Razumijevanje razlike između vještačke inteligencije i tradicionalnih tehnika
Nedavna popularnost vještačke inteligencije, u kombinaciji sa činjenicom da je oblast nova i privlačna, dovela je do toga da mnoge organizacije tvrde da njihovi projekti koriste najnovija dostignuća u oblasti AI kada uglavnom koriste standardnu uslovnu logiku, vjerovatnoću i statistiku. To rezultira time da organizacije ne shvataju prednosti koje AI donosi.
Opšte razumijevanje vještačke inteligencije od strane šire javnosti je od suštinskog značaja kako bi se osigurao tačan konsenzus i da se tehnologija razvija sigurno i odgovorno. Iako postoji mnogo razloga i unutrašnjih pritisaka za tvrdnju o korištenju AI-a kada je takva tvrdnja netačna, organizacije, kao rezultat toga, također ne koriste stvarna unapređenja. Uslovna logika, vjerovatnosne i statističke tehnike podupiru većinu današnjih organizacija i iako su složeni i sofisticirani sami po sebi, kao i pružaju značajne prednosti, oni se razlikuju od onoga što se danas obično naziva vještačkom inteligencijom.
Većina modernih poslovnih aplikacija oslanja se na uslovnu logiku. U kontekstu savremenih programskih jezika i motora formula, poslovna logika se danas obično izražava kao Bulova logika, If-Then-Else izjave i Case izjave. Organizaciona poslovna logika se može uhvatiti i izraziti u uslovnjem rezonovanju. Iako se pokazala izuzetno vrijednom, razlikuje se od onoga što se danas obično naziva Vještačka inteligencija. Vjerovatnosne i statističke tehnike koje se često intenzivno koriste za prognoze i predviđanja, iako također pouzdane i ispravne, zapravo nisu Vještačka inteligencija. Ovi matematički konstrukti su manje-više unaprijed racionalno definisani, sa nekoliko konstanti koje se mijenjaju ili variraju, dok Vještačka inteligencija oslanja na dinamiku.
Umjesto toga, umjetna inteligencija, kako je ukratko opisano, tipično se oslanja na modele koji uče iz podataka i sami određuju logiku iz podataka. Otkako je 1999. godine predstavljen dokaz Teorema o univerzalnoj aproksimaciji, koji pokazuje kako neuronska mreža može aproksimirati bilo koju funkciju, sada se više napora usmjerava ka rješavanju programa putem umjetne inteligencije umjesto drugih paradigmi. Iako je teorijski moguće aproksimirati bilo koju funkciju, računarska snaga i tehnike za postizanje ovoga bile su ograničavajući faktor u praksi. Međutim, nedavni napreci su napravili velike korake u premošćavanju jaza između teorije i prakse.
Moderna vještačka inteligencija koristi tehnike uključujući Duboko potkrepljujuće učenje, Obradu prirodnog jezika, LSTM-ove i Generativno-antagonističke modele, pri čemu se u implementacijama koriste okviri uključujući TensorFlow i PyTorch. Dobar test da li vaš projekat koristi Vještačku inteligenciju je pregled alata aktivno korištenih u projektima. Vjerovatno nije projekat zasnovan na AI-u ako ne koristi alate iz oblasti, izuzev u očiglednom izuzetku oslanjanja na prilagođene alate koji obavljaju svakodnevne AI zadatke kao što je množenje matrica.
Aplikacije zasnovane na umjetnoj inteligenciji i aplikacije koje nisu zasnovane na umjetnoj inteligenciji
Evo nekoliko stvarnih primjera umjetne inteligencije koji se koriste u stvarnom svijetu:
- Sistemi računarskog vida koji uče da detektuju i prate objekte iz označenih podataka;
- Sistemi obrade jezika uče da odgovaraju na pitanja i poboljšavaju se tokom vremena, kao što su Chat-Botovi;
- Agenti za igranje igara koji, samo na osnovu unosa piksela, mogu naučiti igrati igre poput Space Invaders, Pacman i Tetris.
S druge strane, evo nekoliko primjera koje se obično navode kao primjeri umjetne inteligencije, a nisu, i ne bi trebale biti navođene kao takve:
- Modeli predviđanja koji se oslanjaju na vjerovatnoću i statistiku;
- SQL upiti koji preuzimaju podatke iz baze podataka i vrše neku vrstu agregacije ili sortiranja;
- Kontrolne table za analitiku zasnovane na pravilima kreirane u Tableau ili Microsoft Power BI;
- Excel proračunske tablice koje koriste jednostavne formule;
- Radne sveske pogonjene Excel Macro-ima koje imaju neki VBA kod;
- Sistem senzora šalje signal nazad u kontrolni centar koji ljudski stručnjak tumači.
Buduća usmjerenja za organizacije koje žele usvojiti umjetnu inteligenciju
U mnogim slučajevima, umjetna inteligencija može riješiti složene probleme, ali postoje ograničenja gdje bi standardna uslovna logika, vjerovatnoća i statistika bili nadmoćniji. Primjer su izuzeci koji zahtijevaju 100% pouzdanost, pri čemu AI sistemi ponekad mogu proizvesti nedosljedne rezultate. U slučaju tradicionalnih tehnika, bilo bi korisno navesti kako su implementirane umjesto navođenja da su zasnovane na umjetnoj inteligenciji, jer bi to poboljšalo tok znanja.
Vještačka inteligencija se stalno razvija, sa poboljšanjima koja dolaze brzo, polako prodirući u svakodnevni život kroz implementaciju na vrhu već postojećih tehnoloških platformi i infrastrukture. Kako postaje sve prisutnija, tačnost je važnija nego ikada, i ključno je razmotriti kako se primjenjuje i objašnjava. Kako će ova oblast neizbježno postati više regulisana, određene slobode uzete u pogrešnom tvrđenju o korištenju AI će se vremenom riješiti. Međutim, organizacije mogu dobiti prednost prihvatajući tačne definicije AI od sada.
Prednosti prave umjetne inteligencije su ogromne, a Telemus AI može raditi sa vašom organizacijom na postizanju opipljivih rezultata koji daleko prevazilaze tradicionalne tehnike.
Kontaktirajte nas danas za besplatne konsultacije o tome kako se Telemus AI™ može integrirati u vašu organizaciju.
