Περιεχόμενο
- 1. Η ΑΙ αποτελείται από έξυπνα ρομπότ ή ανδροειδή που μοιάζουν με ανθρώπους.
- 2. Η AI, η μηχανική μάθηση και η βαθιά εκμάθηση είναι το ίδιο πράγμα.
- 3. Το AI μαθαίνει εντελώς από μόνο του.
- 4. Chatbots είναι η πιο βασική μορφή της AI.
- 5. Η ισχύς που απαιτείται για την εκτέλεση όλων των μελλοντικών ενεργειών βαθιάς μάθησης δεν είναι βιώσιμη.
- No Bugs, No Stress - Ο οδηγός σας βήμα προς βήμα για τη δημιουργία λογισμικού που αλλάζει τη ζωή χωρίς να καταστρέφει τη ζωή σας
- 6. Είναι εύκολο για μια επιχείρηση να νοικιάσει την υπολογιστική ισχύ που απαιτείται για την τροφοδοσία των λειτουργιών AI.
- 7. Χρειάζεστε τεράστια ποσά δεδομένων για να εκπαιδεύσετε AI.
- 8. Το AI θα αντικαταστήσει τα υπάρχοντα εργαλεία BI, καθιστώντας οποιαδήποτε προηγούμενη τεχνολογία ξεπερασμένη.
- 9. Τα νευρικά δίκτυα είναι σαν βιολογικά δίκτυα αλλά μηχανικά.
- 10. Το AI τελικά θα γίνει αρκετά έξυπνο ώστε να καταλάβει ότι οι άνθρωποι είναι επικίνδυνοι γι 'αυτό και πρέπει να εξοντωθούν.
Πηγή: Usa Pyon / Dreamstime.com
Πάρε μακριά:
Το AI είναι μια καυτή τεχνολογία, αλλά πολλοί άνθρωποι έχουν παρερμηνείες σχετικά με το τι ακριβώς συνεπάγεται. Εδώ θα ρίξουμε μια ματιά σε μερικούς από τους μύθους γύρω από το AI και θα εξετάσουμε τα γεγονότα.
Γιατί όλοι μιλάνε για AI, αλλά ακόμα δεν βλέπουμε φιλικά ρομπότ όπως τα στοιχεία από το "Star Trek" περπατώντας ανάμεσα στους ανθρώπους; Μήπως θυμόμαστε να προσθέσουμε τη Δεύτερη Πρωταρχική Οδηγία του RoboCop στα σκηνοθετημένα σχέδια τους, ώστε να μπορούν να "Προστατεύσουν τον αθώο" αντί να εξοντώσουν την ανθρωπότητα μόλις αποκτήσουν πλήρη αίσθηση;
Σήμερα, υπάρχει μεγάλη σύγχυση σχετικά με το τι είναι στην πραγματικότητα η τεχνητή νοημοσύνη (AI), η μηχανική μάθηση και η βαθιά εκμάθηση, ποιες "έξυπνες μηχανές" μπορούν να κάνουν και ποια είναι η πραγματική κατάσταση των τεχνολογιών AI. Ήρθε η ώρα να απολαύσετε ένα καλό παλιό debunking, οπότε αφήστε τους 10 πιο συνηθισμένους μύθους για το AI. (Για περισσότερα σχετικά με το πιθανό μέλλον του AI, ελέγξτε έξω είναι η επανάσταση AI που πρόκειται να καταστήσει το γενικό εισόδημα μια αναγκαιότητα;)
1. Η ΑΙ αποτελείται από έξυπνα ρομπότ ή ανδροειδή που μοιάζουν με ανθρώπους.
Πάρα πολύ "Blade Runner" για όλους εδώ, χμμ; Αν και υπάρχει μεγάλη γενική σύγχυση ανάμεσα στη ρομποτική και την ΑΙ, είναι δύο εντελώς διαφορετικοί τομείς επιστήμης που εξυπηρετούν διαφορετικούς σκοπούς. Τα ρομπότ είναι φυσικές συσκευές που εξυπηρετούνται από ενεργοποιητές και αισθητήρες για να εκτελούν ένα ευρύ φάσμα εργασιών, όπως η κατασκευή, η μεταφορά ή η αποσυναρμολόγηση προϊόντων σε εργοστάσια.
Το λογισμικό AI είναι προγραμματισμένο με τέτοιο τρόπο ώστε να είναι αρκετά αυτόνομο για να λαμβάνει αποφάσεις και να μαθαίνει από τα λάθη του. Παρόλο που ορισμένα ρομπότ μπορεί τελικά να ενισχυθούν με αλγορίθμους ΑΙ, το τμήμα "νοημοσύνης" είναι μόνο μία πρόσθετη ικανότητα που μπορεί να έχει η ΑΙ.
2. Η AI, η μηχανική μάθηση και η βαθιά εκμάθηση είναι το ίδιο πράγμα.
Παρόλο που είναι όλα τα μέρη του ίδιου μεγαλύτερου συστήματος AI, είναι τρία διαφορετικά πράγματα. Βασικά, η μηχανική μάθηση είναι η μέθοδος μέσω της οποίας το AI μαθαίνει από εξωτερικές πηγές, όπως στη χρήση αλγορίθμων για τη διάκριση δεδομένων και τον προσδιορισμό των σωστών συμπεριφορών. Η βαθιά μάθηση είναι μία μόνο δυνατή τεχνική που χρησιμοποιείται στις πρακτικές εφαρμογές της μηχανικής μάθησης. Βασίζεται σε νευρικά δίκτυα (NNs) και χρησιμοποιείται για να πει στο AI την πιθανότητα να πάρει τη σωστή απόφαση.
3. Το AI μαθαίνει εντελώς από μόνο του.
Παρά μια υπερβολική διαφημιστική εκστρατεία σχετικά με το AI που φέρεται ότι ήταν σε θέση να μάθει από μόνη της, είναι ακόμα αδύνατο να βρεθεί ένα σύστημα που τροφοδοτείται με AI που έχει οποιαδήποτε πραγματική εφαρμογή που μπορεί να αναπτυχθεί από μηδενικές γνώσεις χωρίς ανθρώπινη βοήθεια. Οποιοδήποτε σύστημα που έχει να αντιμετωπίσει κρυφές πληροφορίες ή αβεβαιότητα οποιουδήποτε είδους δεν μπορεί να «κατανοηθεί» από το AI, το οποίο εξακολουθεί να χρειάζεται να τροφοδοτείται με εισροές και δεδομένα από τον άνθρωπο. Επίσης, κάθε πληροφορία πρέπει να έχει έναν σαφή σκοπό, κάτι που το AI δεν μπορεί να μαντέψει χωρίς εξωτερικές πηγές (όχι στην αρχή, τουλάχιστον).
4. Chatbots είναι η πιο βασική μορφή της AI.
Και πάλι, ακόμα και αν υπάρχουν κάποιες chatbots εκεί έξω που χρησιμοποιούν περισσότερο ή λιγότερο στοιχειώδη μορφές AI, τα περισσότερα από αυτά δεν είναι παρά βασικά προγράμματα που αλληλεπιδρούν με τους ανθρώπους μέσω ή φωνητικές διεπαφές. Αντί να είναι "έξυπνοι", οι περισσότεροι chatbots έχουν προ-προγραμματισμένες απαντήσεις που δίδονται ως απάντηση σε ορισμένες λέξεις-κλειδιά στις εισόδους του χρήστη. Για να γίνει ένα chatbot ένα πραγματικό AI, πρέπει να διαθέτει αρκετές τεχνολογίες που του επιτρέπουν να καταλάβει έναν άνθρωπο, να μάθει για τις ανάγκες του και να αντιδράσει αναλόγως. Χρειάζεται λογισμικό φωνής ή αναγνώρισης, ανάλυση συναισθημάτων, κάποια μορφή προγράμματος εκμάθησης μηχανών και τεχνολογία παραγωγής φυσικής γλώσσας. (Για να μάθετε περισσότερα σχετικά με τα chatbots, ανατρέξτε στο θέμα Ερωτημένοι επαγγελματίες τεχνολογιών πληροφορικής πώς οι επιχειρήσεις θα χρησιμοποιήσουν το Chatbots στο μέλλον.
5. Η ισχύς που απαιτείται για την εκτέλεση όλων των μελλοντικών ενεργειών βαθιάς μάθησης δεν είναι βιώσιμη.
Είναι αναμφισβήτητο ότι το AI απαιτεί πολλή πρόσθετη υπολογιστική ισχύ για να εκπαιδεύεται και να εκτελεί όλες τις πολύπλοκες διαδικασίες βαθιάς εκμάθησης. Σε ένα μέλλον όπου οι περισσότερες επιχειρήσεις θα χρησιμοποιήσουν το AI σε κάποιο βαθμό, αυτό το πρόβλημα μπορεί να αυξηθεί σε επικές αναλογίες, κάνοντας τη χρήση του δυνητικά μη βιώσιμη. Εντούτοις, η ΑΠ μπορεί πράγματι να μας παράσχει περισσότερο εξουδετερώνοντας ένα πολυετές πρόβλημα παραγωγής ενέργειας: τα απόβλητα και η αναποτελεσματικότητα των δικτύων ηλεκτρικής ενέργειας. Οι επιχειρήσεις κοινής ωφέλειας καταλήγουν να αγοράζουν πλεόνασμα ενέργειας από ιδιώτες χρήστες, οι οποίοι επίσης σπαταλούν το μεγαλύτερο μέρος της πλεονάζουσας ηλεκτρικής ενέργειας που παράγουν, αφού τα υπάρχοντα δίκτυα δεν κατασκευάστηκαν για να φιλοξενήσουν το σύγχρονο επίπεδο διαφοροποίησης. Το AI μπορεί να έρθει στη διάθεσή μας αντικαθιστώντας τα παλιά πλέγματα με νεώτερα, έξυπνα, AI-powered μικροσυστήματα που γνωρίζουν ακριβώς πώς να διανέμουν την ηλεκτρική ενέργεια σε πραγματικό χρόνο με τη μέγιστη απόδοση.
No Bugs, No Stress - Ο οδηγός σας βήμα προς βήμα για τη δημιουργία λογισμικού που αλλάζει τη ζωή χωρίς να καταστρέφει τη ζωή σας
Δεν μπορείτε να βελτιώσετε τις δεξιότητες προγραμματισμού σας όταν κανείς δεν ενδιαφέρεται για την ποιότητα του λογισμικού.
6. Είναι εύκολο για μια επιχείρηση να νοικιάσει την υπολογιστική ισχύ που απαιτείται για την τροφοδοσία των λειτουργιών AI.
... αν η AWS, η Google, η Microsoft και η Alibaba Cloud δεν συγκεντρώνουν επί του παρόντος τη συντριπτική πλειοψηφία της διαθέσιμης στον κόσμο υπολογιστικής ισχύος. Έτσι, οι προγραμματιστές της AI έχουν σήμερα δύο επιλογές: τη μίσθωση σε εξαιρετικά υψηλές τιμές ή την αγορά του δικού τους υπερ-ακριβού υλικού.
Ωστόσο, υπάρχει μια πιθανότητα ότι αυτό το μύθος-debunking μπορεί να ... debunked στο εγγύς μέλλον. Μια νέα εταιρεία που ονομάζεται Tatau ανέπτυξε μια πλατφόρμα supercomputing βασισμένη σε blockchain που μπορεί να λύσει το πρόβλημα. Η λύση τους επιτρέπει τη συγκέντρωση και τη μεταπώληση των συνδυασμένων πόρων ενός παγκοσμίως κατανεμημένου δικτύου μηχανών που βασίζονται σε GPU. Φανταστείτε τους ανθρακωρύχους, τους gamers ή άλλους υπολογιστές υψηλών επιδόσεων που αφιερώνουν την υπολογιστική τους δύναμη προς την ανάπτυξη της AI. Οι εταιρείες AI μπορούν να εκμεταλλευτούν αυτήν την ανεπαρκώς αξιοποιημένη πηγή ισχύος GPU για να εκπαιδεύσουν τα μοντέλα μηχανικής μάθησης σε πολύ φθηνότερη τιμή. Σημειώστε ότι αυτή η νέα πλατφόρμα μπορεί επίσης να δώσει μια απάντηση στο πρόβλημα που επισημαίνεται στο σημείο 5, καθώς προωθεί την αποτελεσματική χρήση των πόρων που δεν έχουν χρησιμοποιηθεί.
7. Χρειάζεστε τεράστια ποσά δεδομένων για να εκπαιδεύσετε AI.
Οχι απαραίτητα. Σίγουρα, χρειάζεστε πολύ των δεδομένων και της υπολογιστικής ισχύος για την κατάρτιση ενός AI από την αρχή. Και, αν και σε μικρότερο βαθμό, χρειάζεστε terabyte δεδομένων για να εκπαιδεύσετε ένα AI για να εκτελέσετε ένα σύνθετο έργο όπως η οδήγηση ενός αυτοκινήτου. Ωστόσο, ανάλογα με το πεδίο εφαρμογής του AI, τα προ-καταρτισμένα νευρωνικά δίκτυα είναι αρκετά ευέλικτα ώστε να αναβαθμίζονται μόνο σε ορισμένους συγκεκριμένους τομείς. Το βασικό πλαίσιο δεδομένων μπορεί να προέρχεται από ένα μεγαλύτερο, γενικότερο σύνολο δεδομένων, με μόνο το τελευταίο μέρος του δικτύου να χρειάζεται να αντικατασταθεί από τη φράση "συμπληρώστε τα κενά" ειδικά για την συγκεκριμένη περίπτωση χρήσης.
8. Το AI θα αντικαταστήσει τα υπάρχοντα εργαλεία BI, καθιστώντας οποιαδήποτε προηγούμενη τεχνολογία ξεπερασμένη.
Αυτό είναι λίγο κομμάτι, τουλάχιστον. Η πλειοψηφία των σύγχρονων λύσεων επιχειρηματικής ευφυΐας (BI) είναι εξαιρετικά κλιμακούμενες και συχνά προσαρμόσιμες, έτσι ώστε κάθε μελλοντικό μοντέλο βασισμένο σε AI να μπορεί εύκολα να ενσωματωθεί άμεσα μέσα στις πλατφόρμες τους. Οι εταιρείες πάντοτε προτιμούν να εφαρμόζουν μόνο εκείνες τις λύσεις που δεν παρουσιάζουν κανένα κίνδυνο για διακοπή της ροής εργασιών και οι τεχνολογίες της τεχνολογίας της πνευματικής ιδιοκτησίας έχουν προσαρμοστεί σε αυτήν την ανάγκη. Ως εκ τούτου, οι περισσότερες πλατφόρμες ΑΙ υλοποιούνται μέσω του ιστού, επομένως δεν απαιτείται αντικατάσταση ή, σε χειρότερο σενάριο, μπορεί να εφαρμοστεί με ασφάλεια σε φάσεις.
9. Τα νευρικά δίκτυα είναι σαν βιολογικά δίκτυα αλλά μηχανικά.
Κανένα νευρωνικό δίκτυο δεν μπορεί να ελπίζει καν να φτάσει σε ένα κλάσμα της πολυπλοκότητας του ανθρώπινου εγκεφάλου. Παρά τα πολλά χρόνια κλινικής και επιστημονικής έρευνας, εξακολουθούμε να μην κατανοούμε πλήρως τα βιολογικά νευρωνικά δίκτυα δεδομένου ότι οι νευρώνες εκπληρώνουν τόσα πολλά διαφορετικά καθήκοντα με το ανθρώπινο σώμα (σκεφτείτε τη διαφορά μεταξύ αισθητηριακού και κινητικού νευρώνα) πολλά διαφορετικά μονοπάτια (χρησιμοποιώντας ηλεκτρισμό, χημικό δυναμικό και νευροδιαβιβαστές). Τα νευρικά δίκτυα μπορούν να κατανοήσουν πολύ απλές εισόδους στην τυπική μηχανή 1 ή 0 ("ναι" ή "όχι"). Είναι σαν να συγκρίνουμε την πολυπλοκότητα ενός στρατιωτικού αεροσκάφους με ένα χαρταετό, μόνο και αν μπορούν να πετάξουν και οι δύο.
10. Το AI τελικά θα γίνει αρκετά έξυπνο ώστε να καταλάβει ότι οι άνθρωποι είναι επικίνδυνοι γι 'αυτό και πρέπει να εξοντωθούν.
Λοιπόν, δεν μπορούμε να απολύσουμε αυτόν τον μύθο, αφού δεν είναι μύθος. Είναι πραγματικότητα. Βάλτε τον εαυτό σας, γιατί η αντίσταση είναι μάταιη!
Τα αστεία, απλά, το AI δεν έρχεται κοντά στις πληροφορίες που χρειάζονται για να καταλάβει τον κόσμο γύρω του και να κάνει αυτόνομες, ορθολογικές αποφάσεις. Κάθε αλγόριθμος αναπτύσσεται για να εκτελέσει μία εργασία και δεν είναι σε θέση να κάνει τίποτα έξω από αυτό, πόσο μάλλον να φτάσει στην ικανότητα να σκέφτεται ανεξάρτητα. Οι υπολογιστές χρησιμοποιούν την «ωμή δύναμη» των ανώτερων υπολογιστικών δυνάμεών τους για να βρουν μια λύση σε σχετικά απλά ζητήματα, αλλά δεν έχουν την κατανόηση, το βάθος αντίληψης και τη στρατηγική πολυπλοκότητα για να έχουν σκοπό εκτός εκείνου για τον οποίο έχουν προγραμματιστεί.
Έτσι ξεκουραστείτε εύκολα, γιατί η AI δεν πρόκειται παρά να είναι τεχνητές βοηθοί και υπηρέτες για πολύ καιρό.