ปัญญาประดิษฐ์ก้าวไปไกลกว่าตรรกะแบบมีเงื่อนไขมาตรฐาน ความน่าจะเป็น และสถิติ

ทำความเข้าใจความแตกต่างระหว่างปัญญาประดิษฐ์และเทคนิคดั้งเดิม

ความนิยมล่าสุดของปัญญาประดิษฐ์ ควบคู่กับสาขาที่เป็นนวัตกรรมใหม่และน่าดึงดูด ได้นำไปสู่องค์กรจำนวนมากที่อ้างว่าโครงการของตนใช้ความก้าวหน้าล่าสุดในสาขา AI ในขณะที่พวกเขาส่วนใหญ่ใช้เพียงตรรกะแบบมีเงื่อนไขมาตรฐาน ความน่าจะเป็น และสถิติ ส่งผลให้องค์กรต่างๆ ไม่รู้ซึ้งถึงประโยชน์ที่ AI จะนำมาสู่

ความเข้าใจทั่วไปเกี่ยวกับปัญญาประดิษฐ์ในหมู่ประชาชนทั่วไปถือเป็นสิ่งสำคัญเพื่อให้แน่ใจว่ามีฉันทามติที่ถูกต้องและเทคโนโลยีได้รับการพัฒนาอย่างปลอดภัยและมีความรับผิดชอบ แม้ว่าจะมีเหตุผลและแรงกดดันภายในหลายประการในการอ้างว่าใช้ AI ในเมื่อการอ้างดังกล่าวไม่ถูกต้อง องค์กรต่างๆ ก็ไม่ได้รับประโยชน์จากความก้าวหน้าที่แท้จริงเช่นกัน ตรรกะแบบมีเงื่อนไข เทคนิคความน่าจะเป็นและสถิติเป็นพื้นฐานขององค์กรส่วนใหญ่ในปัจจุบัน และแม้ว่าจะมีความซับซ้อนและทันสมัยในตัวของมันเองรวมถึงให้ประโยชน์อย่างมาก แต่ก็แตกต่างจากสิ่งที่เรียกกันทั่วไปว่าปัญญาประดิษฐ์ในปัจจุบัน

แอปพลิเคชันธุรกิจสมัยใหม่ส่วนใหญ่พึ่งพาตรรกะแบบมีเงื่อนไข ในบริบทของภาษาโปรแกรมร่วมสมัยและเอนจินสูตรคำนวณ ตรรกะทางธุรกิจในปัจจุบันมักถูกแสดงออกในรูปแบบตรรกะแบบบูลีน คำสั่ง If-Then-Else และคำสั่ง Case ตรรกะทางธุรกิจขององค์กรสามารถถูกจับและแสดงออกในรูปแบบการให้เหตุผลตามเงื่อนไข แม้ว่าจะได้รับการพิสูจน์แล้วว่ามีคุณค่าอย่างมาก แต่ก็แตกต่างจากสิ่งที่มักเรียกกันในปัจจุบันว่าปัญญาประดิษฐ์ เทคนิคความน่าจะเป็นและสถิติที่มักถูกใช้อย่างหนักสำหรับการพยากรณ์และการคาดการณ์ แม้จะเชื่อถือได้และสมเหตุสมผล แต่ในความเป็นจริงแล้วไม่ใช่ปัญญาประดิษฐ์ โครงสร้างทางคณิตศาสตร์เหล่านี้ถูกกำหนดขึ้นล่วงหน้าอย่างมีเหตุผลมากกว่าหรือน้อยกว่า โดยมีค่าคงที่เพียงไม่กี่ตัวที่จะเปลี่ยนแปลงหรือแตกต่างกัน ในขณะที่ปัญญาประดิษฐ์พึ่งพาพลวัต

แทนที่จะเป็นเช่นนั้น ปัญญาประดิษฐ์ตามที่อธิบายสั้นๆ มักพึ่งพาโมเดลที่เรียนรู้จากข้อมูลและกำหนดตรรกะด้วยตัวเองจากข้อมูล นับตั้งแต่ที่มีการนำเสนอบทพิสูจน์ทฤษฎีบทการประมาณค่าสากลในปี 1999 ซึ่งสาธิตว่าเครือข่ายประสาทเทียมสามารถประมาณค่าฟังก์ชันใดๆ ได้อย่างไร ความพยายามมากขึ้นได้ถูกมุ่งไปที่การแก้ปัญหาโปรแกรมผ่านปัญญาประดิษฐ์แทนกระบวนทัศน์อื่นๆ แม้ว่าในทางทฤษฎีจะสามารถประมาณค่าฟังก์ชันใดๆ ได้ แต่พลังการประมวลผลและเทคนิคในการบรรลุสิ่งนี้เป็นปัจจัยจำกัดในทางปฏิบัติ อย่างไรก็ตาม ความก้าวหน้าล่าสุดได้ก้าวไปอย่างยิ่งในการเชื่อมช่องว่างระหว่างทฤษฎีและการปฏิบัติ

ปัญญาประดิษฐ์สมัยใหม่ใช้เทคนิคต่างๆ รวมถึงการเรียนรู้แบบเสริมกำลังเชิงลึก การประมวลผลภาษาธรรมชาติ LSTMs และแบบจำลองเชิงกำเนิด-ปรปักษ์ โดยมีเฟรมเวิร์กต่างๆ รวมถึง TensorFlow และ PyTorch ที่ใช้ในการนำไปปฏิบัติ การทดสอบที่ดีว่าโครงการของคุณใช้ปัญญาประดิษฐ์หรือไม่คือการดูที่ชุดเครื่องมือที่ใช้งานอยู่ภายในโครงการ หากไม่ได้ใช้เครื่องมือในสาขานี้ ก็มีแนวโน้มว่าจะไม่ใช่โครงการที่ขับเคลื่อนด้วย AI ยกเว้นกรณีที่ชัดเจนของการพึ่งพาชุดเครื่องมือที่กำหนดเองซึ่งทำงาน AI ประจำวัน เช่น การคูณเมทริกซ์

แอปพลิเคชันที่ใช้ปัญญาประดิษฐ์และแอปพลิเคชันที่ไม่ได้ใช้ปัญญาประดิษฐ์

นี่คือตัวอย่างจริงบางส่วนของปัญญาประดิษฐ์ที่ใช้ในโลกแห่งความเป็นจริง:

• ระบบคอมพิวเตอร์วิทัศน์ที่เรียนรู้การตรวจจับและติดตามวัตถุจากข้อมูลที่มีป้ายกำกับ;
• ระบบประมวลผลภาษาเรียนรู้ที่จะตอบคำถามและพัฒนาขึ้นตามกาลเวลา เช่น Chat-Bots;
• ตัวแทนเล่นเกมที่เรียนรู้การเล่นเกมอย่าง Space Invaders, Pacman และ Tetris ได้จากข้อมูลพิกเซลเพียงอย่างเดียว

ในทางตรงกันข้าม นี่คือตัวอย่างบางส่วนที่มักถูกอ้างว่าเป็นตัวอย่างของปัญญาประดิษฐ์ในขณะที่จริงๆ แล้วไม่ใช่ และไม่ควรถูกอ้างว่าเป็นเช่นนั้น:

• แบบจำลองการพยากรณ์ที่อาศัยความน่าจะเป็นและสถิติ;
• คำสั่ง SQL ที่ดึงข้อมูลจากฐานข้อมูลและดำเนินการรวบรวมหรือการเรียงลำดับบางประเภท;
• แดชบอร์ดวิเคราะห์ตามกฎที่สร้างใน Tableau หรือ Microsoft Power BI;
• สเปรดชีต Excel ที่ใช้สูตรง่ายๆ;
• สมุดงานที่ขับเคลื่อนด้วย Excel Macro ซึ่งมีโค้ด VBA บางส่วน;
• ระบบเซ็นเซอร์ส่งสัญญาณกลับไปยังศูนย์ควบคุมซึ่งผู้เชี่ยวชาญมนุษย์จะเป็นผู้แปลผล

ทิศทางในอนาคตสำหรับองค์กรที่ต้องการนำปัญญาประดิษฐ์มาใช้

ในหลายกรณี ปัญญาประดิษฐ์สามารถแก้ปัญหาที่ซับซ้อนได้ แต่ก็มีข้อจำกัดที่ตรรกะแบบมีเงื่อนไขมาตรฐาน ความน่าจะเป็น และสถิติ จะทำได้ดีกว่า ตัวอย่างคือข้อยกเว้นที่ต้องการความน่าเชื่อถือ 100% ซึ่งระบบ AI อาจให้ผลลัพธ์ที่ไม่สอดคล้องกันในบางครั้ง ในกรณีของเทคนิคดั้งเดิม การระบุวิธีการที่นำไปใช้จะเป็นประโยชน์มากกว่าการระบุว่าเป็นการใช้ปัญญาประดิษฐ์ เนื่องจากจะช่วยปรับปรุงการไหลของความรู้

ปัญญาประดิษฐ์มีวิวัฒนาการอย่างต่อเนื่อง โดยมีการปรับปรุงอย่างรวดเร็ว ค่อยๆ ซึมซับเข้าสู่ชีวิตประจำวันผ่านการปรับใช้บนแพลตฟอร์มเทคโนโลยีและโครงสร้างพื้นฐานที่มีอยู่แล้ว เมื่อมันแพร่หลายมากขึ้น ความถูกต้องก็มีความสำคัญมากกว่าที่เคย และจำเป็นอย่างยิ่งที่ต้องพิจารณาว่ามันถูกนำไปใช้และอธิบายอย่างไร เมื่อสาขานี้กลายเป็นที่ควบคุมมากขึ้นอย่างหลีกเลี่ยงไม่ได้ ความอิสระบางประการในการอ้างสิทธิ์การใช้ AI อย่างผิดพลาดจะค่อยๆ ได้รับการแก้ไขตามเวลา อย่างไรก็ตาม องค์กรต่างๆ สามารถเริ่มต้นก่อนคนอื่นได้โดยการยอมรับนิยามของ AI ที่ถูกต้องตั้งแต่ปัจจุบัน

ประโยชน์ของปัญญาประดิษฐ์แท้จริงนั้นมีมากมาย และ Telemus AI สามารถทำงานร่วมกับองค์กรของคุณเพื่อขับเคลื่อนผลลัพธ์ที่จับต้องได้ซึ่งเกินกว่าเทคนิคดั้งเดิม

ติดต่อเราวันนี้เพื่อรับคำปรึกษาฟรีเกี่ยวกับวิธีการที่ Telemus AI™ สามารถบูรณาการเข้ากับองค์กรของคุณ