Nu crede hype-ul despre AI în afaceri
Publicat: 2018-03-25Chiar dacă sistemele AI pot învăța acum un joc și pot învinge campionii în câteva ore, sunt greu de aplicat aplicațiilor de afaceri
Pentru a împrumuta o replică de la profesorul Duke Dan Ariely, inteligența artificială este ca sexul la adolescenți:
„Toată lumea vorbește despre asta, nimeni nu știe cu adevărat cum să o facă, toată lumea crede că toți ceilalți o fac, așa că toată lumea susține că o face.”
Chiar dacă sistemele AI pot învăța acum un joc și pot învinge campioni în câteva ore, ele sunt greu de aplicat aplicațiilor de afaceri.
MIT Sloan Management Review și Boston Consulting Group au chestionat 3.000 de directori de afaceri și au descoperit că, deși 85% dintre aceștia credeau că AI le va oferi companiilor lor un avantaj competitiv, doar unul din 20 îl încorporase „extensiv” în ofertele sau procesele lor. Provocarea este că implementarea AI nu este la fel de ușoară ca și instalarea unui software. Este nevoie de expertiză, viziune și informații care nu sunt ușor accesibile.
Când te uiți la aplicații binecunoscute ale AI, cum ar fi AlphaGo Zero de la Google, ai impresia că este ca o magie: AI a învățat cel mai dificil joc de masă din lume în doar trei zile și a învins campionii. Între timp, AI-ul Nvidia poate genera imagini fotorealiste ale unor oameni care arată ca niște celebrități doar privind imaginile celor reale.
AlphaGo și Nvidia au folosit o tehnologie numită rețele adverse generative, care pune două sisteme AI unul împotriva celuilalt pentru a le permite să învețe unul de la celălalt. Trucul a fost că, înainte ca rețelele să se lupte între ele, au primit mult coaching. Și, mai important, problemele și rezultatele lor au fost bine definite.
Cu toate acestea, majoritatea problemelor de afaceri nu pot fi transformate într-un joc; ai mai mult de doi jucători și nu există reguli clare. Rezultatele deciziilor de afaceri sunt rareori un câștig sau o pierdere clară și există mult prea multe variabile. Deci, este mult mai dificil pentru companii să implementeze AI decât pare.
Recomandat pentru tine:
Cum va transforma Metaverse industria auto din India
Ce înseamnă prevederea anti-Profiteering pentru startup-urile indiene?
Cum startup-urile Edtech ajută forța de muncă din India să își îmbunătățească abilitățile și să devină pregătite pentru viitor...
Stocuri de tehnologie New-Age săptămâna aceasta: problemele Zomato continuă, EaseMyTrip postează Stro...
Startup-urile indiene iau comenzi rapide în căutarea finanțării
Platforma de marketing digital Logicserve are finanțare de 80 INR Cr, rebrand-urile ca LS Dig...
Sistemele AI de astăzi fac tot posibilul pentru a emula funcționarea rețelelor neuronale ale creierului uman, dar fac acest lucru într-un mod foarte limitat. Ei folosesc o tehnică numită învățare profundă, care ajustează relațiile dintre instrucțiunile computerului concepute să se comporte ca neuronii. Pentru a spune simplu, îi spuneți unui AI exact ce doriți să învețe și îi oferiți exemple clar etichetate, iar acesta analizează modelele din acele date și le stochează pentru aplicații viitoare. Precizia tiparelor sale depinde de date, așa că cu cât îi oferiți mai multe exemple, cu atât devine mai util.
Aici se află o problemă: un AI este la fel de bun ca și datele pe care le primește. Și este capabil să interpreteze acele date numai în limitele înguste ale contextului furnizat. Nu „înțelege” ceea ce a analizat, deci nu își poate aplica analiza scenariilor din alte contexte. Și nu poate distinge cauzalitatea de corelație. AI seamănă mai mult cu o foaie de calcul Excel pe steroizi decât cu un gânditor.
Cea mai mare dificultate în lucrul cu această formă de IA este că ceea ce a învățat rămâne un mister - un set de răspunsuri indefinibile la date. Odată ce o rețea neuronală este antrenată, nici măcar designerul ei nu știe exact cum face ceea ce face. După cum explică profesorul de la Universitatea din New York, Gary Marcus, sistemele de învățare profundă au milioane sau chiar miliarde de parametri, identificabili de dezvoltatori doar în ceea ce privește geografia lor într-o rețea neuronală complexă. Sunt o „cutie neagră”, spun cercetătorii.
Vorbind despre noile evoluții din AlphaGo, CEO-ul Google/DeepMind, Demis Hassabis , a spus: „Nu joacă ca un om și nu joacă ca un program. Joacă într-un al treilea mod, aproape extraterestru.”
Afacerile nu își pot permite ca sistemele lor să ia decizii extraterestre. Aceștia se confruntă cu cerințe de reglementare și preocupări legate de reputație și trebuie să fie capabili să înțeleagă, să explice și să demonstreze logica din spatele fiecărei decizii pe care o iau.
Pentru ca AI să fie mai valoroasă, trebuie să fie capabilă să privească imaginea de ansamblu și să includă mult mai multe surse de informații decât sistemele informatice pe care le înlocuiește. Amazon este una dintre puținele companii care a înțeles și a implementat deja AI în mod eficient pentru a optimiza practic fiecare parte a operațiunilor sale, de la gestionarea stocurilor și operarea depozitelor până la gestionarea centrelor de date.
În managementul stocurilor, de exemplu, deciziile de cumpărare sunt luate în mod tradițional de persoane cu experiență, numiți cumpărători, departament cu departament. Sistemele lor le arată nivelurile de inventar în funcție de magazin și își folosesc experiența și instinctele pentru a plasa comenzi. AI Amazon consolidează datele de la toate departamentele pentru a vedea tendințele mai mari – și le raportează la datele socioeconomice, întrebările privind serviciile clienților, imaginile prin satelit ale parcărilor concurenților, predicțiile The Weather Company și alți factori. Alți retaileri fac unele dintre aceste lucruri, dar niciunul nu este la fel de eficient ca Amazon.
Acest tip de abordare stă și la baza Echo și Alexa , electrocasnicele Amazon bazate pe voce. Potrivit Wired, prin reunirea tuturor echipelor sale de dezvoltare și făcând învățarea automată un accent corporativ, Amazon rezolvă o problemă pe care o au multe companii: insule de date deconectate. Datele corporative sunt de obicei stocate în seturi de date disjunse în diferite sisteme informatice. Chiar și atunci când o companie are toate datele necesare pentru învățarea automată, acestea nu sunt de obicei etichetate, actualizate sau organizate într-un mod utilizabil. Provocarea este de a crea o viziune grandioasă despre cum să puneți împreună aceste seturi de date și să le folosiți în moduri noi, așa cum a făcut Amazon.
AI avansează rapid și cu siguranță va face mai ușoară curățarea și integrarea datelor. Dar liderii de afaceri vor trebui totuși să înțeleagă ce face cu adevărat și să creeze o viziune pentru utilizarea sa. Atunci vor vedea marile beneficii.
Această postare a apărut pentru prima dată pe wadhwa.com și a fost reprodusă cu permisiune.