Razumevanje razlike između veštačke inteligencije i tradicionalnih tehnika
Nedavna popularnost veštačke inteligencije, u kombinaciji sa činjenicom da je ova oblast nova i privlačna, dovela je do toga da mnoge organizacije tvrde kako njihovi projekti koriste najnovija dostignuća u oblasti AI, kada zapravo uglavnom koriste standardnu uslovnu logiku, verovatnoću i statistiku. To rezultira time da organizacije ne shvataju prednosti koje AI donosi.
Opšte razumevanje veštačke inteligencije od strane šire javnosti je od suštinskog značaja kako bi se osigurao tačan konsenzus i kako bi se tehnologija razvijala bezbedno i odgovorno. Iako postoji mnogo razloga i unutrašnjih pritisaka za tvrdnju o korišćenju AI kada je takva tvrdnja netačna, organizacije kao rezultat toga takođe ne koriste stvarna unapređenja. Uslovna logika, probabilističke i statističke tehnike čine osnov većine organizacija danas i iako su složene i sofisticirane same po sebi, kao i pružaju značajne prednosti, one se razlikuju od onoga što se danas obično naziva veštačkom inteligencijom.
Većina modernih poslovnih aplikacija se oslanja na uslovnu logiku. U kontekstu savremenih programskih jezika i motora formula, poslovna logika se danas obično izražava kao Bulova logika, If-Then-Else izjave i Case izjave. Organizaciona poslovna logika može se uhvatiti i izraziti u uslovnom rezonovanju. Iako se pokazala izuzetno vrednom, ona se razlikuje od onoga što se danas obično naziva Veštačkom inteligencijom. Probabilističke i statističke tehnike koje se često intenzivno koriste za prognoze i predviđanja, iako takođe pouzdane i ispravne, zapravo nisu Veštačka inteligencija. Ovi matematički konstrukti su manje-više unapred racionalno definisani, sa malo konstanti koje se menjaju ili variraju, dok Veštačka inteligencija oslanja na dinamiku.
Umesto toga, Veštačka 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 Teoreme o univerzalnoj aproksimaciji, koja pokazuje kako neuronska mreža može aproksimirati bilo koju funkciju, sada se više napora usmerava ka rešavanju programa putem Veštačke inteligencije umesto drugih paradigmi. Iako je teorijski moguće aproksimirati bilo koju funkciju, računarska snaga i tehnike za postizanje ovoga bile su ograničavajući faktor u praksi. Međutim, nedavni napreci su napravili velike korake u premošćavanju jaza između teorije i prakse.
Moderna veštačka inteligencija koristi tehnike uključujući Duboko učenje potkrepljenjem, Obradu prirodnog jezika, LSTM-ove i Generativno-antagonističke modele, pri čemu se u implementacijama koriste okviri uključujući TensorFlow i PyTorch. Dobar test da li vaš projekat koristi Veštačku inteligenciju je pregled alata koji se aktivno koriste u projektima. Verovatno nije projekat zasnovan na AI ako ne koristi alate iz oblasti, izuzev očiglednog izuzetka oslanjanja na prilagođene alate koji obavljaju svakodnevne AI zadatke kao što je množenje matrica.
Aplikacije zasnovane na veštačkoj inteligenciji i aplikacije koje nisu zasnovane na veštačkoj inteligenciji
Evo nekoliko stvarnih primera veštačke inteligencije koji se koriste u stvarnom svetu:
- Sistemi računarskog vida koji uče da detektuju i prate objekte na osnovu označenih podataka;
- Sistemi obrade jezika uče da odgovaraju na pitanja i poboljšavaju se tokom vremena, kao što su Čet-botovi;
- Agenti za igranje igara koji, samo na osnovu unosa piksela, mogu naučiti da igraju igre kao što su Space Invaders, Pacman i Tetris.
S druge strane, evo nekoliko primera koji se često navode kao primeri Veštačke inteligencije, a nisu, i ne bi trebalo da se navode kao takvi:
- Modeli predviđanja koji se oslanjaju na verovatnoću i statistiku;
- SQL upiti koji preuzimaju podatke iz baze podataka i vrše neku vrstu agregacije ili sortiranja;
- Kontrolne table za analitiku zasnovane na pravilima kreirane u Tableau ili Microsoft Power BI;
- Excel tabele koje koriste jednostavne formule;
- Excel radne sveske pogonjene makroima koje sadrže VBA kod;
- Sistem senzora šalje signal nazad u kontrolni centar koji ljudski stručnjak tumači.
Buduća usmerenja za organizacije koje žele da usvoje veštačku inteligenciju
U mnogim slučajevima, veštačka inteligencija može rešiti složene probleme, ali postoje ograničenja gde bi standardna uslovna logika, verovatnoća i statistika bili nadmoćniji. Primer su izuzeci koji zahtevaju 100% pouzdanost, kod kojih AI sistemi ponekad mogu proizvesti nedosledne rezultate. U slučaju tradicionalnih tehnika, bilo bi korisno navesti kako su implementirane umesto da se navodi da su zasnovane na veštačkoj inteligenciji, jer bi to poboljšalo tok znanja.
Veštačka inteligencija se stalno razvija, poboljšanja dolaze brzo, polako prodiru u svakodnevni život tako što se primenjuju na vrhu već postojećih tehnoloških platformi i infrastrukture. Kako postaje sve prisutnija, tačnost je važnija nego ikada, i ključno je razmotriti kako se primenjuje i objašnjava. Kako će ova oblast neizbežno postati više regulisana, određene slobode preuzete u pogrešnom tvrđenju o korišćenju AI će se vremenom rešiti. Međutim, organizacije mogu dobiti prednost ako prihvate tačne definicije AI od sada.
Prednosti prave veštačke inteligencije su ogromne, a Telemus AI može raditi sa vašom organizacijom kako bi ostvario opipljive rezultate koji daleko prevazilaze tradicionalne tehnike.
Kontaktirajte nas danas za besplatne konsultacije o tome kako se Telemus AI™ može integrisati u vašu organizaciju.
