Человечеству нужен искусственный интеллект, но искусственный интеллект тоже нуждается в человечестве

Человечеству нужен искусственный интеллект, но искусственный интеллект тоже нуждается в человечестве

Источник · Перевод автора

Объем данных, поступающих в нашу жизнь, стал неуправляемым и огромным.

Мои собственные ежедневные коммуникации состоят из огромного количества писем, сообщений и текстов. Их рассмотрение требует значительных затрат времени, когда только небольшая часть вопросов является важной или даже актуальной. Если бы я мог попросить кого-нибудь просто просмотреть мои сообщения в Slack и сказать: «80% из них можно игнорировать, вот три вещи, которые являются приоритетными, а вот некоторые элементы, которые мы не могли понять», это значительно увеличилось бы. моя продуктивность и сделать меня более эффективным лидером.

В корпоративном мире это происходит с данными. Из разных источников поступает так много данных, что многие люди пытаются консолидировать данные. Сложный ИИ, который мог бы надежно проанализировать его, сэкономил бы так много времени. Но важно понимать, что такое искусственный интеллект на самом деле и границы того, что мы можем сделать. Хотя мы слышим ИИ как модное слово каждый день, мы все еще находимся на ранней стадии развития технологии и ее потенциала для развития нашей работы и жизни.

Понимание того, что такое ИИ

Нам нужно понять, что есть ИИ, а что нет. Например, такой цифровой помощник, как Alexa, – это не ИИ, это просто распознавание голоса (по крайней мере, на данном этапе). ИИ – это, по сути, набор алгоритмов. Если вы примените их к правильным данным, вы можете получить хороший результат. По мере совершенствования алгоритмов, мы надеемся, что он продолжит адаптироваться и улучшаться. Но мы еще так далеки от этого.

Например, когда дело доходит до объема моих рабочих сообщений, есть инструменты и виртуальные помощники, которые справляются с этим. Но они еще недостаточно надежны, чтобы полностью доверять им – просто подумайте о важных электронных письмах, которые автоматически фильтруются в вашу папку для спама. Нам все равно придется вручную проверять наши папки со спамом, чтобы не пропустить важные вещи.

Машинное обучение не всегда делает машины более умными

Святой Грааль – это машинное обучение – алгоритмы, которые со временем могут улучшаться и становиться все более полезными и надежными по мере того, как они собирают все больше и больше данных. Но это зависит от достоверности данных. Плохие данные могут фактически отключить машины. У меня на телефоне есть приложение, которое угадывает слова, которые вы пытаетесь использовать, с помощью жестов swype. У него есть самообучающийся алгоритм, который якобы со временем сделает его более точным. Но хотя вначале все шло хорошо, по мере того, как я его использовал, он становился «тупее». В конце концов мне пришлось удалить и переустановить его, сбросить, и снова стало намного лучше.

Мы просто еще не доработали алгоритмы. Проблема в том, что для того, чтобы иметь хороший ИИ, вам нужно обучать его с помощью высококачественных данных. Данные должны быть последовательными, чистыми и доступными. Плохие данные были названы «врагом номер один» для машинного обучения. Очистка данных очень трудоемка – по оценке специалистов по данным, на нее уходит 80% их времени – и даже если вы начнете с правильными данными, позже они могут быть скомпрометированы неверными данными.

Автоматизация не приводит к потере рабочих мест

«Я не хочу, чтобы ИИ взял на себя мою работу» – это фраза, которую произносят многие в ИТ, и хотя есть опасения, что автоматизация и ИИ сделают людей ненужными, это далеко не приведет к потере рабочих мест. если у вас есть 100 инженеров по эксплуатации в организации, большая часть их времени тратится на фильтрацию проблем, просеивание данных в поисках закономерностей и оптимизаций, не говоря уже об управлении приоритетами со стороны руководства, инженеров и даже клиентов. Если бы ИИ мог устранить 60% этого шума, не означает ли это, что вам нужно на 40% меньше инженеров по эксплуатации? Нет. Напротив, эти высококвалифицированные сотрудники могут начать сосредоточиваться на более стратегической работе, а не на трудоемких административных задачах.

ИИ делает рабочие места людей более эффективными, позволяя всем нам быть более инновационными. Разработчики не хотят тратить все свое время на сортировку. Вместо того, чтобы просматривать 300 предупреждений каждое утро, ИИ может помочь расставить приоритеты. Вместо того, чтобы ждать, пока кто-нибудь пожалуется, ИИ может помочь обнаружить необычную активность или изменения. Вместо того, чтобы просеивать тысячи строк кода и сотни контейнеров / серверов, ИИ может помочь быстрее найти первопричину.

ИИ для многих означает много разных вещей. Это пространство непрерывных инноваций, но оно все еще находится в зачаточном состоянии. Хотя мы хотели бы, чтобы он был умнее и быстрее, у нас есть много работы по сбору, хранению и управлению данными, необходимыми для повышения эффективности моделей машинного обучения.