Content
- IA al cicle hiper
- Fins aquí, no tan bo
- Sense errors, sense estrès: la vostra guia pas a pas per crear programes que canvien la vida sense destruir la vida
- Tot depèn de les dades
Font: charles taylor / iStockphoto
Emportar:
Hi ha moltes indicacions sobre la intel·ligència artificial, i quina intel·ligència és?
La intel·ligència artificial ha obtingut tanta atenció en cercles empresarials que es poden excusar a molts líders informàtics per pensar que proporcionarà totes les respostes a un ecosistema de dades cada cop més complex. Però, tot i que, certament, pot tenir moltes millores significatives a la tecnologia existent, també és just afirmar que algunes de les expectatives que envolten la seva eficàcia estan sobresortides.
De fet, hi ha relativament poca comprensió de què és exactament l'AI, com funciona realment i què pot fer realment. I això està conduint a grans concepcions errònies sobre el seu paper a l’empresa i la forma en què es relacionarà amb la infraestructura existent i els humans que l’operaven.
IA al cicle hiper
Segons l'últim cicle de Hype de Gartner, els subconjunts claus de l'AI com l'aprenentatge profund, l'aprenentatge automàtic i la informàtica cognitiva es troben a la part superior de la corba de les expectatives inflacions màximes, cosa que significa que es troben a la part inferior de la llarga diapositiva cap a la canalització de la desil·lusió. Tot i que això és paral·lel al curs de pràcticament totes les tecnologies pertorbadores dels darrers 30 anys, destaca que l’impacte projectat de l’IA en l’empresa, que es deriva principalment de proves de laboratori controlades, està a punt d’aprofundir-se en les realitats. de l’entorn de producció. (Consulteu un historial d’innovacions informàtiques en De Ada Lovelace a Deep Learning.)
Tot i això, l’investigador de Gartner, Mike Walker, espera que l’IA es converteixi en omnipresent durant la propera dècada mitjançant una combinació d’avançar la potència de càlcul, la qual cosa condueix al desenvolupament de construccions com la xarxa neuronal i el simple fet que la càrrega de dades de l’empresa s’hagi tornat tan immensa. i tan complex que els operadors humans ja no poden fer front.
Una de les primeres coses que l’empresa ha d’entendre sobre la IA és que juga de forma ràpida i fluixa amb el terme “intel·ligència”. Tal com va explicar recentment el neurocientífic suís Pascal Kaufmann a ZDnet, hi ha profundes diferències en la forma en què s’utilitza un algorisme d’ordinador i un cervell humà. processar informació per arribar a una conclusió. Tenint prou potència de processament, un algorisme d’ordinador pot comparar milions, milers de milions, potser fins i tot bilions de conjunts de dades per prendre una determinació senzilla, com per exemple si una imatge d’un gat és realment una imatge d’un gat. Però fins i tot un nen petit, donat molt poques dades, pot instintivament determinar que és un gat i sabrà per sempre després què és un gat i com s’assembla.
Segons aquest estàndard, fins i tot l'exemple més destacat de la IA en el treball - el domini de Google DeepMind d'AlphaGo del joc d'estratègia Go - no va ser realment la intel·ligència artificial, sinó una secció transversal de big data, analítica i automatització capaç de racionalitzar un enfocament basat en regles. a guanyar. Curiosament, Kaufmann afegeix que un veritable exemple d’intel·ligència artificial seria si AlphaGo hagués descobert com enganyar per guanyar. Tanmateix, per fer-ho, la ciència primer haurà de trencar el “codi cerebral” que potencia la nostra capacitat per processar informació, recuperar coneixement i emmagatzemar memòries. (Obteniu més informació sobre l’automatització amb automatització: el futur de la ciència de dades i l’aprenentatge automàtic?)
Fins aquí, no tan bo
De fet, malgrat les pors que l'AI estigui a punt de suposar la feina de tothom, els resultats fins ara són gairebé còmics. Els aficionats a George R.R. "Game of Thrones" de Martin són tan impacients per a la propera entrega de la sèrie que molts van acudir a un capítol de gobbledygook gairebé pur escrit per una forma d'AI anomenada xarxa neuronal recurrent. Mentrestant, IBM pren tractes de recerca d’oncologia on se’ls va dir que Watson desencadenaria una nova era en el diagnòstic i el tractament, però en canvi encara lluita per diferenciar entre les formes bàsiques de càncer. Tenint en compte aquest historial, és molt possible que quan s’introdueixi AI per primera vegada en l’empresa típica, és probable que requereixi més esforços per part dels operadors humans només per rastrejar i controlar tots els errors que cometran.
Sense errors, sense estrès: la vostra guia pas a pas per crear programes que canvien la vida sense destruir la vida
No podeu millorar les vostres habilitats de programació quan ningú es preocupa per la qualitat del programari.
Però aquí teniu el problema: la IA millorarà amb el pas del temps sense haver de ser reprogramada. Tal com va dir recentment l’investigador de Cornell Tech, Daniel Huttenlocker, a Tech Crunch, l’AI té més probabilitat de desplaçar el programari tradicional –i tots els molestos pedaços, actualitzacions i correccions que necessita– que els operadors humans. Això no vol dir que no calgui programar IA, sinó que l’enfocament és molt simplificat. Amb el programari actual, el programador ha de definir no només la tasca a resoldre, sinó els passos exactes per resoldre-la. Amb IA, l’únic que cal és l’objectiu i el programari ha de poder gestionar la resta, sempre que tingui les dades adequades per treballar.
Tot depèn de les dades
Aquest últim punt és crucial perquè, al final del dia, la IA és simplement un algorisme, i els algoritmes només són tan bons com les dades que s'emeten. Això vol dir que, a més de construir un marc operatiu adequat de l’IA, l’empresa haurà d’establir un entorn de condicionament de dades bastant vigorós perquè els resultats de l’analítica es basin en informació exacta. Segons va dir recentment el director general d’ActiveCampaign, Jason VandeBoom, a Forbes, l’antic. encara s’apliquen les regles de “brossa a iguals d’escombraries”, de manera que podria passar un temps abans que les organitzacions vegin els veritables beneficis de la seva inversió en IA.
Tenint en compte tot això, l'empresa no hauria d'esperar que l'AI proporcioni una solució ràpida per als reptes emergents del big data i del IoT. És probable que la corba d’aprenentatge tant per a humans com per a màquines sigui molt llarga i els resultats siguin incertos.
Però, si tot funciona de la manera prevista, tant l’empresa com la força de coneixement haurien de tenir beneficis importants a llarg termini. Penseu en la tasca més mundana, tediosa i que necessita temps, que alenteix els vostres processos en aquest moment i imagineu-vos que no haureu de tornar a fer-los mai més.