תוֹכֶן
- AI במחזור ההייפ
- עד כה, לא כל כך טוב
- אין באגים, אין מתח - המדריך השלב אחר צעד שלך ליצירת תוכנה לשינוי חיים מבלי להרוס את חייך
- הכל תלוי בנתונים
מקור: צ'רלס טיילור / iStockphoto
להסיר:
יש המון היפ בנושא בינה מלאכותית, עד כמה זה אינטליגנטי?
בינה מלאכותית צברה תשומת לב רבה כל כך בחוגי ארגונים, עד כי ניתן יהיה לתרץ מנהיגי IT רבים במחשבה שהיא תספק את כל התשובות למערכת אקולוגית מורכבת של נתונים. אך אמנם בהחלט יש לו פוטנציאל לבצע שיפורים רבים ומשמעותיים לטכנולוגיה הקיימת, אך ניתן לומר שהחלק מהציפיות סביב יעילותה מוגזמות.
למעשה, יש מעט יחסית הבנה של מה בדיוק AI, כיצד הוא באמת מתפקד ומה הוא יכול לעשות בפועל. וזה מוביל לתפיסות שגויות רחבות הנוגעות לתפקידו במפעל ולאופן ההתייחסות לתשתיות הקיימות ולאנשים המפעילים אותו.
AI במחזור ההייפ
על פי מחזור ההייפ האחרון של גרטנר, קבוצות משנה של מפתח AI כמו למידה עמוקה, למידת מכונה ומחשוב קוגניטיבי נמצאות בראש עקומת הציפיות המנופחות, וזה אומר שהם נמצאים על סף השקופית הארוכה אל שוקת ההתפכחות. אף על פי שזה שווה את הקורס כמעט לכל טכנולוגיה משבשת במהלך 30 השנים האחרונות, הוא מציין את העובדה שההשפעה המשוערת של AI בארגון, שהופקה בעיקר מבדיקות מעבדה מבוקרות, עומדת להתמודד עם המציאות. של סביבת הייצור. (עיין בהיסטוריה של חידושי מחשוב מתוך עדה לאבלייס ועד למידה עמוקה.)
עם זאת, חוקר גרטנר, מייק ווקר, מצפה מ- AI להפוך בכל מקום בעשור הבא באמצעות שילוב של קידום כוח מחשוב, מה שמוביל להתפתחות של מבנים כמו הרשת העצבית, ועצם העובדה שעומס הנתונים הארגוני הפך להיות כה עצום. וכל כך מורכב עד שמפעילים אנושיים כבר לא יכולים להתמודד בעצמם.
אחד הדברים הראשונים שעל הארגון להבין על AI הוא שהוא משחק במהירות ומשוחרר במונח "אינטליגנציה". כפי שהסביר לאחרונה מדעי המוח השוויצרי פסקל קאופמן ל- ZDnet, ישנם הבדלים עמוקים באופנים של אלגוריתם מחשבים ומוח אנושי. לעבד מידע כדי להגיע למסקנה. בהינתן כוח עיבוד מספיק, אלגוריתם מחשבים יכול להשוות מיליונים, מיליארדים, אולי אפילו טריליוני ערכות נתונים כדי לקבוע פשטות, כגון אם תמונה של חתול היא אכן תמונה של חתול. אבל אפילו ילד קטן, בהינתן נתונים מעטים מאוד, יכול לקבוע באופן אינסטינקטיבי שהוא חתול ויידע לדעת לנצח מה זה חתול ואיך הוא נראה.
בסטנדרט זה, אפילו הדוגמא המובילה ל- AI בעבודה - שליטה של Google DeepMind, AlphaGo של משחק האסטרטגיה Go - לא הייתה ממש אינטליגנציה מלאכותית אלא חתך רוחב של נתונים גדולים, אנליטיקה ואוטומציה שיכולה לתרץ גישה מבוססת כללים. לנצח. מעניין לציין כי קאופמן מוסיף כי דוגמא אמיתית לבינה מלאכותית הייתה אם AlphaGo היה מבין כיצד לרמות כדי לנצח. אולם על מנת לעשות זאת, המדע יצטרך לראשונה לפצח את "קוד המוח" המסמיך את יכולתנו לעבד מידע, לאחזר ידע ולאחסן זיכרונות. (למידע נוסף על אוטומציה באמצעות אוטומציה: עתיד מדעי הנתונים ולמידת מכונות?)
עד כה, לא כל כך טוב
אכן, למרות החששות כי AI עומדת לצלול את תפקיד כולם, התוצאות עד כה כמעט קומיות. המעריצים של "משחקי הכס" של ג'ורג 'ר. מרטין כל כך חסרי סבלנות לקראת הפרק הבא של הסדרה, שרבים נהרו לפרק של ספר זבל כמעט טהור שנכתב על ידי צורה של AI המכונה רשת עצבית חוזרת. בינתיים, יבמ נוטלת פליק מחוקרים אונקולוגיים שנאמר להם שווטסון תשחרר עידן חדש באבחון וטיפול, אך במקום זאת היא עדיין נאבקת רק כדי להבדיל בין צורות סרטן בסיסיות. בהתחשב ברקורד המעקב הזה, לא מן הנמנע שכאשר AI יושם לראשונה במפעל הטיפוסי, הוא כנראה ידרוש מאמץ רב יותר מצד מפעילי אנוש רק כדי לעקוב ולעקוב אחר כל הטעויות שהוא יעשה.
אין באגים, אין מתח - המדריך השלב אחר צעד שלך ליצירת תוכנה לשינוי חיים מבלי להרוס את חייך
אינך יכול לשפר את כישורי התכנות שלך כאשר לאף אחד לא אכפת מאיכות התוכנה.
אבל הנה השפשוף: AI ישתפר עם הזמן ללא צורך לתכנת אותו מחדש. כפי שאמר לאחרונה חוקר קורנל טק, דניאל הוטנלוקר, ל- Tech Crunch, סביר להניח כי ל- AI יהיה מקום לעקוב אחר תוכנה מסורתית - וכל התיקונים המציקים, העדכונים והתיקונים שהיא דורשת - מאשר מפעילי אנוש. זה לא אומר ש- AI לא צריך להיות מתוכנת, אלא שהגישה מפושטת מאוד. עם התוכנה של היום, המתכנת צריך להגדיר לא רק את המשימה שיש לפתור, אלא את הצעדים המדויקים איתם לפתור אותה. עם AI כל מה שצריך זה המטרה והתוכנה צריכה להיות מסוגלת להתמודד עם השאר, בתנאי שיש לה את הנתונים הנכונים לעבוד איתם.
הכל תלוי בנתונים
נקודה אחרונה זו היא מכרעת מכיוון שבסופו של יום AI הוא פשוט אלגוריתם, והאלגוריתמים טובים רק כמו הנתונים שהם מוזנים. המשמעות היא שבנוסף לבניית מסגרת תפעולית AI נאותה, על הארגון לבסס סביבת מיזוג נתונים נמרצת למדי כך שתוצאות הניתוח יתבססו על מידע מדויק שנכנס פנימה. כפי שג'ייסון VandeBoom, מנכ"ל ActiveCampaign אמר ל- Forbes לאחרונה, הישן הכללים של "זבל שווה לפח אשפה" עדיין חלים, כך שיכול היה להימשך זמן עד שארגונים יראו את היתרונות האמיתיים של השקעת AI שלהם.
בהתחשב בכל זה, הארגון לא צריך לצפות מ- AI לספק תיקון מהיר לאתגרים המתעוררים של נתונים גדולים ו- IoT. עקומת הלמידה עבור בני אדם ומכונות כאחד צפויה להיות ארוכה למדי, והתוצאות אינן ודאיות במקרה הטוב.
אבל אם הכל יסתדר כמתוכנן, גם הארגון וגם כוח העבודה בידע צריכים לראות יתרונות משמעותיים בטווח הרחוק. רק חשוב על המשימה הכי ארצית, מייגעת וארכת זמן שמאטה את התהליכים שלך כרגע ותאר לעצמך שלא תצטרך לעשות אותם שוב, לעולם.