Obsah:
Video: The price of shame | Monica Lewinsky (November 2024)
„Andrew Ingram“ je digitálny asistent, ktorý prehľadáva vaše e-maily, poskytuje nápady na plánovanie schôdzok a stretnutí, ktoré prediskutujete so svojimi spolupracovníkmi, nastavuje úlohy a zasiela pozvánky príslušným stranám s veľmi malou pomocou. Využíva pokročilé schopnosti umelej inteligencie nového produktu X.ai
Aj keď myšlienka, že vaše e-maily sú skenované skutočnými ľuďmi, môže znieť strašidelne, medzi mnohými spoločnosťami, ktoré poskytujú svojim zákazníkom služby AI, sa stala bežnou praxou. Nedávny článok v časopise The Wall Street Journal odhalil niekoľko firiem, ktoré umožňujú svojim zamestnancom prístup a čítanie e-mailov zákazníkov, aby si vytvorili nové funkcie a vyškolili svoje AI na prípady, ktoré predtým nevideli.
Technika nazývaná „Sprievodca ozom“ alebo pseudo-AI, prax tichého používania ľudí na odstránenie nedostatkov algoritmov AI vrhá svetlo na niektoré z najhlbších problémov, ktorým priemysel AI čelí.
AI nie je pripravená na rozsiahle problémy
Za väčšinou inovácií v oblasti inteligencie v posledných rokoch stoja algoritmy hlbokého učenia a neurónové siete. Hlboko neurónové siete sú veľmi efektívne pri klasifikácii informácií. V mnohých prípadoch, napríklad pri rozpoznávaní hlasu a tváre alebo pri identifikácii rakoviny pri skenovaní MRI a CT, môžu prekonať ľudí.
To však neznamená, že hlboké učenie a neurónové siete môžu splniť akúkoľvek úlohu, ktorú môžu ľudia urobiť.
„Hlboké vzdelávanie nám umožňuje vyriešiť problém s vnímaním. Je to veľká vec, pretože vnímanie má obmedzenú inteligenciu od svojho založenia pred 60 rokmi, “ hovorí Jonathan Mugan, spoluzakladateľ a generálny riaditeľ spoločnosti DeepGrammar. „Riešenie problému s vnímaním konečne urobilo AI užitočným pre veci ako rozpoznávanie hlasu a robotika.“
Mugan však poznamenáva, že vnímanie nie je jediný problém. Hlboké učenie sa bojuje, pokiaľ ide o zdôvodnenie zdravého rozumu a porozumenie.
„Hlboké vzdelávanie nám v tomto probléme nepomáha, “ hovorí. „Dosiahli sme určitý pokrok v NLP (spracovanie prirodzeného jazyka) tým, že sme s jazykom zaobchádzali ako s problémom vnímania, tj pri prevode slov a viet na vektory. To nám umožnilo lepšie reprezentovať text na klasifikáciu a strojový preklad (keď je veľa údaje), ale nepomáha to pri zdôvodňovaní zdravého rozumu. Z tohto dôvodu chatboty do značnej miery zlyhali. ““
Jedným z hlavných problémov, ktorým čelia všetky aplikácie na hlboké vzdelávanie, je zber správnych údajov na zaškolenie ich modelov AI. Úsilie a dáta, ktoré idú do tréningu neurónovej siete na vykonanie úlohy, závisia od toho, aký široký je problémový priestor a aká úroveň presnosti je požadovaná.
Napríklad aplikácia na klasifikáciu obrázkov, ako je napríklad aplikácia Not Hotdog zo Silicon Valley spoločnosti HBO, vykonáva veľmi úzku a špecifickú úlohu: Povie vám, či fotoaparát vášho smartfónu zobrazuje hotdog alebo nie. Pri dostatočnom počte hotdogov dokáže AI aplikácie vykonávať svoju veľmi dôležitú funkciu s vysokou úrovňou presnosti. A aj keď to urobí chybu každý raz za čas, nikomu to neublíži.
Ale iné aplikácie AI, ako napríklad aplikácia X.ai, sa zaoberajú oveľa širšími problémami, čo znamená, že vyžadujú veľa kvalitných príkladov. Ich tolerancia voči chybám je tiež oveľa nižšia. Existuje výrazný rozdiel medzi chybou uhorky pre hotdog a naplánovaním dôležitého obchodného rokovania v nesprávnom čase.
Bohužiaľ, údaje o kvalite nie sú komoditou, ktorú majú všetky spoločnosti.
„Všeobecným problémom je, že čím všeobecnejší problém sa AI pokúša riešiť, tým viac prípadov alebo neobvyklé správanie sa môže vyskytnúť. To nevyhnutne znamená, že na pokrytie všetkého potrebujeme oveľa viac príkladov odbornej prípravy, “ hovorí Dr. Steve Marsh, CTO v Geospocku. „Startups vo všeobecnosti nemajú prístup k obrovskému množstvu údajov o školeniach, takže modely, ktoré môžu reálne zostaviť, budú veľmi výbušné a krehké, ktoré zvyčajne nenapĺňajú ich očakávania.“
Takéto množstvo informácií vlastní iba veľké spoločnosti ako Facebook a Google, ktoré už roky zhromažďujú údaje o miliardách používateľov. Menšie spoločnosti musia platiť veľké sumy, aby získali alebo vytvorili školiace údaje, a to oneskorí spustenie ich aplikácií. Alternatívou je aj tak spustiť a začať trénovať svoju AI za chodu, využívať ľudských trénerov a živé údaje o zákazníkoch a dúfať, že nakoniec sa AI stane menej závislou na ľuďoch.
Napríklad spoločnosť Edison Software, spoločnosť so sídlom v Kalifornii, ktorá vyvíja aplikácie na správu e-mailov, nechala svojich zamestnancov čítať e-maily svojich klientov, aby vyvinuli funkciu „inteligentnej odpovede“, pretože nemali dostatok údajov na zaškolenie algoritmu, spoločnosť CEO to povedal The Wall Street Journal. Vytváranie inteligentných odpovedí je rozsiahla a náročná úloha. Dokonca aj spoločnosť Google, ktorá má prístup k e-mailom miliárd používateľov, poskytuje inteligentné odpovede pre veľmi obmedzené prípady.
Použitie ľudí na trénovanie AI so živými údajmi o používateľovi sa však neobmedzuje iba na menšie spoločnosti.
V roku 2015 Facebook spustil M, AI chatbot, ktorý dokázal pochopiť a reagovať na rôzne nuansy konverzácií a plniť mnoho úloh. Facebook sprístupnil M k dispozícii obmedzenému počtu používateľov v Kalifornii a zriadil personál ľudských operátorov, ktorí by monitorovali výkon AI a zasiahli, aby ho napravili, keď nerozumeli žiadosti používateľa. Pôvodným plánom bolo, aby ľudskí operátori pomohli učiť asistenta reagovať na okrajové prípady, ktoré predtým nevidel. Časom by bolo M schopné fungovať bez pomoci ľudí.
Nedostupný cieľ?
Nie je jasné, ako dlho bude trvať Edison Software, X.ai a iným spoločnostiam, ktoré zaviedli systémy „in-the-loop“, aby sa ich AI plne automatizovala. Existujú tiež pochybnosti o tom, či súčasné trendy v oblasti umelej inteligencie môžu niekedy dosiahnuť miesto zapojenia sa do širších oblastí.
V roku 2018 Facebook ukončil činnosť M bez toho, aby ho každý oficiálne nasadil. Spoločnosť nezdieľala podrobnosti, je však zrejmé, že vytvorenie chatbotu, ktorý môže viesť širokú konverzáciu, je veľmi ťažké. A sprístupnenie M všetkým dvom miliardám používateľov Facebooku bez toho, aby bolo najprv úplne schopné automaticky reagovať na všetky druhy konverzácií, by si vyžadovalo, aby gigant sociálnych médií najal obrovský počet ľudí, aby zaplnil M medzery.
DeepGrammarov Mugan verí, že nakoniec dokážeme vytvoriť inteligenciu, ktorá dokáže vyriešiť zdravý rozum, čo ostatní klasifikujú ako všeobecnú inteligenciu. Ale čoskoro sa to nestane. „V súčasnosti neexistujú na obzore žiadne metódy, ktoré by počítaču umožnili pochopiť, čo malé dieťa vie, “ hovorí Mugan. „Bez tohto základného porozumenia nebudú počítače schopné robiť 100% času veľa úloh.“
Aby sme to uviedli do perspektívy, odborníci na OpenAI nedávno vyvinuli robotickú ruku Dactyl, ktorá dokáže manipulovať s predmetmi. To je úloha, ktorú sa každé ľudské dieťa učí vykonávať podvedome v ranom veku. Na rozvoj rovnakých zručností však potrebovalo 6144 procesorov a 8 GPU Dactyl a skúsenosť približne sto rokov. Aj keď je to fascinujúci úspech, zároveň to poukazuje na výrazné rozdiely medzi úzkou AI a spôsobom, akým funguje ľudský mozog.
„Sme veľmi vzdialení od umelej všeobecnej inteligencie a je veľmi pravdepodobné, že AGI bude kombináciou a koordináciou mnohých rôznych typov úzkych alebo aplikačne špecifických AI, “ hovorí Marsh. „Myslím si, že v súčasnosti existuje tendencia preceňovať schopnosti AI, ale zároveň vidím, že je nesmierne dôležité, aby ste podnikli prvé prvé kroky a implementovali tradičné modely strojového učenia.“
Blíži sa ďalšia zimná udalosť?
V roku 1984 Americká asociácia umelej inteligencie (neskôr premenovaná na Asociáciu pre rozvoj umelej inteligencie) varovala obchodnú komunitu, že humbuk a nadšenie okolo AI by nakoniec viedli k sklamaniu. Čoskoro potom sa investície a záujem o AI zrútili, čo viedlo k ére známejšej ako „AI zima“.
Od začiatku roka 2010 sa záujem a investície v tejto oblasti opäť zvyšujú. Niektorí odborníci sa obávajú, že ak aplikácie AI nedosiahnu výkonnosť a nesplnia očakávania, nastane ďalšia zima AI. Odborníci, s ktorými sme hovorili, však veria, že AI sa už stala príliš integrovanou súčasťou našich životov na to, aby sledovala svoje kroky.
"Nemyslím si, že by sme boli v nebezpečenstve zimy AI ako predtým, pretože AI teraz prináša skutočnú hodnotu, nielen hypotetickú, " hovorí Mugan. „Ak však budeme aj naďalej informovať širokú verejnosť o tom, že počítače sú inteligentné ako ľudia, riskujeme odpor. Nebudeme sa vracať k tomu, že nebudeme používať hlboké učenie na vnímanie, ale výraz„ AI “by mohol byť obťažovaný a my musel by to nazývať niečo iné. ““
Je isté, že pred nami stojí prinajmenšom éra rozčarovania. Chystáme sa dozvedieť, do akej miery môžeme dôverovať súčasným zmesiam AI v rôznych oblastiach.
„Očakávam, že uvidím, že niektoré spoločnosti sú príjemne prekvapené tým, ako rýchlo dokážu poskytnúť AI pre predtým manuálne a drahé služby, a že iné spoločnosti zistia, že je potrebné dlhšie, než očakávali, že zhromaždia dostatok údajov, aby sa stali finančne životaschopné, “hovorí James Bergstra, spoluzakladateľ a vedúci výskumu na Kindred.ai. „Ak je ich príliš veľa a nie je ich dosť, mohlo by to medzi investormi vyvolať ďalšiu zimu AI.“
- Umelá inteligencia má problém so zaujatosťou a je to naša chyba Umelá inteligencia má problém so zaujatosťou a je to naša chyba
- Prečo je výučba AI hrať hry dôležitá Prečo je výučba AI hrať hry dôležitá
- AI ponúka obrovský potenciál, ale to sa nestane cez noc AI ponúka obrovský potenciál, ale to sa nestane cez noc
Geospock's Marsh predpovedá, že hoci sa financovanie nezmizne, dôjde k určitým úpravám jeho dynamiky. Keďže si investori uvedomujú, že skutočné odborné znalosti sú zriedkavé a iba tí, ktorí majú prístup k údajom, aby mohli trénovať modely, sa v tomto odvetví budú líšiť, na trhu dôjde k veľkej konsolidácii a finančné prostriedky získajú oveľa menej začínajúcich spoločností.
„Pre mnoho startupov AI bez špecializovaného trhu a veľkého množstva údajov: prichádza zima, “ uzatvára Marsh.
