Sisu
- AI hüpetsüklis
- Siiani, mitte nii hea
- Pole vigu ega stressi - teie samm-sammuline juhend elumuutva tarkvara loomiseks ilma oma elu hävitamata
- See kõik on andmetel hingedega
Allikas: charles taylor / iStockphoto
Ära võtma:
Theres on tehisintellekti osas palju hüpoteesi, kui intelligentne see on?
Tehisintellekt on ettevõtlusringides pälvinud nii palju tähelepanu, et paljusid IT-juhte võib vabandada, kui nad arvavad, et see pakub kõik vastused üha keerukamale andmeökosüsteemile. Kuid kuigi sellel on kindlasti potentsiaali olemasoleva tehnoloogia oluliseks täiustamiseks, on õiglane ka öelda, et mõned selle tõhususega seotud ootused on ülepuhutud.
Tegelikult on suhteliselt vähe aru saada, mis asi AI on, kuidas see tegelikult toimib ja mida ta tegelikult teha saab. Ja see põhjustab ulatuslikke väärarusaamu, mis on seotud selle rolliga ettevõttes ja sellega, kuidas see seostub olemasoleva infrastruktuuri ja seda haldavate inimestega.
AI hüpetsüklis
Gartneri värskeima hüpetsükli järgi on sellised AI peamised alamkomplektid nagu sügav õppimine, masinõpe ja kognitiivne arvutamine tipptasemel pumbatud ootuste kõvera tipus, mis tähendab, et nad asuvad pika slaidi tipus pettumuse mõõtu. Ehkki see on võrdne praktiliselt iga häiriva tehnoloogiaga viimase 30 aasta jooksul, juhib see tähelepanu tõsiasjale, et AI prognoositav mõju ettevõttes, mis tulenes peamiselt kontrollitud laborikatsetest, on peagi arvesse võtmas tegelikkust tootmiskeskkonnast. (Vaadake arvutusuuringute ajalugu Ada Adalace'ist süvaõppeni.)
Sellegipoolest loodab Gartneri teadlane Mike Walker, et AI muutuks järgmisel kümnendil üldlevinuks arvutusvõimsuse suurendamise kombinatsiooni abil, mis viib selliste konstruktsioonide arendamiseni nagu närvivõrk ja ainuüksi asjaolu, et ettevõtte andmete koormus on muutunud nii tohutuks ja nii keeruline, et inimettevõtjad ei saa enam iseseisvalt hakkama.
Üks esimesi asju, mida ettevõte peab AI-st mõistma, on see, et see mängib terminit "intelligentsus" kiiresti ja lõdvalt. Nagu Šveitsi neuroteadlane Pascal Kaufmann hiljuti ZDnetile selgitas, on arvutialgoritmi ja inimese aju kasutamisel suuri erinevusi. töötlege teavet järelduse saamiseks. Piisava töötlemisvõimsuse korral saab arvutialgoritm võrrelda miljoneid, miljardeid, võib-olla isegi triljoneid andmekogumeid, et lihtsalt otsustada, näiteks kas kassi pilt on tõepoolest kassi pilt. Kuid isegi väike laps saab väga vähe andmeid arvestades instinktiivselt kindlaks teha, et see on kass ja saab igavesti teada, mis kass on ja kuidas ta välja näeb.
Selle standardi järgi polnud isegi tööl olev AI juhtiv näide - Google DeepMindi AlphaGo meisterlikkus strateegiamängus Go - tegelikult tehisintellekt, vaid suurandmete, analüütika ja automatiseerimise läbilõige, mis suutis reeglitele tuginevat lähenemist ratsionaliseerida kuni võitmiseni. Huvitaval kombel lisab Kaufmann, et tehisintellekti tõeline näide oleks siis, kui AlphaGo oleks välja mõelnud, kuidas võita. Kuid selleks peab teadus kõigepealt purustama ajukoodi, mis annab meile võimaluse töödelda teavet, hankida teadmisi ja talletada mälestusi. (Lisateave automatiseerimisega automatiseerimise kohta: andmeteaduste ja masinõppe tulevik?)
Siiani, mitte nii hea
Vaatamata kartustele, et AI kavatseb igaühe töö ära tunda, on senised tulemused peaaegu koomilised. George R. R. Martini filmi “Troonide mäng” fännid on sarja järgmise osa jaoks nii kannatamatud, et paljud tulid peatükki peaaegu puhtast gobbledygookist, mille kirjutas AI vorm, mida nimetatakse korduvaks närvivõrguks. Samal ajal võtab IBM onkoloogiauuringute uurijatelt, kellele öeldi, et Watson vabastab diagnoosimises ja ravis uue ajastu, kuid üritab selle asemel endiselt vahet teha vähivormide vahel. Seda kogemust arvestades on täiesti võimalik, et kui AI esmakordselt tavalises ettevõttes kasutusele võetakse, nõuab see tõenäoliselt operaatoritelt rohkem pingutusi, et jälgida ja jälgida kõiki tehtud vigu.
Pole vigu ega stressi - teie samm-sammuline juhend elumuutva tarkvara loomiseks ilma oma elu hävitamata
Programmeerimisoskust ei saa parandada, kui keegi tarkvara kvaliteedist ei hooli.
Kuid siin on hõõrumine: AI muutub aja jooksul paremaks, ilma et peaksite seda ümber programmeerima. Nagu Cornell Techi teadlane Daniel Huttenlocker hiljuti Tech Crunchile ütles, tõrjub AI tõenäolisemalt traditsioonilist tarkvara - ja kõiki selle jaoks vajalikke kiuslikke plaastreid, värskendusi ja parandusi - kui inimoperaatorid. See ei tähenda, et AI-d pole vaja programmeerida, vaid et lähenemisviisi on tohutult lihtsustatud. Tänapäevase tarkvara abil peab programmeerija määratlema mitte ainult lahendatava ülesande, vaid ka täpsed sammud selle lahendamiseks. AI-ga on kõik vajalik vajalik ja tarkvara peaks saama ülejäänutega hakkama, kui sellel on õigeid andmeid, millega töötada.
See kõik on andmetel hingedega
See viimane punkt on ülioluline, kuna päeva lõpuks on AI lihtsalt algoritm ja algoritmid on ainult nii head kui andmed, millele neid sisestatakse. See tähendab, et lisaks nõuetekohase AI operatiivraamistiku loomisele peab ettevõte looma ka üsna jõulise andmete konditsioneerimise keskkonna, nii et analüüsi tulemused põhineksid siseneval täpsel teabel. Nagu ActiveCampaigni tegevjuht Jason VandeBoom rääkis Forbesile hiljuti, kehtivad endiselt reeglid „prügi võrdub prügi välja viimisega”, nii et võib kuluda mõni aeg enne, kui organisatsioonid näevad oma AI-investeeringutest tõelisi eeliseid.
Kõike seda arvesse võttes ei peaks ettevõte eeldama, et AI pakub kiiret lahendust suurandmete ja asjade Interneti tekkivatele väljakutsetele. Nii inimeste kui ka masinate õppimiskõver on tõenäoliselt üsna pikk ja tulemused on parimal juhul ebakindlad.
Kuid kui see kõik plaanipäraselt õnnestub, peaksid pikas perspektiivis nägema nii ettevõte kui teadmistöötajad. Mõelge kõige Ilmalikumatele, tüütumatele ja aeganõudvamatele ülesannetele, mis aeglustavad teie protsesse praegu, ja kujutage ette, et te ei pea neid kunagi tegema.