Реальность и неверные представления о будущем искусственного интеллекта (ИИ).
Глубокое погружение в четыре повторяющихся заявления об ИИ.
Очевидно, что AI играет ключевую роль в мире бизнеса — сейчас и в будущем. Она обладает беспрецедентным потенциалом для повышения эффективности и создания новых бизнес-моделей. Поскольку AI не похожа ни на одну другую технологию, она также несет в себе потенциал неожиданных последствий и сбоев в беспрецедентных масштабах. Ни одна компания не должна внедрять ИИ вслепую и без стратегии, и ни один ответственный совет не может позволить себе не взаимодействовать с ней и не понимать ее потенциал.
Искусственный интеллект (ИИ) меняет способ совместной работы машин и людей. Она улучшает взаимодействие с клиентами во всех отраслях промышленности и способствует повышению эффективности производства и технологических процессов. Более 40% компаний ожидают, что ИИ станет «переломным моментом». Например, правительство Германии также хочет ускорить внедрение и развитие технологий ИИ. Она планирует инвестировать 3 миллиарда евро в исследования по искусственному интеллекту к 2025 году. Но 77% компаний также говорят, что принятие бизнеса — это вызов. На сегодняшний день лишь немногие залы заседаний готовы взвесить риски и возможности, связанные с искусственным осеменением.
AI отличается от других технологических инноваций. Чтобы иметь более полное представление о доступных возможностях и возможностях, в этой статье я обращаюсь к четырем утверждениям, к которым клиенты чаще всего обращаются ко мне:
Index
«ИИ стимулирует инновации в бизнесе и успех».
В основе ИИ и других ведущих технологий лежат данные. Как правило, недостатка в данных в этом отношении нет, их более чем достаточно в век роста объемов данных. По данным Statista, мировой рынок больших данных вырастет до 103 миллиардов долларов к 2027 году, что более чем в два раза увеличит объем рынка в 2018 году.
Модели искусственного осеменения зависят от качества данных в дополнение к количеству, которое должно быть обеспечено. Кроме того, перед большинством организаций стоит задача сбора и создания значимых корреляций данных, хранящихся в разрозненных хранилищах по всему предприятию, данных из внешних источников и данных, которые передаются на предприятие в режиме реального времени.
Управление большими данными требует долгосрочных обязательств и планирования, чтобы справиться с будущим ростом. Слишком малое мышление может занять много времени, чтобы инвестиции в искусственный интеллект окупились экономически и оправдали себя.
Выбор неправильной платформы, инструментов или плохая интеграция также может потратить драгоценное время и добавить значительные затраты и сложность в реализацию и текущее управление. Стратегии управления и обеспечения безопасности на уровне предприятий имеют решающее значение для избежания проблем с регулированием и соблюдением требований при разработке новых технологий. Как и в других областях, технология ИИ развивается быстрее, чем регулирование. Однако эволюция данных (иногда разрабатываемых с учетом специфики каждой страны) и норм в области искусственного осеменения будет возрастать. Поскольку ни один ответственный совет не может позволить себе оставаться неподготовленным, но, тем не менее, использовать потенциал, следует рассмотреть, например, возможность включения стратегии в области искусственного интеллекта в ежегодную оценку политики компании в области этики и поведения.
«ИИ» означает революцию в интеллекте.
Несмотря на то, что в последнее время AI вырос в скачках, он все еще является только «умным» в самом строгом смысле этого слова. Вероятно, было бы полезнее подумать о том, чего мы достигли как о революции в вычислительной статистике, а не как о революции в интеллекте.
До сих пор большая часть прогресса была в том, что часто называют «узким ИИ» (по-немецки: schwache Künstliche Intelligenz). Методы машинного обучения используются для разработки алгоритмов и систем для решения специфических задач, таких как обработка естественного языка.
Более сложные проблемы связаны с так называемым «общим искусственным интеллектом». Задача состоит в том, чтобы развивать ИИ, которое может решать общие проблемы так же, как и люди. Многие исследователи считают, что до того, как это станет реальностью, еще несколько десятилетий.
Прямо сейчас беспокоиться о злом ИИ немного похоже на беспокоиться о перенаселении на Марсе. Большая опасность здесь в том, что больше самих людей. Ни один объект или алгоритм по своей природе не является добром или злом. Важно то, как их используют. 3D-принтер может печатать протезы или даже оружие. GPS был изобретен для стрельбы ядерными ракетами и теперь помогает доставлять пиццу. Формирование мнения об алгоритме означает понимание взаимосвязи между человеком и машиной.
«Решение алгоритма не может быть отслежено.»
Алгоритмы, основанные на правилах, содержат инструкции, написанные людьми, и поэтому легко понятны. Теоретически, любой может открыть их и следовать логике того, что происходит внутри. Но у алгоритмов, основанных на правилах, есть главный недостаток: они работают только для тех проблем, для которых человек умеет писать инструкции. Они также имеют ограниченную масштабируемость. Алгоритмы машинного обучения, с другой стороны, оказываются на удивление хороши на проблемах, где написание списка инструкций не работает. Путь, по которому машина решает эту проблему, часто не имеет смысла для человеческого наблюдателя.
«Искусственный интеллект (ИИ) очень склонен к ошибкам и искажению данных».
В человеческих отношениях с машинами есть захватывающий парадокс. Несмотря на то, что многие люди слишком доверяют вещам, которые они не понимают, они отвергают алгоритмы, как только знают, что алгоритм может ошибаться. Это известно исследователям как отвращение к алгоритмам. Люди менее терпимы к ошибкам алгоритма, чем к своим собственным — даже если их собственных ошибок больше.
ИИ-системы хороши только настолько, насколько хороши данные, которые мы в них вставляем. Плохие данные или низкое качество данных могут также содержать скрытые расовые, гендерные или идеологические предрассудки. Представьте себе влияние на бренд кредитного провайдера, если выяснится, что он регулярно отклоняет заявки из-за предвзятости в обучении искусственному интеллекту. Поэтому очень важно разрабатывать и обучать эти системы объективным данным, а также разрабатывать легко объясняемые алгоритмы. Несколько исследовательских групп, в том числе IBM Research, уже разрабатывают методы снижения смещения («смещения»), которые могут присутствовать в обучающем наборе данных.
Кроме того, для укрепления доверия между людьми и машинами нам необходимо принять стратегии и инвестировать в системы, способствующие совместному развитию и совместному обучению. Например, в Этическом руководстве по надежному искусственному интеллекту, подготовленном Независимой группой экспертов по искусственному интеллекту Европейской комиссии, содержится набор новых принципов для компаний, действующих в Европейском союзе. Поскольку все больше продуктов и программного обеспечения включают в себя машинный интеллект, мы должны искать способы построения добродетельных и этичных циклов обучения между компанией, которая его производит, и людьми, которые его используют.
Очевидно, что AI играет ключевую роль в бизнесе — сейчас и в будущем. Она обладает беспрецедентным потенциалом для повышения эффективности и создания новых бизнес-моделей. Поскольку AI не похожа ни на одну другую технологию, она также несет в себе потенциал неожиданных последствий и сбоев в беспрецедентных масштабах. Ни одна компания не должна внедрять ИИ вслепую и без стратегии, и ни один ответственный совет не может позволить себе не взаимодействовать с ней и не понимать ее потенциал.
Комментарии закрыты.