Разбиране на разликата между изкуствен интелект и традиционни техники
Наскорашната популярност на изкуствения интелект, съчетана с факта, че областта е нова и привлекателна, е довела до това много организации да твърдят, че техните проекти използват най-новите постижения в областта на AI, когато те само най-вече използват стандартна условна логика, вероятност и статистика. Това води до това, че организациите не осъзнават ползите, които AI може да донесе.
Общо разбиране на изкуствения интелект от по-широката общественост е от съществено значение за осигуряване на точен консенсус и за това технологиите да се развиват безопасно и отговорно. Въпреки че има много причини и вътрешни натиски да се твърди използването на AI, когато такова твърдение е неточно, организациите в резултат на това не се възползват от реалния напредък. Условната логика, вероятностните и статистическите техники лежат в основата на повечето организации днес и макар да са сложни и усъвършенствани сами по себе си, както и да предоставят значителни ползи, те се различават от това, което днес обикновено се нарича изкуствен интелект.
Повечето съвременни бизнес приложения разчитат на условна логика. В контекста на съвременните езици за програмиране и машини за формули, бизнес логиката днес обикновено се изразява като Булева логика, If-Then-Else оператори и Case оператори. Организационната бизнес логика може да бъде уловена и изразена в условно разсъждение. Въпреки че се е доказала като изключително ценна, тя се различава от това, което днес обикновено се нарича Изкуствен интелект. Вероятностните и статистическите техники, които често се използват широко за прогнози и предвиждания, макар и надеждни и обосновани, всъщност не са Изкуствен интелект. Тези математически конструкции са повече или по-малко дефинирани предварително рационално, с малко константи за промяна или вариране, докато Изкуственият интелект разчита на динамиката.
Вместо това, Изкуственият интелект, както е описано накратко, обикновено разчита на модели, които учат от данни и сами определят логиката от данните. Откакто през 1999 г. е представено доказателството на Теоремата за универсална апроксимация, демонстрирайки как една невронна мрежа може да апроксимира всяка функция, сега се насочват повече усилия към решаването на програми чрез Изкуствен интелект вместо чрез други парадигми. Макар теоретично да е възможно да се апроксимира всяка функция, изчислителната мощност и техниките за постигането на това бяха ограничаващ фактор на практика. Въпреки това, скорошните напредъци постигнаха големи успехи в преодоляването на разликата между теория и практика.
Модерният изкуствен интелект използва техники, включително дълбоко обучение с подкрепление, обработка на естествен език, LSTMs и генеративно-състезателни модели с рамки, включително TensorFlow и PyTorch, използвани в реализации. Добър тест дали вашият проект използва изкуствен интелект, е да разгледате активно използваните инструментални средства в проектите. Вероятно не е проект, базиран на AI, ако не използва инструменти в тази сфера, с изключение на очевидния случай на разчитане на персонализирани инструментални средства, които изпълняват ежедневни AI задачи като умножение на матрици.
Приложения, базирани на изкуствен интелект, и приложения, които не са базирани на изкуствен интелект
Ето някои истински примери за изкуствен интелект, които се използват в реалния свят:
- Системи за компютърно зрение, които се учат да откриват и проследяват обекти от маркирани данни;
- Системите за езикова обработка се учат да отговарят на въпроси и се усъвършенстват с времето, като например Чат-Ботове;
- Агенти за игра на игри, които само от въвеждане на пиксели могат да се научат да играят игри като Space Invaders, Pacman и Tetris.
Обратно, ето някои примери, които често се твърди, че са примери за изкуствен интелект, когато не са такива и не би трябвало да се твърди, че са:
- Прогностични модели, които разчитат на вероятности и статистика;
- SQL заявки, които извличат данни от база данни и извършват някакъв вид агрегиране или сортиране;
- Табла за анализи, базирани на правила, създадени в Tableau или Microsoft Power BI;
- Електронни таблици на Excel, които използват прости формули;
- Работни книги на Excel, задвижвани от макроси, които съдържат някакъв VBA код;
- Сензорните системи изпращат сигнал обратно до контролен център, който човешки експерт интерпретира.
Бъдещи насоки за организации, които искат да внедрят изкуствен интелект
В много случаи изкуственият интелект може да решава сложни проблеми, но има ограничения, при които стандартната условна логика, вероятностите и статистиката биха били превъзходни. Пример за това са изключенията, които изискват 100% надеждност, при които AI системите понякога могат да дават несъответстващи резултати. В случая с традиционните техники би било полезно да се посочи как са били внедрени, вместо да се твърди, че са базирани на изкуствен интелект, тъй като това би подобрило потока от знания.
Изкуственият интелект непрекъснато се развива, като подобренията идват бързо, постепенно прониквайки в ежедневието чрез внедряване върху вече съществуващи технологични платформи и инфраструктура. Тъй като става все по-разпространен, точността е по-важна от всякога, и е критично да се обмисли как се прилага и обяснява. Тъй като сферата неизбежно ще стане по-регулирана, определени свободи, които си позволяват при погрешно твърдение за използване на AI, с течение на времето ще бъдат отстранени. Организациите обаче могат да си осигурят стартово предимство, като възприемат точни дефиниции за AI още от сега.
Ползите от истинския изкуствен интелект са огромни, а Telemus AI може да работи с вашата организация, за да постигне осезаеми резултати, далеч отвъд традиционните техники.
Свържете се с нас днес за безплатна консултация относно това как Telemus AI™ може да бъде интегриран във вашата организация.
