Pochopenie rozdielu medzi umelou inteligenciou a tradičnými technikami
Nedávna popularita umelej inteligencie v spojení so skutočnosťou, že táto oblasť je nová a príťažlivá, viedla k tomu, že mnohé organizácie tvrdia, že ich projekty využívajú najnovšie pokroky v oblasti AI, hoci väčšinou používajú len štandardnú podmienenú logiku, pravdepodobnosť a štatistiku. To má za následok, že si organizácie neuvedomujú prínosy, ktoré môže AI priniesť.
Všeobecné pochopenie umelej inteligencie širšou verejnosťou je nevyhnutné na zabezpečenie presného konsenzu a toho, že technológia sa vyvíja bezpečne a zodpovedne. Hoci existuje mnoho dôvodov a vnútorných tlakov na tvrdenie o používaní AI, keď je takéto tvrdenie nepresné, organizácie v dôsledku toho tiež nebenefitujú zo skutočného pokroku. Podmienená logika, pravdepodobnostné a štatistické techniky podporujú väčšinu organizácií dnes a hoci sú samy o sebe komplexné a sofistikované, ako aj poskytujú významné výhody, líšia sa od toho, čo sa dnes bežne označuje ako umelá inteligencia.
Väčšina moderných obchodných aplikácií sa spolieha na podmienenú logiku. V kontexte súčasných programovacích jazykov a mechanizmov vzorcov sa obchodná logika dnes bežne vyjadruje ako Boolova logika, príkazy If-Then-Else a príkazy Case. Organizačná obchodná logika môže byť zachytená a vyjadrená v podmienenom uvažovaní. Hoci sa ukázala ako mimoriadne cenná, líši sa od toho, čo sa dnes bežne označuje ako umelá inteligencia. Pravdepodobnostné a štatistické techniky, ktoré sa často intenzívne používajú na prognózy a predikcie, hoci sú tiež spoľahlivé a opodstatnené, v skutočnosti nie sú umelou inteligenciou. Tieto matematické konštrukty sú viac či menej dopredu racionálne definované s niekoľkými konštantami, ktoré sa majú zmeniť alebo variovať, zatiaľ čo umelá inteligencia sa spolieha na dynamiku.
Namiesto toho sa umelá inteligencia, ako stručne popísané, zvyčajne spolieha na modely, ktoré sa učia z údajov a logiku si samy určujú z údajov. Odvtedy, čo bol v roku 1999 predstavený dôkaz Vety o univerzálnej aproximácii, ktorý ukázal, ako môže neurónová sieť aproximovať ľubovoľnú funkciu, sa v súčasnosti viac úsilia venuje riešeniu programov prostredníctvom umelej inteligencie namiesto iných paradígm. Hoci je teoreticky možné aproximovať akúkoľvek funkciu, výpočtový výkon a techniky na dosiahnutie tohto boli v praxi obmedzujúcim faktorom. Nedávny pokrok však urobil veľké kroky v preklenutí medzery medzi teóriou a praxou.
Moderná umelá inteligencia využíva techniky vrátane hlbokého posilňovacieho učenia, spracovania prirodzeného jazyka, LSTM a generatívno-adverzných modelov s frameworkmi vrátane TensorFlow a PyTorch používanými v implementáciách. Dobrým testom toho, či váš projekt využíva umelú inteligenciu, je pohľad na sady nástrojov aktívne využívané v rámci projektov. Pravdepodobne to nie je projekt poháňaný AI, ak nepoužíva nástroje v tejto oblasti, s výnimkou zrejmej výnimky spoliehania sa na vlastné sady nástrojov, ktoré vykonávajú bežné úlohy AI, ako je násobenie matíc.
Aplikácie založené na umelej inteligencii a aplikácie, ktoré nie sú založené na umelej inteligencii
Tu sú niektoré skutočné príklady umelej inteligencie, ktoré sa používajú v reálnom svete:
- Systémy počítačového videnia, ktoré sa učia detegovať a sledovať objekty z označených údajov;
- Systémy spracovania jazyka sa učia odpovedať na otázky a časom sa zlepšujú, ako napríklad Chat-Boty;
- Agenti hrania hier, ktorí sa len zo vstupu pixelov dokážu naučiť hrať hry ako Space Invaders, Pacman a Tetris.
Naopak, tu sú niektoré príklady, ktoré sa bežne uvádzajú ako príklady umelej inteligencie, hoci nimi nie sú a nemali by byť ako také označované:
- Predpovedné modely, ktoré sa spoliehajú na pravdepodobnosť a štatistiku;
- SQL dotazy, ktoré načítajú údaje z databázy a vykonajú nejaký druh agregácie alebo triedenia;
- Dashboardy analýzy založené na pravidlách vytvorené v Tableau alebo Microsoft Power BI;
- Excel tabuľky, ktoré používajú jednoduché vzorce;
- Zošity poháňané Excel Macro, ktoré obsahujú nejaký kód VBA;
- Senzorové systémy odosielajú signál späť do kontrolného centra, ktorý interpretuje ľudský expert.
Budúce smery pre organizácie, ktoré plánujú prijať umelú inteligenciu
V mnohých prípadoch môže umelá inteligencia riešiť zložité problémy, ale existujú obmedzenia, kde by bola štandardná podmienená logika, pravdepodobnosť a štatistika nadradené. Príkladom sú výnimky, ktoré vyžadujú 100% spoľahlivosť, pri ktorých môžu systémy AI niekedy priniesť nekonzistentné výsledky. V prípade tradičných techník by bolo prospešné uviesť, ako boli implementované, namiesto tvrdenia, že boli založené na umelej inteligencii, pretože by to zlepšilo tok vedomostí.
Umelá inteligencia sa neustále vyvíja, zlepšenia prichádzajú rýchlo a pomaly sa vsakujú do každodenného života tým, že sú nasadzované nad už existujúce technologické platformy a infraštruktúru. Ako sa stáva všadeprítomnejšou, presnosť je dôležitejšia než kedykoľvek predtým a je kľúčové zvážiť, ako je aplikovaná a vysvetlená. Keď sa tento odbor nevyhnutne stane viac regulovaným, určité slobody pri falošnom tvrdení použitia AI sa časom vyriešia. Organizácie však môžu získať náskok tým, že už teraz prijmú presné definície AI.
Výhody skutočnej umelej inteligencie sú rozsiahle a Telemus AI môže spolupracovať s vašou organizáciou na dosiahnutí hmatateľných výsledkov, ktoré ďaleko presahujú tradičné techniky.
Kontaktujte nás ešte dnes pre bezplatnú konzultáciu o tom, ako možno Telemus AI™ integrovať do vašej organizácie.
