Zawartość
- AI w cyklu hype
- Tak daleko, nie tak dobrze
- Bez błędów, bez stresu - Twój przewodnik krok po kroku do tworzenia oprogramowania zmieniającego życie bez niszczenia życia
- Wszystko zależy od danych
Źródło: charles taylor / iStockphoto
Na wynos:
Istnieje wiele szumu na temat sztucznej inteligencji, jak bardzo jest inteligentna?
Sztuczna inteligencja przyciągnęła tak wiele uwagi w kręgach przedsiębiorstw, że wielu liderów IT może usprawiedliwić myślenie, że dostarczy wszystkich odpowiedzi na coraz bardziej złożony ekosystem danych. Ale choć z pewnością może on wprowadzić wiele znaczących ulepszeń do istniejącej technologii, można również powiedzieć, że niektóre oczekiwania dotyczące jej skuteczności są przesadzone.
W rzeczywistości stosunkowo mało rozumie się, czym jest AI, jak ona naprawdę działa i co może zrobić. Prowadzi to do szerokich nieporozumień dotyczących jego roli w przedsiębiorstwie i sposobu, w jaki odniesie się on do istniejącej infrastruktury i ludzi, którzy nią zarządzają.
AI w cyklu hype
Zgodnie z najnowszym cyklem Hype firmy Gartner kluczowe podzbiory sztucznej inteligencji, takie jak głębokie uczenie się, uczenie maszynowe i przetwarzanie poznawcze, znajdują się na szczycie krzywej piku nadmuchanych oczekiwań, co oznacza, że znajdują się u progu długiego ześlizgu w dolinie rozczarowania. Chociaż jest to równoznaczne z kursem praktycznie każdej przełomowej technologii w ciągu ostatnich 30 lat, wskazuje na fakt, że przewidywany wpływ sztucznej inteligencji w przedsiębiorstwie, który został uzyskany głównie z kontrolowanych testów laboratoryjnych, niedługo zacznie działać w rzeczywistości środowiska produkcyjnego. (Sprawdź historię innowacji komputerowych w „Od Ada Lovelace do głębokiego uczenia się”).
Niemniej jednak badacz firmy Gartner, Mike Walker, spodziewa się, że sztuczna inteligencja stanie się wszechobecna w ciągu następnej dekady dzięki połączeniu zaawansowanej mocy obliczeniowej, co prowadzi do opracowania takich konstrukcji, jak sieć neuronowa, i sam fakt, że obciążenie danymi przedsiębiorstwa stało się tak ogromne i tak złożone, że operatorzy nie mogą już sobie poradzić samodzielnie.
Jedną z pierwszych rzeczy, które przedsiębiorstwo musi zrozumieć na temat sztucznej inteligencji, jest to, że gra szybko i swobodnie z terminem „inteligencja”. Jak niedawno wyjaśnił ZDnet szwajcarski neurobiolog Pascal Kaufmann, istnieją głębokie różnice w sposobie, w jaki algorytm komputerowy i ludzki mózg przetwarzać informacje, aby dojść do wniosku. Biorąc pod uwagę wystarczającą moc obliczeniową, algorytm komputerowy może porównać miliony, miliardy, a może nawet tryliony zestawów danych, aby dokonać prostego ustalenia, na przykład czy obraz kota rzeczywiście jest obrazem kota. Ale nawet małe dziecko, mając bardzo mało danych, może instynktownie stwierdzić, że jest kotem i na zawsze dowie się, co to jest kot i jak wygląda.
Według tego standardu nawet wiodący przykład sztucznej inteligencji w pracy - opanowanie przez Google DeepMind gry strategicznej AlphaGo Go - nie było tak naprawdę sztuczną inteligencją, ale przekrojem dużych zbiorów danych, analiz i automatyzacji, które były w stanie zracjonalizować podejście oparte na regułach do wygrania. Co ciekawe, Kaufmann dodaje, że prawdziwy przykład sztucznej inteligencji byłby, gdyby AlphaGo wymyślił, jak oszukiwać, aby wygrać. Aby to zrobić, nauka musi jednak najpierw złamać „kod mózgu”, który napędza naszą zdolność do przetwarzania informacji, odzyskiwania wiedzy i przechowywania wspomnień. (Dowiedz się więcej o automatyzacji dzięki Automation: przyszłość nauki o danych i uczenia maszynowego?)
Tak daleko, nie tak dobrze
Rzeczywiście, pomimo obaw, że AI zamierza przejąć pracę wszystkich, dotychczasowe wyniki są niemal komiczne. Fani „Gry o tron” George'a R.R. Martina są tak niecierpliwi w następnej odsłonie serii, że wielu zgromadziło się w rozdziale niemal czystego gobbledygooka napisanego przez formę AI zwaną nawracającą siecią neuronową. Tymczasem IBM bierze ataki od badaczy onkologii, którym powiedziano, że Watson zapoczątkuje nową erę w diagnozowaniu i leczeniu, ale nadal walczy tylko o rozróżnienie między podstawowymi formami raka. Biorąc pod uwagę tę historię, jest całkiem możliwe, że kiedy AI zostanie po raz pierwszy wprowadzone do typowego przedsiębiorstwa, prawdopodobnie będzie wymagać większego wysiłku ze strony ludzkich operatorów tylko w celu śledzenia i monitorowania wszystkich popełnianych błędów.
Bez błędów, bez stresu - Twój przewodnik krok po kroku do tworzenia oprogramowania zmieniającego życie bez niszczenia życia
Nie możesz poprawić swoich umiejętności programistycznych, gdy nikt nie dba o jakość oprogramowania.
Ale oto pocieranie: AI z czasem poprawi się bez konieczności przeprogramowywania. Jak niedawno powiedział badaczowi technicznemu Cornell Tech Daniel Huttenlocker, Tech Crunch, AI jest bardziej prawdopodobne, że wyprze tradycyjne oprogramowanie - i wszystkie te nieznośne łaty, aktualizacje i poprawki, których wymaga - niż operatorzy. Nie oznacza to, że sztuczna inteligencja nie musi być programowana, ale że podejście jest znacznie uproszczone. W dzisiejszym oprogramowaniu programista musi zdefiniować nie tylko zadanie do rozwiązania, ale także dokładne kroki, które należy wykonać. W przypadku AI wszystko, co jest potrzebne, to cel, a oprogramowanie powinno być w stanie obsłużyć resztę, pod warunkiem, że ma odpowiednie dane do pracy.
Wszystko zależy od danych
Ta ostatnia kwestia jest kluczowa, ponieważ pod koniec dnia AI jest po prostu algorytmem, a algorytmy są tak dobre, jak dane, które są zasilane. Oznacza to, że oprócz zbudowania odpowiednich ram operacyjnych sztucznej inteligencji, przedsiębiorstwo będzie musiało stworzyć dość energiczne środowisko warunkowania danych, aby wyniki analiz opierały się na dokładnych informacjach. Jak powiedział niedawno Forbes dyrektor generalny ActiveCampaign, Jason VandeBoom, stary nadal obowiązują zasady „śmieci w równości śmieci”, więc może minąć trochę czasu, zanim organizacje zobaczą prawdziwe korzyści z inwestycji w sztuczną inteligencję.
Biorąc to wszystko pod uwagę, przedsiębiorstwo nie powinno oczekiwać, że sztuczna inteligencja zapewni szybkie rozwiązanie pojawiających się wyzwań związanych z Big Data i Internetem Rzeczy. Krzywa uczenia się zarówno ludzi, jak i maszyn może być dość długa, a wyniki są co najwyżej niepewne.
Ale jeśli wszystko pójdzie zgodnie z planem, zarówno przedsiębiorstwo, jak i pracownicy wiedzy powinni uzyskać znaczne korzyści na dłuższą metę. Pomyśl o najbardziej przyziemnym, żmudnym i czasochłonnym zadaniu, które w tej chwili spowalnia twoje procesy i wyobraź sobie, że nigdy nie będziesz musiał ich więcej wykonywać.