Erinevuse mõistmine tehisintellekti ja traditsiooniliste tehnikate vahel
Tehisintellekti viimane populaarsus, koos valdkonna uudsuse ja atraktiivsusega, on viinud paljud organisatsioonid väitma, et nende projektid kasutavad valdkonna viimaseid saavutusi AI valdkonnas, kui nad tegelikult kasutavad enamasti ainult standardset tingimuslikku loogikat, tõenäosust ja statistikat. See tulemuseks on organisatsioonidel tehisintellekti eeliste mõistmata jätmine.
Tehisintellekti üldine mõistmine laiemate rahvahulkade poolt on hädavajalik, et tagada täpne konsensus ja et tehnoloogiat arendatakse ohutult ja vastutustundlikult. Kuigi on palju põhjusi ja sisemisi surveid väita AI kasutamist, kui selline väide on ebatäpne, organisatsioonid selle tulemusena ei saa ka kasu tegelikest edasiarendustest. Tingimuslik loogika, tõenäosuslikud ja statistilised tehnikad toetavad enamikku organisatsioone täna ja kuigi need on iseenesest keerukad ja arenenud ning pakuvad märkimisväärseid eeliseid, erinevad need sellest, mida tänapäeval tavaliselt tehismälu all mõistetakse.
Enamik kaasaegseid ärirakendusi tugineb tingimuslikule loogikale. Kaasaegsete programmeerimiskeelte ja valemimootorite kontekstis väljendatakse äiloogikat tänapäeval tavaliselt Boole'i loogika, If-Then-Else lausete ja Case lausetena. Organisatsiooni äiloogikat saab jäädvustada ja väljendada tingimusliku arutluse kaudu. Kuigi see on osutunud äärmiselt väärtuslikuks, erineb see sellest, mida tänapäeval tavaliselt tehisintellektiks nimetatakse. Tõenäosuslikud ja statistilised meetodid, mida sageli laialdaselt prognooside ja ennustuste jaoks kasutatakse ning mis on samuti usaldusväärsed ja usaldatavad, pole tegelikult tehisintellekt. Need matemaatilised konstruktsioonid on enam-vähem ette antud ja ratsionaalselt defineeritud, väheste muutuvate või varieeruvate konstantidega, samas kui tehisintellekt tugineb dünaamikale.
Selle asemel toetub tehisintellekt, nagu lühidalt kirjeldatud, tavaliselt mudelitele, mis õpivad andmetest ja määratlevad loogika ise andmete põhjal. Alates 1999. aastal esitatud Universaalse Approksimatsiooniteoreemi tõestusest, mis näitas, kuidas närvivõrk saab approksimeerida mis tahes funktsiooni, on nüüd rohkem jõupingutusi suunatud programmide lahendamisele tehisintellekti kaudu teiste paradigmade asemel. Kuigi teoreetiliselt on võimalik approksimeerida mis tahes funktsiooni, olid arvutusvõimsus ja selle saavutamise tehnikad praktikas piiravaks teguriks. Viimased edasiarendused on aga teinud suuri sammud teooria ja praktika vahelise lõhe vähendamisel.
Kaasaegne tehisintellekt kasutab selliseid tehnikaid nagu sügav tugevdatud õpe, loomuliku keele töötlus, LSTM-id ja generatiivsed-adversariaalsed mudelid, rakendustes kasutatakse selliseid raamistikke nagu TensorFlow ja PyTorch. Hea test selleks, kas teie projekt kasutab tehisintellekti, on vaadata projektides aktiivselt kasutatavaid tööriistakomplekte. Kui see ei kasuta valdkonna tööriistu, ei ole see tõenäoliselt AI-põhine projekt, välja arvatud ilmne erand, kui tuginetakse kohandatud tööriistakomplektidele, mis teevad igapäevaseid AI ülesandeid, nagu maatriksite korrutamine.
Tehisintellektil põhinevad rakendused ja rakendused, mis ei põhine tehisintellektil
Siin on mõned ehtsad näited tehisintellekti kasutamisest reaalses maailmas:
- Arvutinägemise süsteemid, mis õpivad tuvastama ja jälgima objekte märgistatud andmete põhjal;
- Keeletehnoloogia süsteemid õpivad küsimustele vastama ja paranevad aja jooksul, nagu näiteks vestlusrobotid;
- Mängimissüsteemid, mis ainult pikslisisendi põhjal saavad õppida mängima selliseid mänge nagu Space Invaders, Pacman ja Tetris.
Vastupidi, siin on mõned näited, mida sageli esitatakse tehisintellekti näidetena, kuigi need ei ole seda ja neid ei tohiks sellisena esitada:
- Prognoosimudelid, mis põhinevad tõenäosusel ja statistikal;
- SQL-päringud, mis laevad andmeid andmebaasist ja teostavad mingit liiki agregeerimist või sorteerimist;
- Reeglipõhised analüütika armatuurlauad, mis on loodud Tableau's või Microsoft Power BI-s;
- Exceli arvutustabelid, mis kasutavad lihtsaid valemeid;
- Exceli makrodega töövihikud, mis sisaldavad mõningat VBA koodi;
- Sensorsüsteemid saadavad signaali tagasi juhtimiskeskusse, mida inimesest ekspert tõlgendab.
Tuleviku suunad organisatsioonidele, kes soovivad tehisintellekti kasutusele võtta
Paljudel juhtudel saab tehisintellekt lahendada keerulisi probleeme, kuid on olemas piirangud, kus standardsed tingimuslik loogika, tõenäosus ja statistika oleksid ülema. Näiteks on need erandid, mis nõuavad 100% usaldusväärsust, kusjuures AI süsteemid võivad mõnikord anda ebajärjekindlaid tulemusi. Traditsiooniliste tehnikate puhul oleks kasulik öelda, kuidas neid rakendati, selle asemel, et öelda, et need põhinesid tehisintellektil, kuna see parandaks teadmiste voolu.
Tehisintellekt areneb pidevalt, paranemised tulevad kiiresti, imbudes aegamööda igapäevaellu, kuna seda juurutatakse olemasolevate tehnoloogiliste platvormide ja taristu peale. Kuna selle levimus suureneb, on täpsus olulisem kui kunagi varem ning on ülioluline kaaluda, kuidas seda rakendatakse ja selgitatakse. Kuna valdkond muutub paratamatult reguleeritumaks, lahenevad aja jooksul teatud vabadused, mida on AI kasutuse valeväitel lubatud. Organisatsioonid saavad aga head hoogu saada, omaks võttes täpsed AI definitsioonid juba praegu.
Ehtsa Tehisintellekti eelised on tohutud ja Telemus AI saab koos teie organisatsiooniga saavutada käegakatsutavaid tulemusi, mis ületavad kaugelt traditsioonilisi tehnikaid.
Võtke meiega täna ühendust tasuta nõustamiseks selle kohta, kuidas Telemus AI™ saab teie organisatsiooni integreerida.
