Indhold
- AI i Hype-cyklus
- Indtil videre, ikke så god
- Ingen fejl, ingen stress - Din trinvis vejledning til oprettelse af livsændrende software uden at ødelægge dit liv
- Det hænger alt sammen på dataene
Kilde: charles taylor / iStockphoto
Tag væk:
Der er en masse hype om kunstig intelligens, hvor intelligent er det ikke?
Kunstig intelligens har fået så meget opmærksomhed i virksomhedskredse, at mange it-ledere kan undskyldes for at tro, at de vil give alle svarene til et stadig mere komplekst dataøkosystem. Men selvom det bestemt har potentialet til at foretage mange meningsfulde forbedringer af eksisterende teknologi, er det også rimeligt at sige, at nogle af forventningerne til dens effektivitet er overdrevne.
Der er faktisk relativt lidt forståelse af, hvad AI er, hvordan det virkelig fungerer, og hvad det faktisk kan gøre. Og dette fører til brede misforståelser omkring dens rolle i virksomheden og den måde, den vil forholde sig til eksisterende infrastruktur og de mennesker, der driver den.
AI i Hype-cyklus
I henhold til Gartners seneste Hype-cyklus er centrale AI-undergrupper som dyb læring, maskinlæring og kognitiv computing øverst på kurven for højt oppustede forventninger, hvilket betyder, at de befinder sig på den lange rutschebane ind i truget til desillusionering. Selvom dette er på niveau med for næsten enhver forstyrrende teknologi i løbet af de sidste 30 år, påpeger det den kendsgerning, at den forventede indvirkning af AI i virksomheden, der hovedsageligt stammer fra kontrollerede laboratorietest, er ved at løbe hårdt ind i realiteterne af produktionsmiljøet. (Se en historie om computinginnovationer i Fra Ada Lovelace til Deep Learning.)
Ikke desto mindre forventer Gartner-forsker Mike Walker, at AI vil blive allestedsnærværende i løbet af det næste årti gennem en kombination af fremme af computerkraft, der fører til udviklingen af sådanne konstruktioner som det neurale netværk, og den blotte kendsgerning, at datalasten i virksomheden er blevet så enorm og så kompliceret, at menneskelige operatører ikke længere kan klare sig selv.
En af de første ting, som virksomheden har brug for at forstå om AI, er, at det spiller hurtigt og løs med udtrykket "intelligens." Som den schweiziske neurovidenskabsmand Pascal Kaufmann forklarede ZDnet for nylig, er der store forskelle på måderne en computeralgoritme og en menneskelig hjerne behandle oplysninger for at nå frem til en konklusion. Givet tilstrækkelig processorkraft kan en computeralgoritme sammenligne millioner, milliarder, måske endda billioner datasæt for at foretage en enkel bestemmelse, såsom om et billede af en kat virkelig er et billede af en kat. Men selv et lille barn, der gives meget få data, kan instinktivt bestemme, at det er en kat og for evigt efter vil vide, hvad en kat er, og hvordan det ser ud.
Ved denne standard var selv det førende eksempel på AI på arbejdet - Google DeepMinds AlphaGos mestring af strategispilet Go - ikke rigtig kunstig intelligens, men et tværsnit af big data, analytics og automatisering, der var i stand til at rationalisere en reglerbaseret tilgang at vinde. Interessant tilføjer Kaufmann, at et sandt eksempel på kunstig intelligens ville være, hvis AlphaGo havde fundet ud af, hvordan man snyder for at vinde. For at gøre dette, skal videnskaben imidlertid først knække den "hjernekode", der kræver vores evne til at behandle information, hente viden og gemme minder. (Lær mere om automatisering med automatisering: Fremtiden for datavidenskab og maskinlæring?)
Indtil videre, ikke så god
På trods af frygt for, at AI er ved at undgå alles job, er resultaterne hidtil næsten komiske. Fans af George R.R. Martins "Game of Thrones" er så utålmodige til den næste rate af serien, at mange strømmet til et kapitel af næsten ren gobbledygook skrevet af en form for AI kaldet et tilbagevendende neuralt netværk. I mellemtiden tager IBM flak fra onkologiforskere, der fik at vide, at Watson ville løsrive en ny æra inden for diagnose og behandling, men i stedet kæmper stadig for bare at skelne mellem de grundlæggende former for kræft. I betragtning af denne track record er det meget muligt, at når AI først introduceres i den typiske virksomhed, det sandsynligvis vil kræve mere indsats fra menneskelige operatører bare for at spore og overvåge alle de fejl, den vil begå.
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.
Men her er gnidningen: AI vil blive bedre med tiden uden at skulle omprogrammeres. Som Cornell Tech-forsker Daniel Huttenlocker fortalte Tech Crunch for nylig, er det mere sandsynligt, at AI fortrænger traditionel software - og alle de irriterende rettelser, opdateringer og rettelser, det kræver - end menneskelige operatører. Dette betyder ikke, at AI ikke behøver at programmeres, men at fremgangsmåden er meget forenklet. Med dagens software skal programmereren ikke kun definere den opgave, der skal løses, men de nøjagtige trin, der skal løses den. Med AI er alt, hvad der er nødvendigt, målet, og softwaren skal være i stand til at håndtere resten, forudsat at den har de rigtige data til at arbejde med.
Det hænger alt sammen på dataene
Det sidste punkt er afgørende, fordi AI i slutningen af dagen simpelthen er en algoritme, og algoritmer er kun så gode som de data, de mates. Dette betyder, at ud over at opbygge en ordentlig AI-operationel ramme, skal virksomheden etablere et ret kraftigt datakonditioneringsmiljø, så analyseresultaterne vil være baseret på nøjagtige oplysninger, der er gået ind. Som ActiveCampaign CEO Jason VandeBoom fortalte Forbes for nylig, den gamle regler for “affald i lig med affald” gælder stadig, så det kan vare et stykke tid, før organisationer ser de virkelige fordele ved deres AI-investering.
I betragtning af alt dette bør virksomheden ikke forvente, at AI leverer en hurtig løsning til de nye udfordringer med big data og IoT. Læringskurven for både mennesker og maskiner er sandsynligvis ganske lang, og resultaterne er i bedste fald usikre.
Men hvis det hele fungerer som planlagt, bør både virksomheden og videnarbejdsstyrken se betydelige fordele i det lange løb. Tænk bare på den mest verdslige, kedelige og tidskrævende opgave, der bremser dine processer i øjeblikket, og forestil dig, at du aldrig behøver at gøre dem igen, nogensinde.