Hóa ra là có, nhưng vừa đủ

AI có mặt ở khắp mọi nơi. Một trong những nơi phổ biến nhất cho AI trong gia đình ngày nay là điện thoại thông minh, nhà thông minh và thiết bị gia dụng. Gần đây, khi ngồi ăn tối, chúng tôi đã có một cuộc trò chuyện với Alexa diễn ra như sau:

Me: Alexa, phát các điểm nổi bật của Cubs. [Đây là một tính năng được quảng cáo trên màn hình chính của Alexa. Yêu cầu Alexa phát điểm nổi bật cho đội yêu thích của bạn.]

Alexa: Tôi đã tìm thấy một cái gì đó trên web. [Tôi biết khi Alexa bắt đầu như thế này, có một vấn đề. Nó sẽ không diễn ra tốt đẹp. Alexa hiển thị danh sách một số video. Đúng vậy, hầu hết trong số đó là các video về bóng chày với các cầu thủ đã chơi xuất sắc trong 5 năm qua. Lỗi của tôi. Thử lại.]

Me: Alexa, cho tôi xem các điểm nổi bật của trận đấu bóng chày Chicago Cubs mới nhất. [Tôi hy vọng nó không phát hiện ra giọng điệu trịch thượng vì tôi nhận lỗi vì nó không thể hiểu yêu cầu của tôi.]

Alexa: Điểm nổi bật cho trò chơi Chicago Cubs sẽ có sẵn sau hai giờ sau khi trò chơi kết thúc. [Tiến triển. Tôi không biết rằng họ có thể chơi vào lúc này. May mắn là về phía tôi. Tôi đột nhiên hy vọng.]

Me: Alexa, hãy cho tôi xem những điểm nổi bật của ngày hôm qua. [Vâng, sự thất vọng của tôi đang bắt đầu bộc lộ. Tôi gần như phá vỡ mật mã. Tôi có thể thưởng thức gần hết nó.]

Alexa: Tôi xin lỗi, tôi không biết cái đó. [Nó nói điều này quá thường xuyên. Có lẽ tôi không rõ ràng.]

Tôi: Bạn đang đùa tôi đấy à? Phát, video nổi bật cho trận bóng chày Major League giữa Chicago Cubs và Pittsburgh Pirates vào Thứ Hai ngày 25 tháng 2022 năm XNUMX tại Wrigley Field. [Lần này tôi tự tin rằng tôi đã đóng đinh nó. Tôi đã đưa ra một yêu cầu cụ thể, rõ ràng, đó là một kỹ năng mà tôi biết Alexa có. Nó đã làm điều này trước đây. ]

Alexa: [Im lặng. Không. Không phản hồi. Tôi đã quên nói từ đánh thức kỳ diệu, Alexa.]

Sản phẩm IQ trung bình của một người 18 tuổi là khoảng 100. Chỉ số IQ trung bình của một con người 6 tuổi là 55. Chỉ số IQ của Google AI được đánh giá là 47. Chỉ số IQ của Siri ước tính là 24. Bing và Baidu ở độ tuổi 30. Tôi không tìm thấy đánh giá chỉ số IQ của Alexa, nhưng trải nghiệm của tôi giống như nói chuyện với một đứa trẻ mẫu giáo.

Một số người có thể nói, không công bằng khi cho máy tính làm bài kiểm tra IQ. Nhưng, đó hoàn toàn là vấn đề. Lời hứa của AI là làm những gì con người làm, chỉ tốt hơn. Cho đến nay, mỗi cuộc đối đầu - hay chúng ta có thể nói, mạng nơ-ron đến mạng nơ-ron –challenge đều rất được chú trọng. Chơi cờ vua. Chẩn đoán bệnh. Bò sữa. Lái xe ô tô. Robot thường thắng. Những gì tôi muốn xem là Watson vắt sữa bò trong khi lái xe hơi và chơi Jeopardy. Hiện nay, việc này sẽ là bộ ba. Con người thậm chí không thể tìm thuốc lá khi đang lái xe mà không bị tai nạn.

IQ của AI

Vượt trội bởi một cỗ máy. Tôi nghi ngờ tôi không đơn độc. Tôi phải nghĩ, nếu đây là hiện đại, thì những thứ này thông minh đến mức nào? Chúng ta có thể so sánh trí thông minh của con người với một cỗ máy không?

Các nhà khoa học đang đánh giá khả năng học hỏi và suy luận của hệ thống. Cho đến nay, con người tổng hợp đã không làm tốt như thật. Các nhà nghiên cứu đang sử dụng những thiếu sót để xác định những khoảng trống để chúng tôi hiểu rõ hơn về những nơi cần phải tiến hành và phát triển thêm.

Để bạn không bỏ lỡ vấn đề và quên mất cái “tôi” trong AI đại diện cho điều gì, các nhà tiếp thị hiện đã đặt ra thuật ngữ AI thông minh.

AI Sentient?

Người máy có cảm xúc không? Máy tính có thể trải nghiệm emotions? Không. Hãy tiếp tục. Nếu bạn muốn đọc về nó, một (trước đây) công cụ của Google tuyên bố mô hình AI mà Google đang làm việc là có tri giác. Anh ta đã có một cuộc trò chuyện rùng rợn với một con bot thuyết phục anh ta rằng máy tính có cảm xúc. Máy tính lo sợ cho cuộc sống của nó. Tôi thậm chí không thể tin rằng tôi đã viết câu đó. Máy tính không có cuộc sống để sợ hãi. Máy tính không thể suy nghĩ. Các thuật toán không được suy nghĩ.

Tuy nhiên, tôi sẽ không ngạc nhiên nếu một máy tính phản hồi một lệnh trong tương lai gần với: "Tôi xin lỗi, Dave, tôi không thể làm điều đó."

AI thất bại ở đâu?

Hay chính xác hơn là tại sao các dự án AI lại thất bại? Họ thất bại vì những lý do tương tự mà các dự án CNTT luôn thất bại. Các dự án thất bại do quản lý yếu kém, hoặc không quản lý được thời gian, phạm vi hoặc ngân sách ..:

• Tầm nhìn không rõ ràng hoặc không xác định. Chiến lược kém. Bạn có thể đã nghe quản lý nói, "Chúng tôi chỉ cần chọn hộp." Nếu mệnh đề giá trị không thể được xác định, mục đích không rõ ràng.
• Kỳ vọng không thực tế. Điều này có thể do hiểu nhầm, giao tiếp kém hoặc lập lịch trình không thực tế. Những kỳ vọng không thực tế cũng có thể xuất phát từ việc thiếu hiểu biết về các khả năng và phương pháp luận của các công cụ AI.
• Yêu cầu không thể chấp nhận được. Các yêu cầu kinh doanh không được xác định rõ ràng. Các số liệu cho sự thành công không rõ ràng. Cũng trong danh mục này là đánh giá thấp những nhân viên hiểu dữ liệu.
• Các dự án không có mục tiêu và bị đánh giá thấp. Chi phí chưa được ước tính đầy đủ và khách quan. Các dự phòng chưa được lên kế hoạch và dự đoán trước. Sự đóng góp về thời gian của những nhân viên vốn đã quá bận rộn đã bị đánh giá thấp.
• Những trường hợp không lường trước được. Có, cơ hội xảy ra, nhưng tôi nghĩ điều này nằm trong kế hoạch kém.

Xem thêm, bài viết trước của chúng tôi 12 lý do thất bại trong Analytics và Business Intelligence.

AI, ngày nay, rất mạnh mẽ và có thể giúp các công ty đạt được thành công to lớn. Khi các sáng kiến ​​AI thất bại, sự thất bại gần như luôn có thể bắt nguồn từ một trong những điều trên.

AI Excel ở đâu?

AI giỏi trong các nhiệm vụ lặp đi lặp lại, phức tạp. (Công bằng mà nói, nó cũng có thể thực hiện những công việc đơn giản, không lặp lại. Nhưng, sẽ rẻ hơn nếu để đứa trẻ mẫu giáo của bạn làm điều đó.) Nó rất giỏi trong việc tìm kiếm các mẫu và mối quan hệ, nếu chúng tồn tại, trong một lượng lớn dữ liệu.

• AI hoạt động tốt khi tìm kiếm các sự kiện không khớp với các mẫu cụ thể.
  • Phát hiện gian lận thẻ tín dụng là về việc tìm kiếm các giao dịch không tuân theo các kiểu sử dụng. Nó có xu hướng sai lầm ở khía cạnh thận trọng. Tôi đã nhận được các cuộc gọi từ thẻ tín dụng của mình với một thuật toán quá sốt sắng khi tôi đổ xăng cho chiếc ô tô thuê của mình ở Dallas và sau đó đổ đầy ô tô cá nhân của tôi ở Chicago. Nó là hợp pháp, nhưng đủ bất thường để bị gắn cờ.

"thẻ American Express xử lý 1 nghìn tỷ đô la giao dịch và có 110 triệu thẻ AmEx đang hoạt động. Họ chủ yếu dựa vào phân tích dữ liệu và các thuật toán học máy để giúp phát hiện gian lận trong thời gian gần thực, do đó tiết kiệm được hàng triệu USD ”.

• Lạm dụng và gian lận dược phẩm. Các hệ thống có thể tìm ra các kiểu hành vi bất thường dựa trên nhiều quy tắc được lập trình. Ví dụ, nếu một bệnh nhân gặp ba bác sĩ khác nhau quanh thị trấn trong cùng một ngày với những lời phàn nàn về cơn đau tương tự, thì có thể tiến hành điều tra bổ sung để loại trừ hành vi lạm dụng.
• AI trong chăm sóc sức khỏe đã có một số thành công xuất sắc.
  • AI và học sâu được dạy để so sánh tia X với những phát hiện bình thường. Nó có thể tăng cường công việc của các bác sĩ X quang bằng cách đánh dấu các bất thường để bác sĩ X quang kiểm tra.
• AI hoạt động tốt với xã hội và mua sắm. Một lý do tại sao chúng ta thấy điều này rất nhiều là rủi ro thấp. Nguy cơ AI bị sai và gây ra hậu quả nghiêm trọng là thấp.
• • Nếu bạn thích / đã mua điều này, chúng tôi nghĩ bạn sẽ thích cái này. Từ Amazon đến Netflix và YouTube, tất cả đều sử dụng một số hình thức nhận dạng mẫu. AI của Instagram xem xét các tương tác của bạn để tập trung nguồn cấp dữ liệu của bạn. Điều này có xu hướng hoạt động tốt nhất nếu thuật toán có thể đưa tùy chọn của bạn vào nhóm hoặc nhóm người dùng khác đã đưa ra lựa chọn tương tự hoặc nếu sở thích của bạn hạn hẹp.
  • AI đã đạt được một số thành công với nhận dạng khuôn mặt. Facebook có thể xác định một người đã được gắn thẻ trước đó trong một bức ảnh mới. Một số hệ thống nhận dạng khuôn mặt liên quan đến bảo mật ban đầu đã bị đánh lừa bởi mặt nạ.
• AI đã đạt được những thành công trong nông nghiệp sử dụng máy học, cảm biến IoT và các hệ thống được kết nối.
  • AI hỗ trợ máy kéo thông minh trồng và thu hoạch ruộng để tối đa hóa năng suất, giảm thiểu phân bón và cải thiện chi phí sản xuất lương thực.
  • Với các điểm dữ liệu từ bản đồ 3-D, cảm biến đất, máy bay không người lái, kiểu thời tiết, được giám sát học máy tìm các mẫu trong tập dữ liệu lớn để dự đoán thời điểm tốt nhất để trồng cây và dự đoán năng suất trước khi chúng được trồng.
  • Trang trại bò sữa sử dụng robot AI để tự vắt sữa bò, AI và máy học cũng theo dõi các dấu hiệu quan trọng, hoạt động, lượng thức ăn và nước uống của con bò để giữ cho chúng khỏe mạnh và hài lòng.
  • Với sự trợ giúp của AI, nông dân ít hơn 2% dân số nuôi 300 triệu người ở phần còn lại của Hoa Kỳ.
  • Trí tuệ nhân tạo trong nông nghiệp

Ngoài ra còn có những câu chuyện tuyệt vời về AI thành công trong các ngành dịch vụ, bán lẻ, truyền thông và sản xuất. AI thực sự ở khắp mọi nơi.

Điểm mạnh và điểm yếu của AI tương phản

Sự hiểu biết vững chắc về điểm mạnh và điểm yếu của AI có thể góp phần vào sự thành công của các sáng kiến ​​AI của bạn. Cũng nên nhớ rằng các khả năng hiện ở cột bên phải là cơ hội. Đây là những lĩnh vực mà các nhà cung cấp và những người chấp nhận có lợi thế hiện đang đạt được tiến bộ. Chúng tôi sẽ xem xét các khả năng hiện đang thách thức AI một lần nữa trong một năm và ghi lại sự thay đổi bên trái. Nếu bạn nghiên cứu kỹ biểu đồ sau, tôi sẽ không ngạc nhiên nếu có một số chuyển động giữa thời điểm tôi viết bài này và thời điểm nó được xuất bản.

Tương lai của AI là gì?

Nếu AI thông minh hơn, nó có thể dự đoán tương lai sẽ như thế nào. Rõ ràng là có rất nhiều quan niệm sai lầm về những gì AI có thể và không thể làm. Nhiều quan niệm sai lầm và sự mù chữ của AI là kết quả của việc tiếp thị công nghệ thổi phồng quá mức các khả năng hiện có. AI thật ấn tượng với những gì nó có thể làm được ngày nay. Tôi dự đoán rằng nhiều điểm yếu ở cột bên phải sẽ chuyển sang bên trái và trở thành điểm mạnh trong 2 hoặc 3 năm tới.

[Sau khi tôi hoàn thành bài viết này, tôi đã trình bày đoạn trước cho OpenAI, một trình tạo ngôn ngữ nền tảng AI mở. Bạn có thể đã thấy một số nghệ thuật được tạo ra bởi DALL-E của nó. Tôi muốn biết nó nghĩ gì về tương lai của AI. Đây là những gì nó phải nói. ]

Tương lai của AI không phải là mua một vài máy chủ và cài đặt một gói phần mềm bán sẵn. Đó là về việc tìm kiếm và thuê đúng người, xây dựng đội ngũ phù hợp và đầu tư đúng vào cả phần cứng và phần mềm.

Một số thành công tiềm năng của AI trong vài năm tới bao gồm:

• Tăng độ chính xác của các dự đoán và khuyến nghị
• Cải thiện quy trình ra quyết định
• Đẩy nhanh nghiên cứu và phát triển
• Giúp tự động hóa và tối ưu hóa các quy trình kinh doanh

Tuy nhiên, cũng có một số thất bại tiềm ẩn của AI mà các doanh nghiệp cần lưu ý, chẳng hạn như:

• Phụ thuộc quá nhiều vào AI dẫn đến các quyết định không tối ưu
• Thiếu hiểu biết về cách thức hoạt động của AI dẫn đến việc sử dụng sai mục đích
• Sự sai lệch trong dữ liệu được sử dụng để đào tạo các mô hình AI dẫn đến kết quả không chính xác
• Mối quan tâm về bảo mật và quyền riêng tư xung quanh dữ liệu được sử dụng để đào tạo các mô hình AI

Vì vậy, điều này có ý nghĩa gì đối với các doanh nghiệp đầu tư vào AI để bổ sung cho phân tích truyền thống của họ? Câu trả lời ngắn gọn là, không có đường tắt. 85% sáng kiến ​​AI thất bại. Điều thú vị là điều này tương tự như thống kê được trích dẫn liên quan đến các dự án CNTT và BI truyền thống. Công việc khó khăn luôn được yêu cầu trước khi bạn có thể nhận được giá trị từ phân tích vẫn phải được thực hiện. Tầm nhìn phải tồn tại, thực tế và có thể đạt được. Công việc bẩn thỉu là chuẩn bị dữ liệu, quấn dữ liệu và làm sạch dữ liệu. Điều này sẽ luôn luôn cần được thực hiện. Trong việc đào tạo AI, thậm chí còn hơn thế nữa. Hiện tại không có đường tắt nào cho sự can thiệp của con người. Con người vẫn được yêu cầu để xác định các thuật toán. Con người được yêu cầu xác định câu trả lời "đúng".

Tóm lại, để AI thành công, con người cần:

• Thiết lập cơ sở hạ tầng. Đây thực chất là thiết lập ranh giới mà AI sẽ hoạt động. Đó là về việc liệu nền tảng có thể hỗ trợ dữ liệu phi cấu trúc, blockchain, IoT, bảo mật phù hợp hay không.
• Hỗ trợ khám phá. Tìm và xác định tính khả dụng của dữ liệu. Dữ liệu để đào tạo AI phải tồn tại và có sẵn.
• Sắp xếp dữ liệu. Khi được trình bày với một tập dữ liệu lớn và do đó, một số lượng lớn các kết quả tiềm năng, một chuyên gia miền có thể được yêu cầu để đánh giá kết quả. Việc sắp xếp cũng sẽ bao gồm việc xác nhận ngữ cảnh dữ liệu.

Có thể mượn một cụm từ từ các nhà khoa học dữ liệu, để các công ty thành công với AI, để có thể gia tăng giá trị cho các khả năng phân tích hiện có, họ cần có khả năng tách tín hiệu khỏi tiếng ồn, thông điệp khỏi sự cường điệu.

Bảy năm trước, IBM's Ginni Rometty đã nói điều gì đó như, Watson Health [AI] là bức ảnh chụp mặt trời của chúng tôi. Nói cách khác, AI - tương đương với một cuộc đổ bộ lên mặt trăng - là một mục tiêu đầy cảm hứng, có thể đạt được và kéo dài. Tôi không nghĩ rằng chúng ta đã hạ cánh trên mặt trăng. Nhưng. IBM và nhiều công ty khác tiếp tục làm việc để hướng tới mục tiêu là AI có khả năng biến đổi.

Nếu AI là mặt trăng, thì mặt trăng đang ở trong tầm nhìn và nó gần hơn bao giờ hết.