Sadržaj
- AI u ciklusu Hype
- Do sada, nije tako dobro
- Bez grešaka, bez stresa - Vaš korak po korak vodič za stvaranje softvera koji mijenja život bez uništavanja života
- Sve ovisi o podacima
Izvor: charles taylor / iStockphoto
Oduzeti:
Postoji puno naklonosti umjetnoj inteligenciji, koliko je to inteligentna?
Umjetna inteligencija prikupila je toliko pozornosti u krugovima poduzeća da se mnogi IT vođe mogu izgovoriti za razmišljanje da će pružiti sve odgovore na sve složeniji ekosustav podataka. No, iako sigurno ima potencijala za značajna poboljšanja postojeće tehnologije, također je pošteno reći da su neka očekivanja koja se odnose na njezinu učinkovitost prevladala.
Zapravo, relativno je malo razumijevanja o tome što je AI, kako on stvarno funkcionira i što zapravo može učiniti. A to dovodi do širokih zabluda koje se tiču njegove uloge u poduzeću i načina na koji će se on odnositi na postojeću infrastrukturu i ljude koji njime upravljaju.
AI u ciklusu Hype
Prema Gartnerovom najnovijem Hype ciklusu, ključni podskupovi AI poput dubokog učenja, strojnog učenja i kognitivnog računanja nalaze se na vrhu krivulje najviših napuhanih očekivanja, što znači da su na vrhuncu dugog slajda u Tolu razočaranja. Iako je ovo slučaj za tečaj gotovo svake razarajuće tehnologije tijekom posljednjih 30 godina, ukazuje na činjenicu da se projicirani utjecaj AI-ja u poduzeću, koji je uglavnom izveden iz kontroliranih laboratorijskih testova, kreće naglavačke u stvarnosti proizvodnog okruženja. (Pogledajte povijest računalnih inovacija od Ade Lovelace do Deep Learninga.)
Ipak, istraživač Gartner-a Mike Walker očekuje da će AI postati sveprisutni tijekom sljedećeg desetljeća kombinacijom napretka računske snage, što dovodi do razvoja takvih konstrukcija kao što je neuronska mreža, i puke činjenice da je opterećenje podataka poduzeća postalo tako ogromno i toliko složeni da se ljudski operatori više ne mogu sami nositi.
Jedna od prvih stvari koju poduzeće treba shvatiti u vezi s AI-om jest to što se igra brzo i lagano s pojmom "inteligencija". Kako je nedavno za ZDnet objasnio švicarski neuroznanstvenik Pascal Kaufmann, postoje velike razlike u načinima računalnog algoritma i ljudskog mozga procesuirajte informacije kako biste došli do zaključka. S obzirom na dovoljnu moć obrade, računalni algoritam može usporediti milijune, milijarde, možda čak i trilijune skupova podataka da bi se jednostavno utvrdilo, na primjer, je li slika mačke doista slika mačke. Ali čak i malo dijete, s obzirom na vrlo malo podataka, može instinktivno utvrditi da je mačka i zauvijek će znati što je mačka i kako izgleda.
Po ovom standardu, čak i vodeći primjer AI na djelu - Google DeepMind's AlphaGo majstorstvo strateške igre Go - nije bila zapravo umjetna inteligencija, već presjek velikih podataka, analitike i automatizacije koji je bio u stanju racionalizirati pristup zasnovan na pravilima do pobjede. Zanimljivo je da Kaufmann dodaje da bi pravi primjer umjetne inteligencije bio kad bi AlphaGo smislio kako varati da pobijedi. Da bismo to učinili, znanost će prvo morati razbiti „kôd mozga“ koji pokreće našu sposobnost obrade informacija, pronalaženja znanja i pohrane sjećanja. (Saznajte više o automatizaciji pomoću automatizacije: Budućnost nauke o podacima i strojno učenje?)
Do sada, nije tako dobro
Zapravo, unatoč strahovima da će AI uskoro nadoknaditi svačiji posao, dosadašnji rezultati gotovo su komični. Navijači Georgea R. R. Martinova "Igra prijestola" toliko su nestrpljivi zbog sljedeće serije serija da su se mnogi uvukli u poglavlje gotovo čistog gobbledygook napisanog oblikom AI koji se zove ponavljajuća neuronska mreža. U međuvremenu, IBM prihvaća pozadinu od istraživača onkologije za koje je rečeno da će Watson objaviti novu eru u dijagnostici i liječenju, ali umjesto toga još uvijek se bori samo za razlikovanje osnovnih oblika raka. S obzirom na to iskustvo, sasvim je moguće da će, kada se AI prvi put uvede u tipično poduzeće, vjerovatno trebati više napora od strane ljudskih operatora samo da bi pratili i nadgledali sve pogreške koje čine.
Bez grešaka, bez stresa - Vaš korak po korak vodič za stvaranje softvera koji mijenja život bez uništavanja života
Ne možete poboljšati svoje programiranje kad nikoga nije briga za kvalitetu softvera.
Ali evo problema: AI će se vremenom popraviti bez potrebe za reprogramiranjem. Kao što je nedavno izjavio Tech Crunch istraživač Cornell Tech Daniel Huttenlocker, AI je vjerojatnije da će istisnuti tradicionalni softver - i sve mučne zakrpe, ažuriranja i ispravke koje zahtijeva - od ljudskih operatora. To ne znači da AI nije potrebno programirati, već da je pristup uvelike pojednostavljen. Sa današnjim softverom, programer mora definirati ne samo zadatak koji treba riješiti, već i točne korake za njegovo rješavanje. Uz AI, sve što je potrebno je cilj, a softver bi trebao biti u mogućnosti nositi se s ostalim, pod uvjetom da ima prave podatke za rad.
Sve ovisi o podacima
Ta posljednja točka je presudna, jer, na kraju dana, AI je jednostavno algoritam, a algoritmi su jednako dobri kao i podaci koji se hrane. To znači da će pored izgradnje ispravnog AI operativnog okvira, poduzeće morati uspostaviti prilično snažno okruženje za kondicioniranje podataka tako da će se rezultati analitike temeljiti na točnim informacijama koje dolaze. Kao što je nedavno rekao Forbes, predsjednik Uprave ActiveCampaign, Jason VandeBoom, stari pravila "smeća u jednakom otpadu" i dalje se primjenjuju, tako da bi moglo proći neko vrijeme prije nego organizacije vide stvarne koristi od ulaganja u AI.
S obzirom na sve to, poduzeće ne bi trebalo očekivati da će AI pružiti brzo rješenje za nove izazove velikih podataka i IoT-a. Krivulja učenja i za ljude i za strojeve vjerojatno će biti dugačka, a rezultati u najboljem slučaju neizvjesni.
Ali ako sve bude išlo kako je planirano, i poduzeće i radna snaga u dugom roku trebali bi vidjeti znatne koristi. Pomislite na najmasovniji, mukotrpan i dugotrajan zadatak koji trenutno usporava vaše procese i zamislite da ih više nikada ne morate raditi.