Vsebina
- AI v ciklu Hype
- Zaenkrat še ni tako dobro
- Brez napak, brez stresa - vaš korak za korakom vodnik za ustvarjanje programske opreme, ki spreminja življenje, ne da bi vam uničila življenje
- Vse je odvisno od podatkov
Vir: charles taylor / iStockphoto
Odvzem:
Obstaja veliko nagnjenja k umetni inteligenci, kako inteligentna je?
Umetna inteligenca je pritegnila toliko pozornosti v podjetniških krogih, da je veliko voditeljev IT mogoče oprostiti, da mislijo, da bo zagotovila vse odgovore na vse bolj zapleten podatkovni ekosistem. Kljub temu, da ima vsekakor potencial za številne pomembne izboljšave obstoječe tehnologije, je tudi pošteno reči, da so nekatera pričakovanja glede njene učinkovitosti preveč razbita.
Pravzaprav je relativno malo razumevanja, kaj točno je AI, kako v resnici deluje in kaj lahko dejansko počne. In to vodi do širokih napak, ki vplivajo na njegovo vlogo v podjetju in na način, kako se bo nanašal na obstoječo infrastrukturo in ljudi, ki z njo upravljajo.
AI v ciklu Hype
Po Gartnerjevem najnovejšem ciklu Hype so ključne podskupine AI, kot sta globoko učenje, strojno učenje in kognitivno računanje, na vrhu krivulje najvišjih napihnjenih pričakovanj, kar pomeni, da so na vrhu dolgega diapozitiva v korito razpuščenosti. Čeprav je to seveda za praktično vsako motečo tehnologijo v zadnjih 30 letih, opozarja na dejstvo, da naj bi predvideni vpliv AI v podjetju, ki izhaja predvsem iz kontroliranih laboratorijskih testov, naletel na realnosti proizvodnega okolja. (Oglejte si zgodovino računalniških inovacij od Ade Lovelace do poglobljenega učenja.)
Kljub temu raziskovalec Gartnerja Mike Walker pričakuje, da bo AI v naslednjem desetletju vseprisotno s kombinacijo napredne računalniške moči, kar vodi v razvoj takšnih konstrukcij, kot je nevronska mreža, in zgolj dejstvo, da je obremenitev podatkov podjetja postala tako velika in tako zapleteni, da se človeški upravljavci ne morejo več spoprijeti sami.
Ena prvih stvari, ki jih mora podjetje razumeti pri AI, je, da se igra hitro in svobodno z izrazom "inteligenca". Kot je pred kratkim za ZDnet pojasnil švicarski nevrolog Pascal Kaufmann, obstajajo velike razlike v načinih računalniškega algoritma in človeških možganov obdelati informacije za zaključek. Računalniški algoritem, ki ima dovolj zmogljivosti za obdelavo, lahko primerja milijone, milijarde, morda celo trilijone nizov podatkov, da lahko preprosto ugotovi, na primer, ali je slika mačke res podoba mačke. Toda tudi majhen otrok, ki ima zelo malo podatkov, lahko nagonsko ugotovi, da gre za mačko in bo za vedno vedel, kaj je mačka in kako izgleda.
Po tem standardu celo vodilni primer AI pri delu - obvladovanje Googlovega DeepMind-ovega AlphaGo-ja v strateški igri Go - ni bila v resnici umetna inteligenca, temveč presek velikih podatkov, analitike in avtomatizacije, ki je bil zmožen racionalizirati pristop, ki temelji na pravilih do zmage. Zanimivo je, da Kaufmann dodaja, da bi bil resničen primer umetne inteligence, če bi AlphaGo domislil, kako goljufati za zmago. Za to pa bo znanost najprej morala razbiti "možgansko kodo", ki nam omogoča sposobnost obdelave informacij, pridobivanja znanja in shranjevanja spominov. (Več o avtomatizaciji z avtomatizacijo: prihodnost znanosti o podatkih in strojnem učenju?)
Zaenkrat še ni tako dobro
Dejansko so rezultati, kljub bojazni, da bo AI prevzel delo vseh, do zdaj skoraj komični. Oboževalci Georgea R. R. Martina "Igra prestolov" so tako nestrpni za naslednji obrok serije, da so se mnogi prikovali v poglavje skoraj čistega gobbledygook, napisanega v obliki AI, ki se imenuje ponavljajoča se nevronska mreža. Medtem se IBM loteva raziskovalcev onkologije, ki so jim rekli, da bo Watson sprožil novo obdobje v diagnostiki in zdravljenju, vendar se namesto tega še vedno bori le za razlikovanje med osnovnimi oblikami raka. Glede na to, da je mogoče, da bo AI prvič uveden v tipično podjetje, verjetno potrebno več truda s strani človeških operaterjev, da bi lahko samo spremljali in spremljali vse napake, ki jih bodo storili.
Brez napak, brez stresa - vaš korak za korakom vodnik za ustvarjanje programske opreme, ki spreminja življenje, ne da bi vam uničila življenje
Ne morete izboljšati svojih programskih sposobnosti, če nikogar ne skrbi za kakovost programske opreme.
Toda tu je še nekaj: AI se bo sčasoma izboljšal, ne da bi ga bilo treba ponovno programirati. Kot je pred kratkim povedal Tech Crunch, raziskovalec Cornell Tech Daniel Huttenlocker, je AI bolj verjetno, da izpodrine tradicionalno programsko opremo - in vse nadležne popravke, posodobitve in popravke, ki jih potrebuje - kot človeške operaterje. To ne pomeni, da AI ni treba programirati, ampak da je pristop zelo poenostavljen. Z današnjo programsko opremo mora programer določiti ne le nalogo, ki jo je treba rešiti, ampak tudi natančne korake, s katerimi jo bo reševal. Pri AI je vse, kar je potrebno, cilj, programska oprema pa bi morala biti sposobna ravnati z ostalimi, pod pogojem, da ima ustrezne podatke za delo.
Vse je odvisno od podatkov
Zadnja točka je ključna, ker je AI na koncu preprosto algoritem in algoritmi so le tako dobri kot podatki, ki jih hranijo. To pomeni, da bo moralo podjetje poleg vzpostavitve ustreznega operativnega okvira AI vzpostaviti dokaj živahno okolje za pripravo podatkov, tako da bodo rezultati analitike temeljili na natančnih informacijah. Kot je nedavno za Forbes povedal izvršni direktor ActiveCampaign Jason VandeBoom, je še vedno veljajo pravila "smeti v enakem smeti", tako da lahko mine nekaj časa, preden organizacije vidijo resnične koristi svojih naložb v AI.
Glede na vse to podjetje ne bi smelo pričakovati, da bo AI zagotovil hitro rešitev za nastajajoče izzive velikih podatkov in IoT. Krivulja učenja tako za ljudi kot za stroje bo verjetno precej dolga, rezultati pa so v najboljšem primeru negotovi.
Če pa se bo vse izšlo po načrtih, bi moralo podjetje in delovna sila dolgoročno videti velike koristi. Pomislite samo na najbolj lahka, mučna in zamudna naloga, ki trenutno upočasnjuje vaše procese in si predstavljajte, da jim tega nikoli več ne bi bilo treba.