Штучний інтелект – це більше, ніж модне слово: як виявити підробки

Маркетинг та дослідження ринку мають спільну мову: обидва захоплені використанням термінології, яку стороннім особам важко зрозуміти.

Чи варто дивуватися, коли їх визначення настільки широко викривлені?

Модні слова для уявних?

Можливо, ви чули про „маркетинг з впливом” (реклама через популярні соціальні профілі) та „реклама” (реклама, яка подвоюється як розвага). Ми використовували такі терміни, як „гейміфікація” та „тисячоліття”, але професіонали галузі зазнають невдач, посилаючись на звичайні методи опитування як на „гейміфікований досвід” або описуючи когось із тринадцяти до тридцяти років як „тисячоліття”.

Із надмірним вживанням ці неправильно визначені модні слова відхиляються від справжнього значення.

^ Щомісячний обсяг пошуку для AI збільшився на 500% з 110000 до 550000 за чотири роки

Ми можемо розповсюджувати термін «AI» в популярній культурі, в новинах та на конференціях, але не дуже багато з нас знають, що насправді це означає. Часто він використовується для посилання на інші складні алгоритми, які взагалі не кваліфікуються як AI.

То як ми повинні це визначити?

Яка різниця між “штучним інтелектом” та “машинним навчанням”?

^ Фільм Ендрю Буяльського 2013 року «Комп’ютерні шахи»

Іноді AI використовують взаємозамінно з іншим терміном – „машинне навчання”, – але це не зовсім одне й те саме. Насправді ML вважається особливо інноваційним підмножиною AI.

Штучний інтелект

Поняття AI з 1950-х років – це широкий термін, який позначає будь-яку технологію, машину чи механізм, призначені для розумних дій чи імітації розумних дій людини.

Конкретний AI може безперешкодно досягати конкретних завдань або навичок, наприклад, грати в Go, торгувати або роздавати товари (гарні приклади – дрони та робототелі Amazon).

Загальний AI знайти набагато складніше, оскільки він настільки гнучкий, здатний вирішувати проблеми та виконувати широкий спектр завдань так само вміло, як і людина (поки що це переважно гіпотетично).

Традиційний AI в стилі 1980-х (специфічний AI) виступає як деревоподібна схема або схема. Комп’ютер задає низку запитань і вибирає найкраще наступне питання на основі будь-якої відповіді, яку він отримає.

Ось приклад вашої середньої блок-схеми:

Зрештою, він діходить висновку (або серії висновків), спочатку складених експертом у цій галузі. Це розумно в тому сенсі, що цей прихід здається глибоко особистим, але насправді кожен, хто зазнає точно такий же шаблон, отримає однакову відповідь.

Отже, автоматизований аналіз при дослідженні ринку є технічно специфічним AI, застосовуючи це мислення до кожного твердження. Кожне речення пройшло вищезазначені процеси і дійшло до остаточного «оповідання». Цей розповідь може змінюватися залежно від інших речень, які його оточують, але врешті-решт, нам залишається письмовий звіт, підготовлений експертами зі штучного інтелекту.

Машинне навчання

Простіше кажучи, машинне навчання передбачає комп’ютер, який самоосвічується з використанням даних, що надходять на нього (часто багато даних).

У Zappi ми використовуємо цей термін, щоб означати, що ми намагаємось навчити машину. Цей метод є протилежним для AI тим, що він починається внизу деревної діаграми, у самих даних, і працює своїм шляхом. Комп’ютер здійснює пошук у величезних обсягах базових даних і запитує експерта, чи знаходять якісь виявлені закономірності щось конкретне. Якщо це так, експерт навчить комп’ютер розпізнавати їх наступного разу – але, тим самим чином, багато моделей можуть взагалі нічого не означати.

Ось чому машинне навчання іноді позначають як „безглуздий AI”, оскільки для всіх цілей це неінтелектуальний алгоритм розпізнавання шаблонів.

Хоча це може стати розумнішим; те, що ми називаємо «нейронними мережами», є, по суті, набагато складнішими алгоритмами машинного навчання, які накопичують шаблони масових даних для прогнозування поведінки людини. Ви, мабуть, знайомі з цим видом глибокого навчання, оскільки він використовується для введення нової музики в Spotify, пропонування фільмів для Netflix та рекомендацій щодо продуктів на Amazon.

Чи близько ми до розвитку загального, розумного ai?

З новиною Софією, людиноподібним роботом, який нещодавно отримав громадянство Саудівської Аравії, спокусливо повірити, що ми наближаємось до загального, всемогутнього, розумного AI, який перевершує навіть людський інтелект. Ми не поруч.

Софія не може вести безперервну безперервну розмову з іншими – лише ті розмови, про які вона була попередньо запрограмована. Софія – це, швидше за все, кілька конкретних AI, що працюють разом.

Найвірогідніший спосіб роботи людиноподібних роботів, таких як Софія, створить враження загального AI, об’єднавшись із технологіями голосового управління, такими як Alexa (або подібні). Ось чому Amazon одержимий збором даних – вони хочуть побудувати спосіб ведення природничих розмов, обмірковуючи всі різні типи людських проблем по-людськи. Вони жодного разу не намагаються зрозуміти, про що ми говоримо як такі, вони просто застосовують техніку машинного навчання грубої сили, щоб отримати десятки мільйонів потенційних розмов, що відображаються як банк даних.

Що означає цей вид технології для дослідження ринку?

В даний час AI є невеликою, але складною сферою досліджень, але вона стане універсальною через два-три роки, тому важливо говорити про це точно.

Натякати, що деякі алгоритми AI є унікальними для одного інструменту чи бізнесу, просто не відповідає дійсності. Більшість алгоритмів написані технологами в таких компаніях, як Google, і, як правило, вони мають відкритий код. У машинному навчанні немає справжньої ІР – це те, що відрізняє один бізнес від іншого – це його дані. Ось чому Facebook, Google та IBM підтримують AI з відкритим кодом; вони збирають наші дані.

В ході досліджень ринку зараз існує більше ніж достатньо даних, щоб створити з висоти пташиного польоту кожен тест, представлений на одній платформі. Машинне навчання може бути повністю автоматизованою частиною цього процесу, і користувачі можуть досягти справжнього аналізу результатів своїх досліджень на відповідність галузевим нормам, а також власним цілям, характерним для бренду (замість неправильно визначеного набору діаграм та цифр). Незабаром ми побачимо появу цього як нового галузевого стандарту: не тільки експерти з досліджень, але й тепер маркетологи можуть впроваджувати інновації, тестувати та вчитися самі.

«Вбудований» персональний досвід людини.

«збільшення інтелекту» – це наше нове поле бою

„Збільшення інтелекту” – це термін, запропонований Вільямом Россом у своєму 1956 році (і тема, яку я нещодавно висвітлював у журналі „Світ Світу”), визнаючи, що ідея єдиного AI не є настільки ефективною, як комбінація людина + машина.

Базовий приклад – це базовий приклад: це особливий AI в поєднанні з особистими знаннями водіїв. Sat nav не диктує один маршрут і не забороняє користувачеві прокладати свій шлях – він генерує кілька маршрутів на основі рішень, прийнятих людиною.

З цієї точки зору ми будемо вчитися найбільше з обох напрямків AI; підхід 1980-х (зверху вниз) у поєднанні з алгоритмами машинного навчання (знизу вгору). Це, безумовно, найвигідніше, економічне та економічне в часі застосування AI, оскільки золота середина поєднує в собі найкраще мислення як машини, так і людини.

Сів навбік, подивись на Залізну людину.

Залізна Людина – розумний, цікавий, заручений, чарівний і красивий, але він також неймовірно потужний, швидкий і добре озброєний. Без свого плаща він не може бути обом. У чоловіка є свої слабкі сторони, і, так само, костюм сам по собі не особливо корисний. Потрібно, щоб хтось їздив.

У Zappi ми намагаємось зробити дослідження ринку залізними для чоловіків та жінок.

Вас перепродають ai?

Несправедливо роздувати те, що є по суті специфічним AI, як надмірно складне глибоке навчання. Ось лише кілька порад, які допоможуть вам виявити фальшиві заяви про штучний інтелект на ринку МР:

Машинне навчання не є розумним AI: рішення, прийняті за допомогою машинного навчання, перемежовуються з людськими даними та людськими налаштуваннями.

Автоматизація – це не AI: такі терміни, як „робот“ або „роботизований“, натякають на просту автоматизацію процесу або базовий, застосовуваний AI (наприклад, Ваш Roomba).

AI не є ексклюзивним: жоден бізнес не має власних неможливих для розуміння секретних рецептів AI. Швидше за все, технологія з відкритим кодом підживлює шалену гонку за даними.

Справді загальний AI приймає власні рішення: люди сядуть на заднє місце, коли справжній AI матеріалізується, навчаючись на інших машинах і спілкуючись з ними

Щоб дізнатись більше про відмінності між AI та ІА, перегляньте цей веб-семінар, в якому я розмовляв з Реєм Пойнтером із NewMR на цю тему.

Спочатку ця публікація була опублікована за адресою https://www.linkedin.com/pulse/artificial-intelligence-more-than-buzzword-how-spot-fakes-phillips/.

Steve Phillips люб’язно дозволив нам перекласти і опублікувати цю статтю.