Jangan Percaya Hype Tentang AI Dalam Bisnis
Diterbitkan: 2018-03-25Meskipun Sistem AI Sekarang Dapat Mempelajari Permainan Dan Mengalahkan Juara Dalam Beberapa Jam, Mereka Sulit Diterapkan Pada Aplikasi Bisnis
Meminjam kalimat penting dari profesor Duke Dan Ariely, kecerdasan buatan itu seperti seks remaja:
"Semua orang membicarakannya, tidak ada yang benar-benar tahu bagaimana melakukannya, semua orang berpikir orang lain melakukannya, jadi semua orang mengklaim mereka melakukannya."
Meskipun sistem AI sekarang dapat mempelajari permainan dan mengalahkan juara dalam beberapa jam, mereka sulit diterapkan pada aplikasi bisnis.
MIT Sloan Management Review dan Boston Consulting Group mensurvei 3.000 eksekutif bisnis dan menemukan bahwa sementara 85 persen dari mereka percaya AI akan memberi perusahaan mereka keunggulan kompetitif, hanya satu dari 20 yang "secara luas" memasukkannya ke dalam penawaran atau proses mereka. Tantangannya adalah mengimplementasikan AI tidak semudah menginstal perangkat lunak. Dibutuhkan keahlian, visi, dan informasi yang tidak mudah diakses.
Saat Anda melihat aplikasi AI yang terkenal seperti Google AlphaGo Zero, Anda mendapatkan kesan seperti sulap: AI mempelajari permainan papan paling sulit di dunia hanya dalam tiga hari dan mengalahkan juara. Sementara itu, AI Nvidia dapat menghasilkan gambar fotorealistik orang yang terlihat seperti selebriti hanya dengan melihat gambar aslinya.
AlphaGo dan Nvidia menggunakan teknologi yang disebut jaringan permusuhan generatif, yang mengadu dua sistem AI satu sama lain untuk memungkinkan mereka belajar satu sama lain. Triknya adalah sebelum jaringan saling bertarung, mereka menerima banyak pelatihan. Dan, yang lebih penting, masalah dan hasil mereka didefinisikan dengan baik.
Namun, sebagian besar masalah bisnis tidak dapat diubah menjadi permainan; Anda memiliki lebih dari dua pemain dan tidak ada aturan yang jelas. Hasil dari keputusan bisnis jarang merupakan kemenangan atau kerugian yang jelas, dan ada terlalu banyak variabel. Jadi, jauh lebih sulit bagi bisnis untuk menerapkan AI daripada yang terlihat.
Direkomendasikan untukmu:
Bagaimana Metaverse Akan Mengubah Industri Otomotif India
Apa Arti Ketentuan Anti-Profiteering Bagi Startup India?
Bagaimana Startup Edtech Membantu Tenaga Kerja India Meningkatkan Keterampilan & Menjadi Siap Masa Depan...
Saham Teknologi Zaman Baru Minggu Ini: Masalah Zomato Berlanjut, EaseMyTrip Posting Stro...
Startup India Mengambil Jalan Pintas Dalam Mengejar Pendanaan
Platform Pemasaran Digital Logicserve Bags Pendanaan INR 80 Cr, Berganti Nama Sebagai LS Dig...
Sistem AI saat ini melakukan yang terbaik untuk meniru fungsi jaringan saraf otak manusia, tetapi mereka melakukannya dengan cara yang sangat terbatas. Mereka menggunakan teknik yang disebut pembelajaran mendalam, yang menyesuaikan hubungan instruksi komputer yang dirancang untuk berperilaku seperti neuron. Sederhananya, Anda memberi tahu AI apa yang Anda ingin pelajari dan memberikannya dengan contoh yang diberi label dengan jelas, dan menganalisis pola dalam data tersebut dan menyimpannya untuk aplikasi di masa mendatang. Keakuratan polanya bergantung pada data, jadi semakin banyak contoh yang Anda berikan, semakin berguna jadinya.
Di sinilah letak masalah: AI hanya sebaik data yang diterimanya. Dan ia mampu menafsirkan data itu hanya dalam batas-batas sempit dari konteks yang disediakan. Itu tidak "memahami" apa yang telah dianalisis, sehingga tidak dapat menerapkan analisisnya ke skenario dalam konteks lain. Dan itu tidak bisa membedakan sebab akibat dari korelasi. AI lebih seperti spreadsheet Excel tentang steroid daripada seorang pemikir.
Kesulitan yang lebih besar dalam bekerja dengan bentuk AI ini adalah bahwa apa yang telah dipelajarinya tetap menjadi misteri — serangkaian respons yang tidak dapat ditentukan terhadap data. Setelah jaringan saraf dilatih, bahkan perancangnya tidak tahu persis bagaimana ia melakukan apa yang dilakukannya. Seperti yang dijelaskan oleh profesor Universitas New York, Gary Marcus, sistem pembelajaran mendalam memiliki jutaan atau bahkan miliaran parameter, yang dapat diidentifikasi oleh pengembang mereka hanya dalam hal geografi mereka dalam jaringan saraf yang kompleks. Mereka adalah "kotak hitam," kata para peneliti.
Berbicara tentang perkembangan baru di AlphaGo, CEO Google/DeepMind Demis Hassabis dilaporkan mengatakan, “Itu tidak bermain seperti manusia, dan tidak bermain seperti sebuah program. Ini bermain dengan cara ketiga, hampir asing.”
Bisnis tidak bisa membiarkan sistem mereka membuat keputusan asing. Mereka menghadapi persyaratan peraturan dan masalah reputasi dan harus mampu memahami, menjelaskan, dan menunjukkan logika di balik setiap keputusan yang mereka buat.
Agar AI menjadi lebih berharga, AI harus dapat melihat gambaran besar dan memasukkan lebih banyak sumber informasi daripada sistem komputer yang digantikannya. Amazon adalah salah satu dari sedikit perusahaan yang telah memahami dan menerapkan AI secara efektif untuk mengoptimalkan hampir setiap bagian dari operasinya mulai dari manajemen inventaris dan operasi gudang hingga menjalankan pusat data.
Dalam manajemen persediaan, misalnya, keputusan pembelian secara tradisional dibuat oleh individu yang berpengalaman, yang disebut pembeli, departemen demi departemen. Sistem mereka menunjukkan kepada mereka tingkat persediaan berdasarkan toko, dan mereka menggunakan pengalaman dan naluri mereka untuk memesan. AI Amazon menggabungkan data dari semua departemen untuk melihat tren yang lebih besar — dan menghubungkannya dengan data sosial ekonomi, pertanyaan layanan pelanggan, citra satelit tempat parkir pesaing, prediksi dari The Weather Company, dan faktor lainnya. Pengecer lain melakukan beberapa hal ini, tetapi tidak ada yang seefektif Amazon.
Jenis pendekatan ini juga merupakan dasar dari Echo dan Alexa , peralatan rumah tangga berbasis suara Amazon. Menurut Wired, dengan menyatukan semua tim pengembangannya dan menjadikan pembelajaran mesin sebagai fokus perusahaan, Amazon memecahkan masalah yang dimiliki banyak perusahaan: pulau-pulau data yang tidak terhubung. Data perusahaan biasanya disimpan dalam kumpulan data yang terputus-putus dalam sistem komputer yang berbeda. Bahkan ketika sebuah perusahaan memiliki semua data yang diperlukan untuk pembelajaran mesin, mereka biasanya tidak diberi label, mutakhir, atau diatur dengan cara yang dapat digunakan. Tantangannya adalah menciptakan visi besar tentang cara menyatukan kumpulan data ini dan menggunakannya dengan cara baru, seperti yang telah dilakukan Amazon.
AI berkembang pesat dan pasti akan mempermudah pembersihan dan integrasi data. Tetapi para pemimpin bisnis masih perlu memahami apa yang sebenarnya dilakukannya dan menciptakan visi untuk penggunaannya. Saat itulah mereka akan melihat manfaat besar.
Posting ini pertama kali muncul di wadhwa.com dan telah direproduksi dengan izin.