Skirtumo tarp Dirbtinio Intelekto ir Tradicinių Technikų Supratimas
Nesenas dirbtinio intelekto populiarumas, kartu su naujoviška ir patrauklia sritimi, paskatino daugelį organizacijų teigti, kad jų projektai naudoja naujausius AI srities pasiekimus, nors jos iš tikrųjų dažniausiai naudoja tik standartinę sąlyginę logiką, tikimybę ir statistiką. Dėl to organizacijos neįgyvendina naudos, kurią gali duoti AI.
Platesnio visuomenės supratimas apie dirbtinį intelektą yra būtinas, norint užtikrinti tikslų konsensusą ir kad technologija būtų vystoma saugiai ir atsakingai. Nors yra daug priežasčių ir vidinių spaudimų teigti naudojant AI, kai toks teiginys yra netikslus, organizacijos dėl to taip pat negauna naudos iš tikrųjų pažangos. Sąlyginė logika, tikimybiniai ir statistiniai metodai yra daugumos šiandieninių organizacijų pagrindas, ir nors jie yra sudėtingi ir savarankiškai pažangūs bei suteikia reikšmingos naudos, jie skiriasi nuo to, kas šiandien paprastai vadinama dirbtiniu intelektu.
Dauguma šiuolaikinių verslo programų remiasi sąlygine logika. Šiuolaikinių programavimo kalbų ir formulių variklių kontekste verslo logika šiandien dažniausiai išreiškiama kaip Bulio logika, If-Then-Else sakiniai ir Case sakiniai. Organizacinė verslo logika gali būti fiksuojama ir išreiškiama sąlyginiu samprotavimu. Nors tai pasirodė esąs neįtikėtinai vertingas dalykas, tai skiriasi nuo to, kas šiandien paprastai vadinama Dirbtiniu intelektu. Tikimybinės ir statistinės technikos, kurios dažnai yra intensyviai naudojamos prognozėms ir numatymams, nors ir patikimos bei pagrįstos, iš tikrųjų nėra Dirbtinis intelektas. Šie matematiniai konstruktai daugiau ar mažiau iš anksto apibrėžiami racionaliai, su keliais konstantomis, kurios gali keistis ar svyruoti, o Dirbtinis intelektas remiasi dinamika.
Vietoj to, dirbtinis intelektas, kaip trumpai aprašyta, paprastai remiasi modeliais, kurie mokosi iš duomenų ir patys nustato logiką iš duomenų. Nuo tada, kai 1999 m. buvo pateiktas Universalaus aproksimacijos teoremos įrodymas, demonstruojantis, kaip neuroninis tinklas gali aproksimuoti bet kurią funkciją, dabar daugiau pastangų skiriama programoms spręsti naudojant dirbtinį intelektą, o ne kitas paradigmas. Nors teoriškai galima aproksimuoti bet kurią funkciją, skaičiavimo galia ir metodai tai pasiekti praktiškai buvo ribojantis veiksnys. Tačiau pastaruoju metu padaryta didelė pažanga, mažinant atotrūkį tarp teorijos ir praktikos.
Modernus dirbtinis intelektas naudoja tokias technikas kaip Gilus stiprinamasis mokymasis, Natūralios kalbos apdorojimas, LSTM ir Generatyvius-priešingus modelius su tokiais karkasais kaip TensorFlow ir PyTorch, naudojamais įgyvendinimuose. Geras testas, ar jūsų projektas naudoja dirbtinį intelektą, yra pažvelgti į įrankių rinkinius, aktyviai naudojamus projektuose. Tikėtina, kad tai nėra AI pagrįstas projektas, jei jis nenaudoja įrankių šioje srityje, išskyrus akivaizdžią išimtį, kai remiamasi tinkintais įrankių rinkiniais, atliekančiais kasdienes AI užduotis, tokias kaip matricų daugyba.
Dirbtiniu intelektu pagrįstos programos ir programos, nepagrįstos dirbtiniu intelektu
Štai keletas tikrų dirbtinio intelekto pavyzdžių, naudojamų realiame pasaulyje:
- Kompiuterinio regėjimo sistemos, kurios mokosi aptikti ir sekti objektus iš pažymėtų duomenų;
- Kalbos apdorojimo sistemos mokosi atsakyti į klausimus ir tobulėja laikui bėgant, pavyzdžiui, pokalbių robotai;
- Žaidimus žaidžiantys agentai, kurie vien tik iš pikselių įvesties gali išmokti žaisti tokius žaidimus kaip „Space Invaders“, „Pacman“ ir „Tetris“.
Priešingai, štai keletas pavyzdžių, kurie dažnai teigiami kaip dirbtinio intelekto pavyzdžiai, nors jie tokie nėra ir neturėtų būti taip teigiami:
- Prognozavimo modeliai, paremti tikimybe ir statistika;
- SQL užklausos, kurios gauna duomenis iš duomenų bazės ir atlieka tam tikrą agregavimą ar rūšiavimą;
- Taisyklėmis pagrįsti analitikos skydeliai, sukurti Tableau arba Microsoft Power BI;
- „Excel“ skaičiuoklės, kuriose naudojamos paprastos formulės;
- „Excel Macro“ valdomi darbaknygiai, kuriuose yra šiek tiek VBA kodo;
- Sensorių sistemos siunčia signalą atgal į valdymo centrą, kurį interpretuoja žmogus ekspertas.
Tolesnės kryptys organizacijoms, siekiančioms diegti dirbtinį intelektą
Daugeliu atvejų dirbtinis intelektas gali išspręsti sudėtingas problemas, tačiau yra ribų, kur standartinė sąlyginė logika, tikimybė ir statistika būtų pranašesnės. Pavyzdys yra išimtys, reikalaujančios 100 % patikimumo, kurioms AI sistemos kartais gali duoti nedarnius rezultatus. Tradicinių technikų atveju būtų naudinga nurodyti, kaip jos buvo įgyvendintos, o ne teigti, kad jos buvo pagrįstos dirbtiniu intelektu, nes tai pagerintų žinių srautą.
Dirbtinis intelektas nuolat tobulėja, pagerinimai ateina greitai, pamažu prasiskverbdami į kasdienį gyvenimą, nes jis diegiamas ant jau esančių technologinių platformų ir infrastruktūros. Kai jis tampa vis labiau paplitęs, tikslumas yra svarbesnis nei bet kada, ir būtina apsvarstyti, kaip jis taikomas ir paaiškinamas. Kadangi ši sritis neišvengiamai taps labiau reguliuojama, tam tikros laisvės, imantis klaidingų AI naudojimo teiginių, laikui bėgant išnyks. Tačiau organizacijos gali iš anksto pradėti, priimdamos tikslius AI apibrėžimus iš dabarties.
Gryno dirbtinio intelekto naudos yra didžiulės, o Telemus AI gali dirbti su jūsų organizacija, kad pasiektų apčiuopiamų rezultatų, viršijančių tradicines technikas.
Susisiekite su mumis šiandien dėl nemokamos konsultacijos, kaip Telemus AI™ gali būti integruotas į jūsų organizaciją.
