Înțelegerea diferenței dintre Inteligența Artificială și tehnicile tradiționale
Popularitatea recentă a inteligenței artificiale, corelată cu faptul că domeniul este nou și atrăgător, a determinat multe organizații să pretindă că proiectele lor utilizează cele mai recente progrese în domeniul AI, atunci când în mare parte folosesc doar logică condițională standard, probabilitate și statistici. Acest lucru are ca rezultat faptul că organizațiile nu își dau seama de beneficiile pe care AI le poate aduce.
O înțelegere generală a Inteligenței Artificiale de către publicul larg este esențială pentru a asigura un consens precis și ca tehnologia să fie dezvoltată în siguranță și responsabil. Deși există multe motive și presiuni interne pentru a susține utilizarea AI atunci când o astfel de afirmație este inexactă, organizațiile, ca rezultat, nu beneficiază nici ele de progresele reale. Logica condițională, tehnicile probabilistice și statistice stau la baza majorității organizațiilor de astăzi și, deși complexe și sofisticate prin ele însele, precum și oferind beneficii semnificative, acestea diferă de ceea ce este denumit în mod obișnuit Inteligență Artificială astăzi.
Majoritatea aplicațiilor de afaceri moderne se bazează pe logică condițională. În contextul limbajelor de programare contemporane și al motoarelor de formule, logica de afaceri de astăzi este exprimată în mod obișnuit ca logică booleană, instrucțiuni If-Then-Else și instrucțiuni Case. Logica de afaceri organizațională poate fi capturată și exprimată în raționament condițional. Deși s-a dovedit extrem de valoroasă, aceasta diferă de ceea ce este denumit în mod obișnuit Inteligență Artificială astăzi. Tehnicile probabilistice și statistice care sunt adesea utilizate pe scară largă pentru prognoze și predicții, deși sunt, de asemenea, fiabile și solide, de fapt, nu sunt Inteligență Artificială. Aceste constructe matematice sunt mai mult sau mai puțin definite rațional în avans, cu puține constante de modificat sau variat, în timp ce Inteligența Artificială se bazează pe dinamici.
În schimb, Inteligența Artificială, pe scurt descrisă, se bazează de obicei pe modele care învață din date și determină singure logica din date. De când demonstrația Teoremei Aproximării Universale a fost prezentată în 1999, demonstrând cum o rețea neuronală poate aproxima orice funcție, mai mult efort este acum îndreptat spre rezolvarea programelor prin Inteligență Artificială în loc de alte paradigme. Deși teoretic este posibil să se apropie orice funcție, puterea de calcul și tehnicile pentru a realiza acest lucru au fost un factor limitativ în practică. Cu toate acestea, progresele recente au făcut pași mari în reducerea decalajului dintre teorie și practică.
Inteligența Artificială modernă folosește tehnici care includ Învățarea prin Consolidare Profundă, Procesarea Limbajului Natural, LSTMs și modele Generative-Adversariale, cu cadre precum TensorFlow și PyTorch utilizate în implementări. Un test bun pentru a stabili dacă proiectul dumneavoastră folosește Inteligență Artificială este analizarea seturilor de instrumente utilizate activ în cadrul proiectelor. Este probabil că nu este un proiect bazat pe AI dacă nu folosește instrumente din domeniu, cu excepția evidentă a bazării pe seturi de instrumente personalizate care efectuează sarcini AI curente, cum ar fi înmulțirea matricelor.
Aplicații bazate pe Inteligență Artificială și Aplicații care nu sunt bazate pe Inteligență Artificială
Iată câteva exemple autentice de Inteligență Artificială care sunt utilizate în lumea reală:
- Sisteme de viziune computerizată care învață să detecteze și să urmărească obiecte din date etichetate;
- Sistemele de procesare a limbajului învață să răspundă la întrebări și se îmbunătățesc în timp, cum ar fi Chat-Bot-uri;
- Agenți de joc care, doar din input de pixeli, pot învăța să joace jocuri precum Space Invaders, Pacman și Tetris.
În schimb, iată câteva exemple care sunt frecvent pretinse ca exemple de Inteligență Artificială, deși nu sunt și nu ar trebui să fie pretinse ca atare:
- Modele de prognoză care se bazează pe Probabilitate și Statistică;
- Interogări SQL care preiau date dintr-o bază de date și efectuează un anumit tip de agregare sau sortare;
- Tablouri de bord analitice bazate pe reguli create în Tableau sau Microsoft Power BI;
- Foi de calcul Excel care folosesc formule simple;
- Registre de calcul Excel bazate pe macrocomenzi care conțin cod VBA;
- Sistemele de senzori trimit un semnal înapoi către un centru de control pe care un expert uman îl interpretează.
Direcții viitoare pentru organizațiile care doresc să adopte inteligența artificială
În multe cazuri, inteligența artificială poate rezolva probleme complexe, dar există limitări în care logica condițională standard, probabilitatea și statisticile ar fi superioare. Un exemplu sunt scutirile care necesită o fiabilitate de 100%, în care sistemele AI pot produce uneori rezultate inconsecvente. În cazul tehnicilor tradiționale, ar fi benefic să se precizeze cum au fost implementate mai degrabă decât să se precizeze că au fost bazate pe inteligență artificială, deoarece acest lucru ar îmbunătăți fluxul de cunoștințe.
Inteligența Artificială evoluează constant, îmbunătățirile venind rapid, infiltrându-se treptat în viața de zi cu zi prin implementarea pe platforme tehnologice și infrastructuri deja existente. Pe măsură ce devine mai răspândită, acuratețea este mai importantă ca niciodată, fiind crucial să se ia în considerare modul în care este aplicată și explicată. Pe măsură ce domeniul devine inevitabil mai reglementat, anumite libertăți luate în pretinderea eronată a utilizării AI se vor rezolva în timp. Cu toate acestea, organizațiile pot obține un avans prin adoptarea unor definiții precise ale AI încă din prezent.
Beneficiile unei Inteligențe Artificiale autentice sunt vaste, iar Telemus AI poate colabora cu organizația dumneavoastră pentru a obține rezultate tangibile dincolo de tehnicile tradiționale.
Contactați-ne astăzi pentru o consultație gratuită despre modul în care Telemus AI™ poate fi integrat în organizația dumneavoastră.
