AI ที่แท้จริงโปรดยืนขึ้นไหม?

เนื้อหา

• AI ในรอบ Hype
• จนถึงตอนนี้ไม่ค่อยดี
• ไม่มีข้อบกพร่องไม่มีความเครียด - คู่มือแบบเป็นขั้นตอนเพื่อสร้างซอฟต์แวร์ที่เปลี่ยนแปลงชีวิตโดยไม่ทำลายชีวิตของคุณ
• ทุกอย่างจะขึ้นอยู่กับข้อมูล

ที่มา: charles taylor / iStockphoto

Takeaway:

มีสิ่งต่าง ๆ มากมายเกี่ยวกับปัญญาประดิษฐ์มันฉลาดแค่ไหน?

ปัญญาประดิษฐ์ได้รับความสนใจเป็นอย่างมากในแวดวงองค์กรซึ่งผู้นำด้านไอทีจำนวนมากสามารถอ้างเหตุผลได้ว่าจะให้คำตอบทั้งหมดต่อระบบนิเวศของข้อมูลที่ซับซ้อนมากขึ้น แต่ในขณะที่มันมีศักยภาพที่จะทำการปรับปรุงที่มีความหมายมากมายกับเทคโนโลยีที่มีอยู่ แต่ก็ยุติธรรมที่จะกล่าวว่าความคาดหวังบางอย่างที่อยู่รอบ ๆ การรับรู้ความสามารถของมันนั้นมีอยู่มากเกินไป

ในความเป็นจริงมีความเข้าใจค่อนข้างน้อยว่า AI คืออะไรมันทำงานอย่างไรและมันสามารถทำอะไรได้บ้าง และสิ่งนี้นำไปสู่ความเข้าใจที่คลาดเคลื่อนในวงกว้างเกี่ยวกับบทบาทในองค์กรและวิธีการที่จะเกี่ยวข้องกับโครงสร้างพื้นฐานที่มีอยู่และมนุษย์ที่ดำเนินงาน

AI ในรอบ Hype

ตาม Hype Cycle ล่าสุดของการ์ตเนอร์ชุดย่อย AI ที่สำคัญเช่นการเรียนรู้ลึกการเรียนรู้ของเครื่องและการประมวลผลทางปัญญาอยู่ที่ด้านบนของเส้นโค้งความคาดหวังที่สูงขึ้นซึ่งหมายความว่าพวกเขาอยู่ในจุดเริ่มต้นของสไลด์ยาวสู่ Trough of Disillusionment แม้ว่าสิ่งนี้จะเป็นหลักสูตรสำหรับทุกเทคโนโลยีที่ก่อกวนในช่วง 30 ปีที่ผ่านมา แต่ก็ชี้ให้เห็นถึงความจริงที่ว่าผลกระทบที่คาดการณ์ของ AI ในองค์กรซึ่งส่วนใหญ่มาจากการทดสอบในห้องปฏิบัติการที่ควบคุมแล้ว ของสภาพแวดล้อมการผลิต (ตรวจสอบประวัติของนวัตกรรมคอมพิวเตอร์ในจาก Ada Lovelace ถึง Deep Learning)

อย่างไรก็ตามนักวิจัยของการ์ทเนอร์ Mike Walker คาดว่า AI จะแพร่หลายในทศวรรษหน้าผ่านการผสมผสานของพลังการประมวลผลขั้นสูงซึ่งนำไปสู่การพัฒนาโครงสร้างเช่นเครือข่ายประสาทและความจริงที่ว่าภาระข้อมูลขององค์กรมีขนาดใหญ่มาก และซับซ้อนจนผู้ปฏิบัติงานมนุษย์ไม่สามารถรับมือได้ด้วยตนเอง

หนึ่งในสิ่งแรกที่องค์กรต้องเข้าใจเกี่ยวกับ AI ก็คือมันเล่นได้อย่างรวดเร็วและหลวมด้วยคำว่า "ปัญญา" ตามที่นักประสาทวิทยาชาวสวิส Pascal Kaufmann อธิบายให้ ZDnet ทราบเมื่อเร็ว ๆ นี้มีความแตกต่างอย่างลึกซึ้งในวิธีอัลกอริธึมของคอมพิวเตอร์ ประมวลผลข้อมูลเพื่อให้ได้ข้อสรุป ด้วยพลังการประมวลผลที่เพียงพออัลกอริธึมคอมพิวเตอร์สามารถเปรียบเทียบล้านชุดพันล้านหรือแม้กระทั่งชุดข้อมูลหลายล้านล้านชุดเพื่อการตัดสินใจที่เรียบง่ายเช่นภาพแมวเป็นภาพแมวจริงหรือไม่ แต่แม้แต่เด็กเล็กที่ได้รับข้อมูลน้อยมากก็สามารถบอกได้ว่ามันเป็นแมวและจะรู้ตลอดไปว่าแมวคืออะไรและหน้าตาเป็นอย่างไร

ตามมาตรฐานนี้แม้แต่ตัวอย่างชั้นนำของ AI ในที่ทำงาน - ความเชี่ยวชาญในเกมกลยุทธ์ของ Google DeepMind ของ Google DeepMind ไม่ได้เป็นปัญญาประดิษฐ์จริง ๆ แต่เป็นส่วนหนึ่งของข้อมูลขนาดใหญ่การวิเคราะห์และระบบอัตโนมัติที่สามารถหาเหตุผลเข้าข้างตนเองตามกฎ เพื่อชนะ ที่น่าสนใจ Kaufmann เสริมว่าตัวอย่างที่แท้จริงของปัญญาประดิษฐ์คือถ้า AlphaGo หาวิธีที่จะโกงเพื่อชนะ อย่างไรก็ตามในการทำเช่นนี้วิทยาศาสตร์จะต้องถอดรหัส“ รหัสสมอง” ก่อนซึ่งจะทำให้เราสามารถประมวลผลข้อมูลเรียกความรู้และเก็บความทรงจำ (เรียนรู้เพิ่มเติมเกี่ยวกับระบบอัตโนมัติด้วย Automation: อนาคตของวิทยาศาสตร์ข้อมูลและการเรียนรู้ของเครื่อง?)

จนถึงตอนนี้ไม่ค่อยดี

แน่นอนว่าแม้จะมีความกลัวว่า AI กำลังจะลงมือทำงานทุกคน แต่ผลลัพธ์ก็เกือบจะตลกแล้ว แฟน ๆ ของ George R.R. มาร์ติน“ Game of Thrones” นั้นใจร้อนมากสำหรับภาคต่อไปของซีรีส์ที่หลายคนแห่กันไปที่บทหนึ่งของ gobbledygook บริสุทธิ์เกือบเขียนโดย AI ที่เรียกว่าเครือข่ายประสาทกำเริบ ในขณะเดียวกันไอบีเอ็มกำลังพบกับนักวิจัยด้านเนื้องอกวิทยาที่บอกว่าวัตสันจะเปิดศักราชใหม่ในการวินิจฉัยและการรักษา แต่ก็ยังคงดิ้นรนเพื่อแยกความแตกต่างระหว่างรูปแบบพื้นฐานของโรคมะเร็ง จากบันทึกการติดตามนี้เป็นไปได้ค่อนข้างที่เมื่อ AI ถูกนำเข้ามาในองค์กรทั่วไปเป็นครั้งแรกมันอาจจะต้องใช้ความพยายามมากขึ้นในส่วนของผู้ปฏิบัติงานมนุษย์เพียงเพื่อติดตามและตรวจสอบความผิดพลาดทั้งหมดที่มันจะทำ

ไม่มีข้อบกพร่องไม่มีความเครียด - คู่มือแบบเป็นขั้นตอนเพื่อสร้างซอฟต์แวร์ที่เปลี่ยนแปลงชีวิตโดยไม่ทำลายชีวิตของคุณ

คุณไม่สามารถพัฒนาทักษะการเขียนโปรแกรมของคุณเมื่อไม่มีใครใส่ใจคุณภาพของซอฟต์แวร์

แต่นี่คือปัญหา: AI จะดีขึ้นเมื่อเวลาผ่านไปโดยไม่ต้องมีการปรับโปรแกรมใหม่ ในฐานะที่เป็นนักวิจัยของคอร์เนลล์เทค Daniel Huttenlocker กล่าวกับ Tech Crunch เมื่อเร็ว ๆ นี้ AI มีแนวโน้มที่จะแทนที่ซอฟต์แวร์แบบดั้งเดิมและแพทช์อัปเดตและการแก้ไขที่น่ารำคาญทั้งหมดนั้นต้องการมากกว่าผู้ปฏิบัติงานของมนุษย์ นี่ไม่ได้หมายความว่า AI ไม่จำเป็นต้องถูกตั้งโปรแกรม แต่วิธีการนั้นง่ายกว่ามาก ด้วยซอฟต์แวร์ของวันนี้โปรแกรมเมอร์จำเป็นต้องกำหนดไม่เพียง แต่งานที่ต้องแก้ไข แต่ขั้นตอนที่แน่นอนในการแก้ไข ด้วย AI สิ่งที่จำเป็นคือเป้าหมายและซอฟต์แวร์ควรสามารถจัดการส่วนที่เหลือได้หากมีข้อมูลที่ถูกต้องในการทำงาน

ทุกอย่างจะขึ้นอยู่กับข้อมูล

จุดสุดท้ายนั้นสำคัญมากเพราะในตอนท้ายของวัน AI นั้นเป็นเพียงอัลกอริธึมเท่านั้นและอัลกอริทึมก็ดีพอ ๆ กับข้อมูลที่ป้อน ซึ่งหมายความว่านอกเหนือจากการสร้างกรอบการทำงานของ AI ที่เหมาะสมแล้วองค์กรจะต้องสร้างสภาพแวดล้อมที่มีประสิทธิภาพของข้อมูลเพื่อให้ผลการวิเคราะห์นั้นเป็นไปตามข้อมูลที่ถูกต้องซึ่ง Jason VandeBoom ซีอีโอของ ActiveCampaign บอกกับ Forbes เมื่อเร็ว ๆ นี้ กฎของ“ ขยะที่มีค่าเท่ากับขยะ” ยังคงมีอยู่ดังนั้นอาจใช้เวลาสักครู่ก่อนที่องค์กรจะเห็นประโยชน์ที่แท้จริงของการลงทุน AI ของพวกเขา

จากทั้งหมดนี้องค์กรไม่ควรคาดหวังว่า AI จะให้การแก้ไขอย่างรวดเร็วสำหรับความท้าทายที่เกิดขึ้นใหม่ของข้อมูลขนาดใหญ่และ IoT เส้นโค้งการเรียนรู้สำหรับมนุษย์และเครื่องจักรมีแนวโน้มที่จะค่อนข้างยาวและผลลัพธ์ไม่แน่นอนที่ดีที่สุด

แต่ถ้ามันเป็นไปตามแผนที่วางไว้ทั้งองค์กรและพนักงานความรู้ควรเห็นประโยชน์มากมายในระยะยาว แค่คิดว่าเป็นงานที่ธรรมดาน่าเบื่อและเสียเวลามากที่สุดซึ่งทำให้กระบวนการของคุณช้าลงในขณะนี้และคิดว่าไม่ต้องทำอะไรอีกเลย