NộI Dung
- AI trong chu kỳ Hype
- Cho đến nay, tình hình chưa tốt lắm
- Không lỗi, không căng thẳng - Hướng dẫn từng bước của bạn để tạo ra phần mềm thay đổi cuộc sống mà không phá hủy cuộc sống của bạn
- Tất cả bản lề trên dữ liệu
Nguồn: charles taylor / iStockphoto
Lấy đi:
Có rất nhiều sự cường điệu về trí tuệ nhân tạo, nó thông minh đến mức nào?
Trí tuệ nhân tạo đã thu hút được rất nhiều sự chú ý trong giới doanh nghiệp đến mức nhiều nhà lãnh đạo CNTT có thể bị bào chữa vì nghĩ rằng nó sẽ cung cấp tất cả các câu trả lời cho một hệ sinh thái dữ liệu ngày càng phức tạp. Nhưng trong khi nó chắc chắn có tiềm năng để thực hiện nhiều cải tiến có ý nghĩa đối với công nghệ hiện có, thì cũng công bằng khi nói rằng một số kỳ vọng xung quanh hiệu quả của nó bị thổi phồng.
Trên thực tế, có khá ít sự hiểu biết về chính xác AI là gì, nó thực sự hoạt động như thế nào và nó thực sự có thể làm gì. Và điều này dẫn đến những quan niệm sai lầm rộng lớn xung quanh vai trò của nó trong doanh nghiệp và cách nó sẽ liên quan đến cơ sở hạ tầng hiện có và con người vận hành nó.
AI trong chu kỳ Hype
Theo Chu kỳ Hype gần đây nhất của Gartner, các tập hợp AI chủ chốt như học sâu, học máy và điện toán nhận thức đang ở trên đỉnh của Đường cong kỳ vọng đỉnh cao, có nghĩa là chúng đang ở trên đỉnh của đường trượt dài vào Trough of Disillusion. Mặc dù đây là ngang bằng với hầu hết mọi công nghệ đột phá trong 30 năm qua, nhưng nó chỉ ra thực tế rằng tác động dự kiến của AI trong doanh nghiệp, vốn xuất phát chủ yếu từ các thử nghiệm trong phòng thí nghiệm, sắp sửa đi vào thực tế của môi trường sản xuất. (Kiểm tra lịch sử đổi mới điện toán trong Từ Ada Lovelace đến Deep Learning.)
Tuy nhiên, Mike Walker, nhà nghiên cứu của Gartner hy vọng AI sẽ trở nên phổ biến trong thập kỷ tới thông qua sự kết hợp của sức mạnh tính toán tiến bộ, dẫn đến sự phát triển của các cấu trúc như mạng lưới thần kinh và thực tế là tải dữ liệu doanh nghiệp đã trở nên quá lớn và phức tạp đến mức các nhà khai thác của con người không còn có thể tự mình đối phó được nữa.
Một trong những điều đầu tiên mà doanh nghiệp cần hiểu về AI là nó chơi nhanh và lỏng lẻo với thuật ngữ Trí thông minh. "Như nhà khoa học thần kinh Thụy Sĩ Pascal Kaufmann đã giải thích với ZDnet gần đây, có những khác biệt sâu sắc về cách thuật toán máy tính và bộ não con người xử lý thông tin để đi đến kết luận. Với đủ sức mạnh xử lý, một thuật toán máy tính có thể so sánh hàng triệu, hàng tỷ, thậm chí hàng nghìn tỷ bộ dữ liệu để đưa ra một quyết định đơn giản, chẳng hạn như liệu hình ảnh của một con mèo có thực sự là hình ảnh của một con mèo hay không. Nhưng ngay cả một đứa trẻ nhỏ, được cung cấp rất ít dữ liệu, có thể xác định theo bản năng rằng đó là một con mèo và sẽ mãi mãi sau khi biết một con mèo là gì và nó trông như thế nào.
Theo tiêu chuẩn này, ngay cả ví dụ hàng đầu về AI trong công việc - sự thành thạo trò chơi chiến lược của Google DeepMind's AlphaGo - không thực sự là trí tuệ nhân tạo mà là một mặt cắt ngang của dữ liệu lớn, phân tích và tự động hóa có khả năng hợp lý hóa cách tiếp cận dựa trên quy tắc để chiến thắng. Thật thú vị, Kaufmann nói thêm rằng một ví dụ thực sự về trí tuệ nhân tạo sẽ là nếu AlphaGo tìm ra cách gian lận để giành chiến thắng. Tuy nhiên, để làm được điều này, trước tiên, khoa học sẽ phải bẻ khóa bộ não mã não, có khả năng xử lý thông tin, lấy kiến thức và lưu trữ ký ức. (Tìm hiểu thêm về tự động hóa với Tự động hóa: Tương lai của Khoa học dữ liệu và Học máy?)
Cho đến nay, tình hình chưa tốt lắm
Thật vậy, mặc dù lo ngại rằng AI sắp hoàn thành công việc của mọi người, nhưng kết quả cho đến nay gần như là hài hước. Những người hâm mộ của George R.R Martin Martin, Trò chơi Thrones, rất thiếu kiên nhẫn cho phần tiếp theo của loạt phim mà nhiều người đổ xô đến một chương của gobbledygook gần như thuần túy được viết bởi một dạng AI được gọi là mạng thần kinh tái phát. Trong khi đó, IBM đang nhận được sự ủng hộ từ các nhà nghiên cứu ung thư, người được cho biết rằng Watson sẽ mở ra một kỷ nguyên mới trong chẩn đoán và điều trị, nhưng thay vào đó, họ vẫn đang vật lộn để phân biệt giữa các dạng ung thư cơ bản. Với hồ sơ theo dõi này, hoàn toàn có thể khi AI lần đầu tiên được đưa vào doanh nghiệp điển hình, có lẽ sẽ cần nhiều nỗ lực hơn đối với các nhà khai thác con người chỉ để theo dõi và giám sát tất cả các lỗi mà họ sẽ mắc phải.
Không lỗi, không căng thẳng - Hướng dẫn từng bước của bạn để tạo ra phần mềm thay đổi cuộc sống mà không phá hủy cuộc sống của bạn
Bạn không thể cải thiện kỹ năng lập trình của mình khi không ai quan tâm đến chất lượng phần mềm.
Nhưng ở đây, chà xát: AI sẽ trở nên tốt hơn theo thời gian mà không cần phải lập trình lại. Như Daniel Huttenlocker, nhà nghiên cứu của Cornell Tech đã nói với Tech Crunch gần đây, AI có nhiều khả năng thay thế phần mềm truyền thống - và tất cả các bản vá lỗi, cập nhật và sửa lỗi mà nó yêu cầu - so với các nhà khai thác của con người. Điều này không có nghĩa là AI không cần phải được lập trình, mà cách tiếp cận được đơn giản hóa rất nhiều. Với phần mềm ngày nay, lập trình viên cần xác định không chỉ nhiệm vụ cần giải quyết mà cả các bước chính xác để giải quyết nó. Với AI, tất cả những gì cần thiết là mục tiêu và phần mềm sẽ có thể xử lý phần còn lại, miễn là nó có dữ liệu phù hợp để làm việc.
Tất cả bản lề trên dữ liệu
Điểm cuối cùng đó rất quan trọng bởi vì, vào cuối ngày, AI chỉ đơn giản là một thuật toán và thuật toán chỉ tốt như dữ liệu mà chúng được cung cấp. Điều này có nghĩa là ngoài việc xây dựng một khung hoạt động AI phù hợp, doanh nghiệp sẽ phải thiết lập một môi trường điều hòa dữ liệu khá mạnh mẽ để các kết quả phân tích sẽ dựa trên thông tin chính xác đang diễn ra. Như Jason VandeBoom, CEO của ActiveCampaign đã nói với Forbes gần đây. các quy tắc xử lý rác bằng cách xử lý rác vẫn được áp dụng, vì vậy có thể phải mất một thời gian trước khi các tổ chức nhìn thấy lợi ích thực sự của khoản đầu tư AI của họ.
Với tất cả những điều này, doanh nghiệp không nên mong đợi AI cung cấp một bản sửa lỗi nhanh cho những thách thức mới nổi của dữ liệu lớn và IoT. Thời gian học tập cho cả con người và máy móc có thể sẽ khá dài và kết quả không chắc chắn là tốt nhất.
Nhưng nếu tất cả hoạt động theo kế hoạch, cả doanh nghiệp và lực lượng lao động tri thức sẽ thấy được lợi ích đáng kể trong dài hạn. Chỉ cần nghĩ về nhiệm vụ trần tục, tẻ nhạt và tốn thời gian nhất đang làm chậm quá trình của bạn tại thời điểm này và tưởng tượng không bao giờ phải làm lại chúng, bao giờ.