Содержание
- AI в цикле обмана
- Пока не так хорошо
- Нет ошибок, нет стресса - ваше пошаговое руководство по созданию изменяющего жизнь программного обеспечения без разрушения вашей жизни
- Все зависит от данных
Источник: Чарльз Тейлор / iStockphoto
вынос:
Theres много шумихи по поводу искусственного интеллекта, насколько он интеллектуален?
Искусственный интеллект привлек такое большое внимание в корпоративных кругах, что многие ИТ-лидеры могут быть извинены за то, что считают, что он даст все ответы на все более сложную экосистему данных. Но, несмотря на то, что он, безусловно, обладает потенциалом для значительного улучшения существующей технологии, также справедливо сказать, что некоторые ожидания, связанные с его эффективностью, преувеличены.
На самом деле, существует относительно мало понимания того, что такое ИИ, как он на самом деле функционирует и что он на самом деле может делать. И это приводит к широкому заблуждению относительно его роли на предприятии и его отношения к существующей инфраструктуре и людям, которые ею управляют.
AI в цикле обмана
Согласно последнему циклу обмана Gartner, ключевые подмножества ИИ, такие как глубокое обучение, машинное обучение и когнитивные вычисления, находятся на вершине кривой пиковых завышенных ожиданий, что означает, что они находятся на пороге длинного скольжения в корыто разочарования. Хотя это является нормой практически для всех прорывных технологий за последние 30 лет, оно указывает на тот факт, что прогнозируемое влияние ИИ на предприятие, которое было получено в основном из контролируемых лабораторных испытаний, вот-вот свалится к реальности. производственной среды. (Ознакомьтесь с историей компьютерных инноваций от Ада Лавлейс до глубокого обучения.)
Тем не менее, исследователь Gartner Майк Уокер ожидает, что ИИ станет вездесущим в течение следующего десятилетия благодаря сочетанию передовых вычислительных мощностей, что приводит к разработке таких конструкций, как нейронная сеть, и сам факт того, что нагрузка на корпоративные данные стала настолько огромной и настолько сложный, что люди-операторы больше не могут справляться самостоятельно.
Одна из первых вещей, которую нужно понять предприятию об искусственном интеллекте, заключается в том, что он быстро и свободно использует термин «интеллект». Как недавно объяснил ZDnet швейцарский нейробиолог Паскаль Кауфманн, существуют глубокие различия в способах компьютерного алгоритма и человеческого мозга. обрабатывать информацию, чтобы прийти к заключению. Учитывая достаточную вычислительную мощность, компьютерный алгоритм может сравнивать миллионы, миллиарды, возможно, даже триллионы наборов данных, чтобы сделать простое определение, например, является ли изображение кошки действительно изображением кошки. Но даже маленький ребенок, учитывая очень мало данных, может инстинктивно определить, что это кошка и навсегда узнает, что такое кошка и как она выглядит.
По этому стандарту даже ведущим примером искусственного интеллекта в действии - мастерством AlphaGo в Google DeepMind в стратегической игре Go - был не просто искусственный интеллект, а сечение больших данных, аналитика и автоматизация, способная рационализировать подход, основанный на правилах. к победе. Интересно, что Кауфманн добавляет, что истинный пример искусственного интеллекта был бы, если бы АльфаГо понял, как обмануть, чтобы победить. Однако, чтобы сделать это, науке сначала придется взломать «мозговой код», который дает нам возможность обрабатывать информацию, извлекать знания и хранить воспоминания. (Узнайте больше об автоматизации с помощью автоматизации: будущее науки о данных и машинного обучения?)
Пока не так хорошо
В самом деле, несмотря на опасения, что ИИ собирается включить в работу каждого, результаты пока почти комичны. Поклонники «Игры престолов» Джорджа Р. Р. Мартина настолько нетерпеливы к следующему выпуску серии, что многие стекались в главу почти чистого трюка, написанную формой ИИ, называемой рекуррентной нейронной сетью. Между тем, IBM отдает дань уважения исследователям в области онкологии, которым сказали, что Уотсон откроет новую эру в диагностике и лечении, но вместо этого все еще пытается дифференцировать основные формы рака. Учитывая этот послужной список, вполне возможно, что когда ИИ впервые введут в типичное предприятие, ему, вероятно, потребуется больше усилий со стороны людей-операторов, чтобы просто отслеживать и отслеживать все ошибки, которые он совершит.
Нет ошибок, нет стресса - ваше пошаговое руководство по созданию изменяющего жизнь программного обеспечения без разрушения вашей жизни
Вы не можете улучшить свои навыки программирования, когда никто не заботится о качестве программного обеспечения.
Но вот в чем проблема: ИИ со временем станет лучше без перепрограммирования. Как недавно заявил Tech Crunch исследователь Cornell Tech Даниэль Хаттенлокер, AI с большей вероятностью вытеснит традиционное программное обеспечение - и все надоедливые патчи, обновления и исправления, которые ему требуются - чем люди-операторы. Это не означает, что ИИ не нужно программировать, но этот подход значительно упрощен. С сегодняшним программным обеспечением программист должен определить не только задачу, которая должна быть решена, но и точные шаги, с помощью которых она решается. С ИИ все, что нужно, - это цель, и программное обеспечение должно быть в состоянии справиться с остальными, при условии, что у него есть нужные данные для работы.
Все зависит от данных
Этот последний момент имеет решающее значение, потому что, в конце концов, ИИ - это просто алгоритм, и алгоритмы настолько же хороши, насколько и данные, которые они подают. Это означает, что в дополнение к созданию надлежащей операционной структуры ИИ, предприятию придется создать достаточно энергичную среду обработки данных, чтобы результаты аналитики были основаны на поступлении точной информации. Как недавно сказал Forbes генеральный директор ActiveCampaign Джейсон Вандебум, старый правила «мусор в равных количествах мусора» все еще применяются, поэтому может пройти некоторое время, прежде чем организации увидят истинные преимущества своих инвестиций в ИИ.
Учитывая все это, предприятие не должно ожидать, что ИИ обеспечит быстрое решение возникающих проблем с большими данными и IoT. Кривая обучения как для людей, так и для машин, вероятно, будет довольно продолжительной, а результаты в лучшем случае неопределенными.
Но если все будет работать так, как запланировано, и предприятие, и персонал, занятый в сфере знаний, в долгосрочной перспективе увидят существенные преимущества. Просто подумайте о самой обыденной, утомительной и трудоемкой задаче, которая в настоящий момент замедляет ваши процессы, и представьте, что вам никогда не придется делать их снова, никогда.