Näemme uutisia tekoälystä kaikkialla; Joskus näemme jännitystä tekoälyn ympärillä ja joskus artikkeleita, joissa puhutaan siitä, kuinka tekoäly korvaa tai tuhoaa työpaikkamme. Näemme myös satunnaisen artikkelin, jossa puhutaan kuinka tekoäly tuhoaa ihmiskunnan.
Tässä artikkelissa en keskustele keinotekoinen yleinen äly tai paha tekoäly, joka haluaa tuhota ihmiskunnan. Keskityn nykyiseen tekoälyyn, joka perustuu enimmäkseen algoritmeihin, jotka voivat tehdä ennusteita, ja keskustelen siitä, miten tekoälyn taloustiede toimii ja miten se voi vaikuttaa liiketoimintaan. Haluan myös mainita, että tämän artikkelin sisältö vaikuttaa erittäin voimakkaasti (ja tämä kirjoittaja suosittelee lämpimästi jatkokäsittelyä) Ennustekoneet: Keinotekoisen älykkyyden yksinkertainen taloustiede ja Ihminen + kone: Työn uudistaminen tekoälyn aikakaudella .
Tämä artikkeli on jaettu kolmeen pääosaan:
Ennen kuin jatkan, haluaisin keskustella joidenkin historiallisten tapahtumien yhtäläisyyksistä, jotka ovat analogisia tekoälyn mielestämme tänään. Annan esimerkkejä siitä, kuinka tietyn tekniikan laaja käyttö muutti ajattelutapojamme. Kuinka pääsimme aritmeettisesta erikoisalaan tekoälyn kehittämisyritykset ?
Mitä tietokoneet parhaiten tekevät, on aritmeettinen. Ennen tietokoneita, joita nyt tunnemme, termiä 'tietokone' käytettiin kirjaimellista tietojenkäsittelyä harjoittaville ihmisille, joita kutsumme nyt 'tietokoneiksi'. ihmisen tietokone '
Tekniikan kehittyessä tietojenkäsittelystä tuli halvempaa ja nopeampaa, ja aloimme ajatella kaikkea aritmeettisesti. Valokuvaus on hyvä esimerkki - historiallisesti visuaalisten tehosteiden muokkaaminen tai soveltaminen valokuviin oli kemiallinen reaktio. Nyt kuitenkin käytämme algoritmeja, joihin taiteilijat ja valokuvaajat pääsevät ohjelmistopakettien kautta, tehosteiden matemaattiseen soveltamiseen valokuviin.
Tämä on erinomainen esimerkki ajattelustamme, kun tavaran / palvelun hinta laskee; alamme miettiä, kuinka ratkaista nykyiset ongelmamme tämän uuden tekniikan avulla. Se on sama tekoälylle.
Kun Internetiä alettiin käyttää laajasti, se teki valtavia liikkeitä eri toimialoilla, ja kyse oli kustannusten alentamisesta eri alueilla. Esimerkiksi tavaroiden ja palvelujen jakelukustannukset halpenivat, mikä laukaisi sähköisen kaupankäynnin. Lopulta yritykset muuttivat strategiaansa ja joko selviytyivät tai kuolivat.
Kun tavaran tai palvelun hinta laskee, alamme käyttää sitä useammin, ja voimme nähdä tämän myös verkossa. Tämä muuttaa myös ajattelutapojamme ja siirrämme kokonaisia teollisuudenaloja verkossa. Verkkokaupan lisäksi voidaan nähdä toinen esimerkki hakukoneiden käytöstä; emme enää käytä tietosanakirjoja tietojen hakemiseen, vaan käytämme Googlea tai muita hakukoneita.
Tekoälyn hinta laskee laskentatehon ja työkalujen suhteen. Jokainen uusi työkalu / kirjasto auttaa koneoppimisen kehittäjät viettää vähemmän aikaa ennustusongelmiin. Esimerkiksi Googlen TensorFlow, AutoML tai jopa scikit voidaan näyttää esimerkkeinä tähän tarkoitukseen. Voimme myös osoittaa GPU-laskennan lisääntyneen käytön esimerkkinä tekoälyn kustannusten alenemisesta.
Yrityksen seuraavan vuosineljänneksen myyntiennuste on ilmeinen ennusteongelma, mutta autonomisen ajoneuvon kehittäminen ei ollut ennustusongelma vuosikymmen sitten. Tekoälyn kustannusten alentaminen muuttaa ajattelutapojamme, mikä tarkoittaa, että aloimme ajatella erilaisia ongelmia ennustusongelmana. Käytimme jo itsenäisiä ajoneuvoja valvotuissa ympäristöissä, kuten tehtaissa, joissa ajoneuvo voidaan ohjelmoida käyttämällä if-else ohjelmointiehdot. Ajattelutavan muuttaminen ja tämän ennakoiminen ongelmaksi auttoi insinöörejä kehittämään itsenäisiä autoja, joita voidaan käyttää luonnossa.
Näin se toimi periaatteessa; insinööri opetti tekoälylle, mitä ihminen tekisi erilaisissa olosuhteissa, ja tämä mahdollisti sellaisen aluksella olevan ohjelmiston luomisen, jonka avulla kuljettajat voivat käyttää autoja tuhansien mailien päässä väsymättä muutaman sadan jälkeen. Tekoäly oppi, mitä ihminen tekisi, ja alkoi ennustaa, mitä hänen pitäisi tehdä. Tämä on erittäin hyvä esimerkki ongelman ajattelusta ennusteen suhteen.
Tässä on tärkeä kysymys: Vaikuttaako tekoäly yritysten strategiaan ja liiketoimintamalleihin? Jos ajattelet tekoälyä ennustustyökaluna, joka auttaa sinua tekemään päätöksen, ei välttämättä ole selvää, miten se vaikuttaa puhtaaseen strategiaan, koska se on vain yksi työkalu, joka auttaa sinua tekemään päätöksiä. Mutta jos alat ajatella tekoälyä ennustustyökaluna, joka voi ennustaa suurella tarkkuudella, se voi muuttaa itse strategioita. Kirjassa on erinomainen esimerkki Ennustekoneet: Keinotekoisen älykkyyden yksinkertainen taloustiede .
Kun ostamme ja ostamme tavaroita Amazonilta, se lähettää paketit toimistoomme / kotiin. Joten tätä menetelmää voidaan kutsua shopping-then-shipping -menetelmäksi. Tiedämme myös, että Amazonilla on suositusmoottori ja se suosittelee kohteita, kun navigoit sivuilla. Emme osta kaikkia suositeltuja tuotteita, mutta se ainakin suosittelee tuotteita, joista saatamme olla kiinnostuneita. Oletetaan, että Amazon alkoi ennustaa ostamiasi tuotteita erittäin tarkasti. Jos aloit ostaa 80% suositelluista tuotteista, Amazon voi päättää lähettää tuotteet ennen kuin ostat ne - kutsumme tätä lähetys- ja sitten ostoksiksi. Tämä on ilmeinen muutos liiketoimintastrategiassa, koska kun tuotteet saapuvat kotiisi, lähetät 20% tuotteista takaisin, eikä Amazonin nykyinen hintamallinnus perustu tähän oletukseen. Ehkä Amazon päättää lähettää kuorma-auton kaupunkiin viikoittain palautettujen tavaroiden keräämiseksi, mikä muuttaa täysin sitä, kuinka Amazon veloittaa luottokorttisi, kuinka se pakkaa tavarat ja miten se käsittelee palautettuja tavaroita. Kaikki tämä strategiamuutos on tekoälyn etu, jolla on suurempi ennustetarkkuus.
Uskon, että voimme työskennellä enemmän ajatuskokeita, kuten edellinen Amazon-esimerkki, ajattelemalla vain, mitä tapahtuisi, jos tekoäly pystyy ennustamaan tarkemmin.
Kuinka ihmisen ja tekoälyn vuorovaikutus kehittyy tulevaisuudessa? Kilpailevatko he vai työskentelevätkö he yhdessä? Keskityn näihin kysymyksiin tarkastelemalla kirjaa Ihminen + kone: Työn uudistaminen tekoälyn aikakaudella . Kirjoittajien mukaan on skenaarioita, joissa ihmiset täydentävät tekoälyä ja missä tekoäly täydentää ihmistä.
Ihmiset voivat täydentää tekoälyä kolmella alueella: koulutuksessa, selittämisessä ja ylläpidossa.
Tekoäly tarvitsee oppimiseen tietoja, joita kutsutaan koulutusvaihe , joten se voi tehdä ennusteita.
Tulevaisuudessa meillä voi olla koulutusagentteja, jotka keskittyvät yksinomaan tekoälyn koulutukseen kyseisen yrityksen vaatimusten perusteella. Jos kyseessä on tehdas, kouluttaja voi olla vastuussa robotin kouluttamisesta; jos kyseessä on verkkokaupan yritys, koulutusagentti voi olla vastuussa historiallisten tietojen kokoamisesta.
Meidän on ymmärrettävä, miten ja miksi tekoäly antoi erityisen vastauksen tiettyyn ongelmaan.
Yleensä tekoälyn selitettävyyden ja tarkkuuden välillä on kompromissi. Black-box AI -menetelmillä on enemmän tarkkuutta verrattuna helposti selitettäviin menetelmiin. Vaikka on olemassa työkaluja, jotka on kehitetty selittämään, miksi mustan laatikon tekoäly teki erityisen ennusteen, saatamme tarvita työroolia, joka ymmärtää ja selittää tekoälyn tulokset.
Meidän on oltava varmoja siitä, että tekoäly toimii odotetulla tavalla.
Vuonna 2015 Volkswagen-tehtaan robotti tarttui työntekijään ja mursi hänet kuolettavasti. Saatamme tarvita rooleja, joiden vastuulla on varmistaa, että tekoälyjärjestelmät toimivat odotetusti.
Tekoälyn potentiaali antaa ihmisille supervoimia, koska tekoäly tekee ennusteita nopeammin ja tarkemmin kuin ihmiset koskaan pystyvät. Nämä suurvallat voidaan ilmaista arvona, jonka ne tuovat tiettyyn tilanteeseen tai toimintaan.
Tekoälyn työkalut auttavat ihmisiä lisäämään ihmiseksi tulemisen kykyä. Kirjassa Ihminen + kone: Työn uudistaminen tekoälyn aikakaudella , kirjoittajat käyttävät esimerkkiä Autodeskin Dreamcatcher-ohjelmistosta, joka käyttää geneettisiä algoritmeja iteroimaan mahdollisten mallien läpi.
Suunnittelija voi suunnitella tuolin kevyen, halvan ja vahvan tämän työkalun avulla. Tekoäly yrittää luoda mallin, joka perustuu annettuihin kriteereihin ja toimittaa tulokset suunnittelijalle. Suunnittelija käyttää sitten valitsemaan yhden annetuista malleista ja käyttää heidän luovuuttaan kyseiseen suunnitteluun viimeisen silauksen tekemiseksi.
Tämä on samanlainen kuin mitä tietokoneita tarjotaan tietokoneiden ikäisille - vain uudella ja jännittävällä kapasiteetilla sen suhteen, millaisten asioiden tekoäly voi auttaa.
Tekoäly voi toimia avustajana auttamaan ihmisiä vuorovaikutuksessa heidän kanssaan. Amazonin Alexa, Google Home ja Applen Siri ovat merkittäviä esimerkkejä tällaisesta interaktiivisesta tekoälystä. Kun näitä agentteja parannetaan jokaisella iteraatiolla, alamme käyttää niitä useammin, ja siitä tulee osa meitä, kuten syvempi versio siitä, mitä teemme älypuhelimillamme. Nuo edustajat ovat yksityisiä avustajiamme ja he täydentävät meitä.
Tehtaista löytyy esimerkkejä tekoälyllä toimivasta fyysisestä lisäyksestä. Vaikka tehtaita ylläpitävät robotit juuri nyt, ne ovat enimmäkseen sääntöihin perustuvia järjestelmiä, ja ne asetetaan häkkiin - joka tapauksessa - turvallisuuden vuoksi. Robotit auttavat ihmisiä työtovereina, ja ne on suunniteltu olemaan vahingoittamatta ihmisiä, kun he liikkuvat vapaasti ja työskentelevät tehtaalla.
Vaikka on joitain huolenaiheita, jotka sanovat 'robotit ovat tehokkaampia, joten työntekijät hylätään tulevaisuudessa', Mercedeksen tuotantosuunnittelupäällikkö Markus Schaefer sanoo: 'Olemme siirtymässä pois automatisoinnin maksimoinnista ihmisten kanssa. jälleen suurempi osa teollisissa prosesseissa. ' Uudet tekniikat tuovat monumentaalisia muutoksia toimintatavoissamme, mutta auran keksiminen ei poistanut maataloustyöntekijöiden tarvetta eikä tietokoneen keksintö poistanut tarvetta matemaatikoille. Kuten kaikkien teknisten vallankumousten kohdalla, tekoälyn syntymistä käytetään auttamaan ihmiskuntaa saavuttamaan uusi paradigma, ei korvaamaan sitä kokonaan.
Oletko valmis teknisempiin tekoälytietoihin? Yrittää Syvä sukellus vahvistusoppimiseen oppia kuinka opettaa tekoäly ajamaan autoa ylös vuorelle.
Tekoälyn sovellukset vaihtelevat itsenäisistä autoista käännöksiin, chatroboteista kuvien tunnistamiseen. Digitaaliset avustajat, kuten Siri ja Alexa, ovat tyypillisiä esimerkkejä tekoälysovelluksista, ja koska tekoälyn tehokkuus on viime aikoina lisääntynyt, meidän pitäisi tulevaisuudessa nähdä lisää tekoälysovelluksia.
Pohjimmiltaan voit käyttää tekoälyä yrityksesi kahdella eri alueella; voit rakentaa yrityksesi tekoälyn perusteella, mikä tarkoittaa, että ydinarvoehdotuksesi on tekoälyyn perustuva tekniikka. Toinen menetelmä on tekoälymenetelmien hyödyntäminen liiketoiminnan parantamiseksi ja myynnin määrän lisäämiseksi.
Tekoäly oli termi, jonka John McCarthy keksi vuonna 1955, ja se on tietojenkäsittelytieteiden ala, joka tutkii koneita (algoritmeja), jotka toimivat ja reagoivat ihmisten tavoin. Tekoälyllä on osa-alueita, kuten koneoppiminen, luonnollisen kielen käsittely ja tietokonenäkö.
Ennustavat algoritmit ennustavat tuloksen annettujen syötteiden perusteella. Ne toimivat joko oppimis- tai ennustusvaiheessa. Oppimisvaiheessa tulo- ja lähtöparien historialliset tiedot välitetään algoritmille ja se kartoittaa näiden kahden välisen suhteen. Jälkimmäisessä vain syötteet annetaan ja se ennustaa lähdön.
