Indhold
- 1. AI består af intelligente robotter eller androider, der ligner mennesker.
- 2. AI, maskinlæring og dyb læring er alle de samme ting.
- 3. AI lærer helt på egen hånd.
- 4. Chatbots er den mest basale form for AI.
- 5. Kraften, der kræves til at udføre alle fremtidige dybuddannelsesoperationer er uholdbar.
- Ingen fejl, ingen stress - Din trinvis vejledning til oprettelse af livsændrende software uden at ødelægge dit liv
- 6. Det er nemt for en virksomhed at leje den computerkraft, der er nødvendig for at brænde AI-operationer.
- 7. Du har brug for enorme mængder data for at træne AI.
- 8. AI erstatter eksisterende BI-værktøjer og gør enhver tidligere teknologi forældet.
- 9. Neurale netværk er som biologiske netværk, men mekaniske.
- 10. AI vil til sidst blive intelligent nok til at forstå, at mennesker er farlige for det og skal udryddes.
Kilde: Usa Pyon / Dreamstime.com
Tag væk:
AI er en varm teknologi, men mange mennesker har misforståelser om, hvad det præcist indebærer. Her ser vi på nogle af myterne omkring AI og undersøger fakta.
Hvorfor taler alle om AI, men alligevel ser vi stadig ikke venlige robotter som Data fra "Star Trek" gå blandt mennesker? Huskede vi at tilføje RoboCops andet prime-direktiv til deres manuskripterede mønstre, så de kan "beskytte den uskyldige" i stedet for at udrydde menneskeheden, så snart de får fuld velfærd?
I dag er der meget forvirring omkring, hvad kunstig intelligens (AI), maskinlæring og dyb læring faktisk er, hvad "intelligente maskiner" kan gøre, og hvad den aktuelle tilstand af AI-teknologier faktisk er. Det er tid til at nyde nogle gode gamle debunking, så lad os buste de 10 mest almindelige myter om AI. (For mere om den potentielle fremtid for AI, tjek Er AI-revolutionen at gøre universelle indtægter til en nødvendighed?)
1. AI består af intelligente robotter eller androider, der ligner mennesker.
For meget "Blade Runner" til alle her, hmm? Selvom der er meget generel forvirring mellem robotik og AI, er de to helt forskellige videnskabsområder, der tjener forskellige formål. Robotter er fysiske enheder, der betjenes af aktuatorer og sensorer til at udføre en bred vifte af opgaver, såsom bygning, transport eller demontering af produkter i fabrikker.
AI er software programmeret på en sådan måde, at det er autonomt nok til at tage beslutninger og lære af dets fejl. Selvom nogle robotter til sidst kan forbedres med AI-algoritmer, er "intelligens" -delen kun en yderligere evne, som AI kan have.
2. AI, maskinlæring og dyb læring er alle de samme ting.
Selvom de alle er dele af det samme større AI-system, er de tre forskellige ting. Grundlæggende er maskinlæring den metode, som AI lærer fra eksterne kilder, som ved at bruge algoritmer til at skelne data og bestemme deres korrekte opførsel. Deep learning er kun en mulig teknik, der bruges i praktiske anvendelser af maskinlæring. Det er baseret på neurale netværk (NN'er) og bruges til at fortælle AI, hvad det er sandsynligt at tage den rigtige beslutning.
3. AI lærer helt på egen hånd.
På trods af en overdrevet hype om AI, der angiveligt kunne lære på egen hånd, er det stadig umuligt at finde et AI-drevet system, der har nogen anvendelse i den virkelige verden, der kan vokse fra nul viden uden menneskelig hjælp. Ethvert system, der har at gøre med skjult information eller usikkerhed af nogen art, kan ikke "forstås" af AI, som stadig skal indtastes input og data fra mennesker. Hver bit information skal også have et klart formål, noget som AI ikke kan gætte uden eksterne kilder (ikke i begyndelsen, i det mindste).
4. Chatbots er den mest basale form for AI.
Igen, selvom der er nogle chatbots derude, der bruger mere eller mindre rudimentære former for AI, er de fleste af dem kun andet end grundlæggende programmer, der interagerer med mennesker via eller stemmegrænseflader. I stedet for faktisk at være "intelligent" har de fleste chatbots forprogrammerede svar, der gives som svar på bestemte nøgleord i brugerens input. For at en chatbot kan blive en sand AI, skal den besidde flere teknologier, der giver den mulighed for at forstå et menneske, lære om hans eller hendes behov og reagere i overensstemmelse hermed. Det har brug for tale- eller genkendelsessoftware, følelsesanalyse, en eller anden form for maskinlæringsprogram og en naturlig sproggenereringsteknologi. (For at lære mere om chatbots, se Vi spurgte it-fordele, hvordan virksomheder vil bruge chatbots i fremtiden. Her er hvad de sagde.)
5. Kraften, der kræves til at udføre alle fremtidige dybuddannelsesoperationer er uholdbar.
Det er ubestrideligt, at AI kræver en masse yderligere computerkraft for at blive trænet og udføre alle dens komplekse dybundervisningsoperationer. I en fremtid, hvor de fleste virksomheder i nogen grad vil bruge AI, kan dette problem vokse til episke proportioner, hvilket gør dets brug potentielt uholdbart. Dog kan AI faktisk give os det mere strøm ved at stanse et flerårigt problem med energiproduktion: strømnet affald og ineffektivitet. Hjælpefirmaer ender med at købe overskydende energi fra private brugere, der også spilder det meste af den overskydende elektricitet, de producerer, da de nuværende net ikke blev bygget til at imødekomme det moderne spredningsniveau. AI kan komme os til hjælp ved at udskifte gamle gitter med nyere, smarte, AI-drevne mikrogridser, der ved nøjagtigt, hvordan man distribuerer elektricitet i realtid med den største effektivitet.
Ingen fejl, ingen stress - Din trinvis vejledning til oprettelse af livsændrende software uden at ødelægge dit liv
Du kan ikke forbedre dine programmeringsevner, når ingen er interesseret i softwarekvalitet.
6. Det er nemt for en virksomhed at leje den computerkraft, der er nødvendig for at brænde AI-operationer.
... hvis AWS, Google, Microsoft og Alibaba Cloud ikke i øjeblikket centraliserede det store flertal af den tilgængelige computerkraft i verden. Så AI-udviklere har i øjeblikket kun to valg: at leje det til usædvanligt høje priser eller købe deres egen super-dyre hardware.
Imidlertid er der en chance for, at denne mytedebunking kan blive debunkert i den nærmeste fremtid. Et nyt firma kaldet Tatau udviklede en blockchain-baseret supercomputeringsplatform, der kan løse problemet. Deres løsning gør det muligt at aggregere og videresælge de kombinerede ressourcer i et globalt distribueret netværk af GPU-baserede maskiner. Forestil dig cryptocurrency minearbejdere, spillere eller andre højtydende computere, der dedikerer deres computerkraft til AI-udvikling. AI-virksomheder kan benytte sig af denne underudnyttede kilde til GPU-strøm til at uddanne deres maskinlæringsmodeller til en langt billigere pris. Bemærk, at denne nye platform også muligvis kan give et svar på det problem, der er fremhævet i punkt 5, da det fremmer effektiv anvendelse af aktuelt uudnyttede ressourcer.
7. Du har brug for enorme mængder data for at træne AI.
Ikke nødvendigvis. Ja, du har brug for en masse af data og computerkraft til at træne en AI fra starten. Og omend i mindre grad har du brug for terabyte med data for at træne en AI til at udføre en kompleks opgave, såsom at køre en bil. Afhængig af anvendelsesområdet for AI er foruddannede neurale netværk imidlertid fleksible nok til kun at blive omskolet i nogle specifikke områder. Den grundlæggende dataramme kan komme fra et større, mere generelt datasæt, hvor kun den sidste del af netværket skal udskiftes for at "udfylde emnerne", der er specifikke for den givne brugssag.
8. AI erstatter eksisterende BI-værktøjer og gør enhver tidligere teknologi forældet.
Det er lidt af en strækning, mildt sagt. Størstedelen af moderne Business Intelligence (BI) -løsninger er meget skalérbare og ofte tilpasses, så enhver fremtidig AI-baseret model let kan integreres direkte i deres platforme. Virksomheder foretrækker altid kun at implementere de løsninger, der følger uden risiko for forstyrrelse af arbejdsgang, og AI-teknologier har tilpasset sig dette behov. Derfor implementeres de fleste AI-platforme via nettet, så ingen udskiftning er nødvendig eller i værste tilfælde kan implementeres sikkert i faser.
9. Neurale netværk er som biologiske netværk, men mekaniske.
Intet neuralt netværk kan endda håbe på at nå en brøkdel af den menneskelige hjerne. På trods af mange års klinisk og videnskabelig forskning, klarer vi stadig ikke at forstå biologiske neurale netværk i deres fulde omfang, da neuroner udfører så mange forskellige opgaver med den menneskelige krop (tænk på forskellen mellem en sensorisk og en motorisk neuron) og endda overfører information gennem mange forskellige veje (ved hjælp af elektricitet, kemisk potentiale og neurotransmittere). Neurale netværk kan kun forstå meget enkle input på den typiske 1 eller 0 ("ja" eller "nej") maskintype. Det er som at sammenligne et militærflys kompleksitet med en drage bare fordi de begge kan flyve.
10. AI vil til sidst blive intelligent nok til at forstå, at mennesker er farlige for det og skal udryddes.
Vi kan faktisk ikke debunkere denne myte, da den ikke er en myte. Det er en realitet. Stag jer, fordi modstand er nytteløs!
Vitser til side, ganske enkelt sagt, AI har intetsteds nær den intelligens, der er nødvendig for at forstå verden omkring sig selv og træffe autonome, rationelle beslutninger. Hver algoritme er udviklet til at udføre en opgave og er ikke i stand til at gøre noget uden for det, så meget mindre når evnen til at tænke uafhængigt. Computere bruger "brute force" af deres overlegne computerkræfter til at finde en løsning på relativt enkle problemer, men de mangler forståelse, opfattelsesdybde og strategisk kompleksitet til at have et formål uden for det, de er programmeret til.
Så hvile let, for AI bliver bare andet end vores kunstige hjælpere og tjenere i lang, lang tid.