang tao, pagbuo ng tamang team, at paggawa ng mga tamang pamumuhunan sa parehong hardware at software.

Ang ilang potensyal na tagumpay ng AI sa susunod na ilang taon ay kinabibilangan ng:

• Ang pagtaas ng katumpakan ng mga hula at rekomendasyon
• Pagpapabuti ng mga proseso ng paggawa ng desisyon
• Pabilisin ang pananaliksik at pag-unlad
• Tumutulong na i-automate at i-optimize ang mga proseso ng negosyo

Gayunpaman, mayroon ding ilang potensyal na pagkabigo ng AI na dapat malaman ng mga negosyo, gaya ng:

• Ang sobrang pag-asa sa AI na humahantong sa mga suboptimal na desisyon
• Kakulangan ng pag-unawa sa kung paano gumagana ang AI na humahantong sa maling paggamit
• Bias sa data na ginagamit upang sanayin ang mga modelo ng AI na humahantong sa mga hindi tumpak na resulta
• Mga alalahanin sa seguridad at privacy tungkol sa data na ginagamit para sanayin ang mga modelo ng AI

Kaya, ano ang ibig sabihin nito para sa mga negosyong namumuhunan sa AI upang madagdagan ang kanilang tradisyonal na analytics? Ang maikling sagot ay, walang mga short-cut. Nabigo ang 85% ng mga inisyatiba ng AI. Kapansin-pansin, ito ay katulad ng madalas na sinipi na mga istatistika na nauugnay sa tradisyonal na mga proyekto ng IT at BI. Ang parehong pagsusumikap na palaging kinakailangan bago ka makakuha ng halaga mula sa analytics ay dapat pa ring gawin. Ang pananaw ay dapat umiral, makatotohanan at makakamit. Ang maruming gawain ay paghahanda ng data, pag-aaway ng data at paglilinis ng data. Ito ay palaging kailangang gawin. Sa pagsasanay ng AI, higit pa. Sa kasalukuyan ay walang mga shortcut sa interbensyon ng tao. Ang mga tao ay kinakailangan pa ring tukuyin ang mga algorithm. Kinakailangan ng mga tao na tukuyin ang "tamang" sagot.

Sa buod, para maging matagumpay ang AI, kailangan ng mga tao na:

• Itatag ang imprastraktura. Ito ay mahalagang pagtatatag ng mga hangganan kung saan gagana ang AI. Ito ay tungkol sa kung ang pundasyon ay maaaring suportahan ang hindi nakaayos na data, blockchain, IoT, naaangkop na seguridad.
• Tulong sa pagtuklas. Hanapin at tukuyin ang pagkakaroon ng data. Ang data upang sanayin ang AI ay dapat na umiiral at magagamit.
• I-curate ang data. Kapag ipinakita ang isang malaking set ng data at, dahil dito, isang malaking bilang ng mga potensyal na resulta, maaaring kailanganin ang isang eksperto sa domain upang suriin ang mga resulta. Kasama rin sa curation ang pagpapatunay ng konteksto ng data.

Upang humiram ng parirala mula sa mga data scientist, para sa mga kumpanya na maging matagumpay sa AI, upang makapagdagdag ng halaga sa mga umiiral na kakayahan sa analytics, kailangan nilang paghiwalayin ang signal mula sa ingay, ang mensahe mula sa hype.

Pitong taon na ang nakalilipas, ang IBM's Ginni Rometty may sinabi tulad ng, Watson Health [AI] ang aming moonshot. Sa madaling salita, ang AI - ang katumbas ng isang lunar landing - ay isang inspirational, achievable, stretch goal. Hindi yata tayo nakarating sa buwan. Pa. Ang IBM, at marami pang ibang kumpanya ay patuloy na nagsusumikap patungo sa layunin ng transformative AI.

Kung AI ang buwan, nakikita ang buwan at mas malapit ito kaysa dati.