Razumijevanje razlike između umjetne inteligencije i tradicionalnih tehnika
Nedavna popularnost umjetne inteligencije, u kombinaciji s činjenicom da je to područje novo i privlačno, dovela je do toga da mnoge organizacije tvrde kako njihovi projekti koriste najnovija dostignuća u području umjetne inteligencije, iako uglavnom koriste standardnu uvjetnu logiku, vjerojatnost i statistiku. To rezultira time da organizacije ne ostvaruju prednosti koje umjetna inteligencija može donijeti.
Opće razumijevanje umjetne inteligencije od strane šire javnosti ključno je kako bi se osigurao točan konsenzus i kako bi se tehnologija razvijala sigurno i odgovorno. Iako postoji mnogo razloga i unutarnjih pritisaka za tvrdnju o korištenju AI-a kada je takva tvrdnja netočna, organizacije kao rezultat toga također ne koriste stvarna unapređenja. Uvjetna logika, vjerojatnosne i statističke tehnike podlog su većini organizacija današnjice, i iako su složene i sofisticirane same po sebi te pružaju značajne prednosti, razlikuju se od onoga što se danas uobičajeno naziva umjetnom inteligencijom.
Većina modernih poslovnih aplikacija oslanja se na uvjetnu logiku. U kontekstu suvremenih programskih jezika i mehanizama formula, poslovna logika se danas uobičajeno izražava kao Booleova logika, If-Then-Else izjave i Case izjave. Organizacijska poslovna logika može se uhvatiti i izraziti u uvjetnom zaključivanju. Iako se pokazala iznimno vrijednom, razlikuje se od onoga što se danas uobičajeno naziva Umjetnom inteligencijom. Vjerojatnosne i statističke tehnike koje se često intenzivno koriste za prognoze i predviđanja, iako također pouzdane i utemeljene, zapravo nisu Umjetna inteligencija. Ti se matematički konstrukti više-manje unaprijed racionalno definiraju, s nekoliko konstanti koje se mijenjaju ili variraju, dok se Umjetna 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, sve se više napora usmjerava na rješavanje programa putem umjetne inteligencije umjesto drugih paradigmi. Iako je teorijski moguće aproksimirati bilo koju funkciju, računalna snaga i tehnike za postizanje toga bili su ograničavajući faktor u praksi. Međutim, nedavni napreci su postigli velike korake u premošćivanju jaza između teorije i prakse.
Moderna umjetna inteligencija koristi tehnike uključujući duboko potkorno učenje, obradu prirodnog jezika, LSTM-ove i generativno-adverzijalne modele s okvirima uključujući TensorFlow i PyTorch koji se koriste u implementacijama. Dobar test je li vaš projekt umjetna inteligencija je pregled alata aktivno korištenih u projektima. Vjerojatno nije projekt utemeljen na AI-u ako ne koristi alate iz tog područja, osim u očiglednom izuzetu oslanjanja na prilagođene alate koji obavljaju svakodnevne AI zadatke kao što je množenje matrica.
Aplikacije temeljene na umjetnoj inteligenciji i aplikacije koje nisu temeljene na umjetnoj inteligenciji
Evo nekoliko stvarnih primjera umjetne inteligencije koji se koriste u stvarnom svijetu:
- Sustavi računalnog vida koji uče otkrivati i pratiti objekte iz označenih podataka;
- Sustavi obrade jezika uče odgovarati na pitanja i poboljšavati se tijekom vremena, kao što su Chat-Botovi;
- Agenti za igranje igara koji, samo iz pikseljnog unosa, mogu naučiti igrati igre poput Space Invaders, Pacman i Tetris.
S druge strane, evo nekoliko primjera koji se često navode kao primjeri umjetne inteligencije, a nisu, i ne bi se trebali takvima navoditi:
- Modeli predviđanja koji se oslanjaju na vjerojatnost i statistiku;
- SQL upiti koji dohvaćaju podatke iz baze podataka i izvršavaju neku vrstu agregacije ili sortiranja;
- Kontrolne ploče analitike temeljene na pravilima izrađene u Tableau ili Microsoft Power BI;
- Excel proračunske tablice koje koriste jednostavne formule;
- Radne knjige pogonjene Excel Makro naredbama koje sadrže VBA kod;
- Sustavi senzora šalju signal natrag u kontrolni centar koji ljudski stručnjak tumači.
Budući smjerovi za organizacije koje žele usvojiti umjetnu inteligenciju
U mnogim slučajevima umjetna inteligencija može riješiti složene probleme, ali postoje ograničenja gdje bi standardna uvjetna logika, vjerojatnost i statistika bili nadmoćniji. Primjer su izuzeći koji zahtijevaju 100% pouzdanost, a kod kojih AI sustavi 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 protok znanja.
Umjetna inteligencija se stalno razvija, poboljšanja dolaze brzo, polako prodiru u svakodnevni život implementacijom na vrhu već postojećih tehnoloških platformi i infrastrukture. Kako postaje sve prisutnija, točnost je važnija nego ikada, i ključno je razmotriti kako se primjenjuje i objašnjava. Kako će ovo područje neizbježno postati reguliranije, određene slobode uzete u pogrešnom tvrđenju korištenja AI-a će se s vremenom riješiti. Međutim, organizacije mogu dobiti prednost prihvaćanjem točnih definicija AI-a od sada.
Prednosti prave umjetne inteligencije su goleme, a Telemus AI može surađivati s vašom organizacijom kako bi postigao opipljive rezultate koji daleko nadmašuju tradicionalne tehnike.
Kontaktirajte nas još danas za besplatno savjetovanje o tome kako se Telemus AI™ može integrirati u vašu organizaciju.
