Vấn đề với AI? Dân

0
8

        Nhiều như chúng ta muốn dựa vào máy móc để cải thiện suy nghĩ của mình, hóa ra sự tương tác giữa con người và máy móc rất phức tạp.
    

        
                                                                                    
                        

                 [19459] ] ]
    

     Video: Cách phân biệt sự khác biệt giữa AI, học máy và học sâu
     Những tiến bộ trong trí tuệ nhân tạo, học máy và học sâu đang tác động đến các doanh nghiệp. Nhưng, các thuật ngữ thường được sử dụng thay thế cho nhau. Đây là cách phân biệt chúng.
    

    

Trí thông minh nhân tạo (AI) có thể không cứu thế giới, nhưng điều đó dường như không thể hủy hoại nó. Thật vậy, nếu chúng ta đã học được bất cứ điều gì về AI trong vài năm qua của chu kỳ cường điệu bùng nổ của nó, thì AI vừa mạnh hơn chúng ta tưởng tượng, vừa phụ thuộc nhiều vào con người để đạt được tiềm năng đó.

Nói cách khác, nếu AI không hoạt động, chúng ta có thể chỉ là vấn đề.

XEM: Trí thông minh nhân tạo: Hướng dẫn viên kinh doanh (PDF miễn phí) (TechRepublic)

chúng tôi đã mong đợi

Cách đây nhiều năm, các bộ phận robot của chúng tôi dường như đã sẵn sàng để "đi" trên Skynet và làm chúng tôi chết mãi mãi. Vâng, chúng tôi vẫn đang chờ đợi. Phần lớn các phản ứng dữ dội chống lại AI chỉ đơn giản là một sự hiểu lầm về thực tế nó là gì (bị các nhà cung cấp đánh giá quá cao về tiềm năng trong ngắn hạn của nó). Nhưng đó cũng là một chức năng của khó khăn cố hữu trong việc khiến máy móc "nghĩ" như con người.

Như chi tiết trong một bài xã luận của Người bảo vệ:

[T] anh ta khó có thể sao chép các kỹ năng của con người là vô thức, sản phẩm của hàng ngàn năm tiến hóa. Trong AI, điều này được gọi là nghịch lý của Moravec. Nhà nghiên cứu tương lai Hans Moravec đã viết: "Tất cả chúng ta đều là những người Olympus phi thường trong lĩnh vực tri giác và vận động, tốt đến mức chúng ta làm cho khó khăn trở nên dễ dàng". Đó là những điều mà bộ não của chúng ta vượt trội, các quy trình ẩn nhưng phức tạp mà máy học cố gắng sao chép.

Những thứ như vậy có vẻ đơn giản đối với chúng tôi rất phức tạp để lập trình. Trên flipside, máy móc có thể nhanh chóng vượt qua số lượng dữ liệu dồi dào, thực hiện các chiến công phù hợp với mô hình, ví dụ, không ai có thể sao chép. Ví dụ: T-Mobile sử dụng học máy để cung cấp cho các đại lý dịch vụ khách hàng quyền truy cập vào dữ liệu khách hàng trong thời gian thực, từ đó cải thiện trải nghiệm hỗ trợ. Về phần mình, Kia Motors sử dụng AI để phân tích dữ liệu thị giác máy tính bên trong xe hơi của mình để tối ưu hóa trải nghiệm lái xe (cá nhân hóa vị trí chỗ ngồi, v.v.).

Tất cả đều tốt.

Thật vậy, chính sự cho và nhận này giúp AI trở nên hữu ích, ngay cả khi nó có thể chưa thông minh như chúng ta muốn. Nhưng đó cũng là lúc nguy cơ AI trở nên rõ ràng nhất. Cũng từ bài xã luận của The Guardian: "Lời hứa của AI là nó sẽ mang lại cho máy móc khả năng phát hiện các mẫu từ dữ liệu và đưa ra quyết định nhanh hơn và tốt hơn con người. Điều gì xảy ra nếu chúng đưa ra quyết định tồi tệ nhanh hơn?"

Những người theo cách

Khả năng này cho các máy tính đưa ra quyết định tồi là phức tạp bởi dữ liệu được đưa vào chúng bởi những người thiên vị, như người sáng lập Rishidot, ông Krishnan Subramanian đã nhấn mạnh: "[T] ở đây có rất ít sự đa dạng trong số những người xây dựng các thuật toán AI này. " Điều này có thể được giảm thiểu thông qua những nỗ lực có ý thức để thuê các kỹ sư và nhà khoa học dữ liệu đa dạng, nhưng đó là một câu hỏi hóc búa.

Nó khiến mọi thứ trở nên khó khăn hơn bởi vì mọi người (dù là những người xây dựng mô hình AI hay không) đều bị ảnh hưởng bởi dữ liệu đến từ các máy. Theo cách này, chúng ta có thể trở nên xa rời dữ liệu thô hơn và không thể cung cấp dữ liệu tốt hơn cho các mô hình của mình, như Manjunath Bhat đã viết: "Mọi người sử dụng dữ liệu dưới dạng dữ liệu. Tuy nhiên, dữ liệu có thể bị thay đổi, biến đổi và bị thay đổi – tất cả đều nhân danh việc làm cho nó dễ tiêu thụ. Chúng tôi không có lựa chọn nào khác ngoài việc sống trong giới hạn của một cái nhìn được bối cảnh hóa cao về thế giới. " Nắm bắt sắc thái đó? Chúng tôi dựa vào số lượng dữ liệu ngày càng tăng để đưa ra quyết định, nhưng dữ liệu đó ngày càng được trung gian bởi các máy cố gắng đưa thức ăn cho chúng tôi theo cách giúp dễ tiêu thụ hơn.

Nói tóm lại, chúng tôi không "nhận được sự thật". Khi Bhat tiếp tục, "Các công nghệ kỹ thuật số không chỉ làm tăng lý luận của con người, mà còn có xu hướng ảnh hưởng đến lý luận đó". AI, nói cách khác, bị ảnh hưởng bởi đầu vào của con người, nhưng đến lượt nó lại ảnh hưởng đến những đầu vào đó.

Không ai trong số đó nói rằng AI là không thể. Như đã đề cập, có những ví dụ thực tế về các công ty đưa AI / ML vào sử dụng tốt hiện nay. Tuy nhiên, điều đó cho thấy rằng chúng ta nên tiếp cận AI với sự tăng cường chăm sóc và khiêm tốn, nhận ra rằng AI sẽ thường xuyên bị ảnh hưởng bởi chúng ta, tốt hơn và tồi tệ hơn.

Để biết thêm về AI, hãy xem "Các nhà nghiên cứu dược phẩm kiểm tra AI để dự đoán mất thị lực" và "Tại sao trí tuệ nhân tạo dẫn đến tăng trưởng việc làm" tại TechRepublic.

Tuyên bố miễn trừ trách nhiệm : Tôi làm việc cho AWS, nhưng trong công việc tôi không liên quan (dù trực tiếp hay gián tiếp) với bất kỳ đội nào xây dựng các sản phẩm liên quan đến AI

                                                                                

                                                

Cũng xem

 cloudai.jpg "width =" 770 "/> </span><figcaption>
<p>
                                            Hình ảnh: metamorworks, Getty Images / iStockphoto<br />
                                        </p>
</figcaption></figure>
</p></div>
</pre>
<div class=