Debunking în Top 10 mituri AI

Autor: Roger Morrison
Data Creației: 1 Septembrie 2021
Data Actualizării: 1 Iulie 2024
Anonim
Debunking în Top 10 mituri AI - Tehnologie
Debunking în Top 10 mituri AI - Tehnologie

Conţinut


Sursa: Usa Pyon / Dreamstime.com

La pachet:

AI este o tehnologie fierbinte, dar multe persoane au concepții greșite despre ceea ce presupune exact. Aici aruncăm o privire la unele dintre miturile din jurul AI și examinăm faptele.

De ce toată lumea vorbește despre AI, totuși încă nu vedem roboți prietenoși precum Datele din „Star Trek” care se plimbă printre oameni? Ne-am amintit să adăugăm cea de-a doua directivă a lui RoboCop la tiparele lor scrise, astfel încât să poată „proteja pe nevinovați” în loc să extermine umanitatea imediat ce vor dobândi o atenție deplină?

Astăzi, există o mulțime de confuzii cu privire la ce sunt inteligența artificială (AI), învățarea automată și învățarea profundă, ce pot face „mașinile inteligente” și care este situația actuală a tehnologiilor AI. Este timpul să vă bucurați de o bună deconectare veche, așa că haideți să redăm cele mai comune 10 mituri despre AI. (Pentru mai multe despre viitorul potențial al AI, consultați Revoluția AI va face venitul universal o necesitate?)


1. AI constă din roboți sau androizi inteligenți care arată ca oamenii.

Prea mult "Blade Runner" pentru toți cei de aici, hmm? Deși există o mulțime de confuzii generale între robotică și AI, acestea sunt două domenii științifice complet diferite, care servesc scopuri diferite. Roboții sunt dispozitive fizice deservite de actuatoare și senzori pentru a efectua o gamă largă de sarcini, cum ar fi construirea, transportarea sau demontarea produselor din fabrici.

AI este programat software în așa fel încât este suficient de autonom pentru a lua decizii și pentru a învăța din greșelile sale. Deși unii roboți pot fi potențați în cele din urmă de algoritmi AI, partea „inteligență” este doar o abilitate suplimentară pe care o poate avea AI.

2. AI, învățarea automată și învățarea profundă sunt același lucru.

Deși sunt toate părți ale aceluiași sistem AI mai mare, sunt trei lucruri diferite. Practic, învățarea automată este metoda prin care AI învață din surse externe, ca în utilizarea algoritmilor pentru a discrimina datele și a determina comportamentele corecte ale acestora. Învățarea profundă este doar o posibilă tehnică folosită în aplicațiile practice ale învățării automate. Se bazează pe rețele neuronale (NN) și este utilizat pentru a spune AI care este probabilitatea ei de a lua decizia corectă.


3. AI învață complet de unul singur.

În ciuda unor exagerate exagerații despre AI, care se presupune că ar putea învăța de la sine, este încă imposibil să găsești un sistem alimentat cu AI care să aibă vreo aplicație din lumea reală care să poată crește de la zero cunoștințe fără asistență umană. Orice sistem care are de-a face cu informații ascunse sau incertitudini de orice fel nu poate fi „înțeles” de AI, care încă trebuie să fie alimentat cu date de intrare și date de către oameni. De asemenea, fiecare informație trebuie să aibă un scop clar, lucru pe care AI nu îl poate ghici fără surse externe (cel puțin la început).

4. Chatbot-urile sunt cea mai de bază formă de AI.

Din nou, chiar dacă există unele chatbots care folosesc forme de AI mai mult sau mai puțin rudimentare, majoritatea nu sunt decât programe de bază care interacționează cu oamenii prin interfețe vocale sau. În loc să fie „inteligenți”, majoritatea chatbots-urilor au răspunsuri preprogramate care sunt date ca răspuns la anumite cuvinte cheie din intrarea utilizatorului. Pentru ca un chatbot să devină un adevărat AI, trebuie să posede mai multe tehnologii care îi permit să înțeleagă un om, să afle despre nevoile sale și să reacționeze în consecință. Are nevoie de software de voce sau de recunoaștere, analiza sentimentelor, o formă de program de învățare automată și o tehnologie de generare a limbajului natural. (Pentru a afla mai multe despre chatbots, consultați Am întrebat profesioniștii IT despre ce întreprinderi vor folosi chatbots în viitor. Iată ce au spus.)

5. Puterea necesară pentru a efectua toate viitoarele operațiuni de învățare profundă nu este durabilă.

Este incontestabil faptul că AI necesită multă putere de calcul suplimentară pentru a fi instruit și pentru a efectua toate operațiunile sale complexe de învățare profundă. Într-un viitor în care majoritatea întreprinderilor vor face uz de IA într-o oarecare măsură, această problemă poate crește până la proporții epice, ceea ce face ca utilizarea ei să fie potențial nesustenabilă. Cu toate acestea, AI poate să ne ofere de fapt Mai Mult puterea stăpânind o problemă perenă a producției de energie: deșeurile și ineficiența rețelelor electrice. Companiile de servicii publice ajung să cumpere excesul de energie de la utilizatorii privați, care, de asemenea, risipesc cea mai mare parte din excesul de energie pe care îl generează, deoarece rețelele actuale nu au fost construite pentru a se adapta nivelului modern de diversificare. AI poate veni în salvarea noastră prin înlocuirea rețelelor vechi cu microgriduri mai noi, inteligente, cu AI, care știu exact cum să distribuie electricitatea în timp real cu cea mai mare eficiență.

Fără bug-uri, fără stres - Ghidul dvs. pas cu pas pentru crearea de programe care schimbă viața fără a vă distruge viața

Nu îți poți îmbunătăți abilitățile de programare atunci când nimeni nu îi pasă de calitatea software-ului.

6. Este ușor pentru o întreprindere să închirieze puterea de calcul necesară pentru a alimenta operațiunile AI.

... dacă AWS, Google, Microsoft și Alibaba Cloud nu centralizau în prezent marea majoritate a puterii de calcul disponibile în lume. Așadar, dezvoltatorii AI au în prezent doar două opțiuni: închirierea acesteia la prețuri excepțional de mari sau achiziționarea propriului hardware super-scump.

Cu toate acestea, există o șansă ca acest deconectare mit să poată fi ... deblocat în viitorul apropiat. O nouă companie numită Tatau a dezvoltat o platformă de supercomputing bazată pe blockchain, care poate rezolva problema. Soluția lor permite agregarea și revânzarea resurselor combinate ale unei rețele distribuite la nivel global de mașini pe bază de GPU. Imaginați-vă minerii criptocurrency, jucătorii sau alte computere performante care își dedică puterea de calcul către dezvoltarea AI. Companiile AI pot apela la această sursă subexploatată de putere GPU pentru a-și instrui modelele de învățare a mașinilor la un preț mult mai ieftin. Rețineți că această nouă platformă poate oferi, de asemenea, un răspuns la problema evidențiată la punctul 5, deoarece promovează utilizarea eficientă a resurselor neexploatate în prezent.

7. Aveți nevoie de cantități imense de date pentru a instrui AI.

Nu neaparat. Sigur, ai nevoie mult de date și puterea de calcul pentru a antrena o AI de la zero. Și, chiar dacă într-o măsură mai mică, aveți nevoie de terabyte de date pentru a antrena o AI pentru a efectua o sarcină complexă, cum ar fi conducerea unei mașini. Cu toate acestea, în funcție de domeniul de aplicare a AI, rețelele neuronale pre-antrenate sunt suficient de flexibile pentru a fi recalificate numai în anumite zone specifice. Cadrul de bază de date poate proveni dintr-un set de date mai mare și mai general, doar ultima parte a rețelei trebuie să fie înlocuită pentru „completarea semifabricatelor” specifice acelui caz de utilizare dat.

8. AI va înlocui instrumentele BI existente, ceea ce face ca tehnologia anterioară să fie învechită.

Asta e un pic, pentru a spune cel mai puțin. Majoritatea soluțiilor moderne de business intelligence (BI) sunt foarte scalabile și adesea personalizabile, astfel încât orice viitor model bazat pe AI poate fi integrat cu ușurință direct în platformele lor. Companiile preferă întotdeauna să implementeze doar acele soluții care vin fără niciun risc pentru întreruperea fluxului de muncă, iar tehnologiile AI s-au adaptat la această necesitate. Prin urmare, cele mai multe platforme AI sunt implementate prin intermediul web, astfel încât nu este necesară înlocuirea sau, în cel mai rău caz, poate fi implementat în siguranță în faze.

9. Rețelele neuronale sunt ca rețelele biologice, dar mecanice.

Nici o rețea neuronală nu poate spera nici măcar să ajungă la o parte din complexitatea creierului uman. În ciuda multor ani de cercetare clinică și științifică, încă nu reușim să înțelegem rețelele neuronale biologice în măsura lor întrucât neuronii îndeplinesc atâtea sarcini diferite cu corpul uman (gândiți-vă la diferența dintre un neuron senzorial și un motor) și chiar transmit informații prin multe căi diferite (folosind electricitate, potențial chimic și neurotransmițători). Rețelele neuronale pot înțelege intrări foarte simple doar în modul tipic 1 sau 0 („da” sau „nu”). Este ca și cum ai compara complexitatea unei aeronave militare cu un zmeu doar pentru că pot zbura amândoi.

10. AI va deveni în cele din urmă suficient de inteligent pentru a înțelege că oamenii sunt periculoși pentru ea și trebuie exterminați.

Ei bine, nu putem debuta acest mit, deoarece nu este un mit. Este o realitate. B ucurați-vă, pentru că rezistența este zadarnică!

Glumește deoparte, pur și simplu, AI nu are nicăieri aproape de inteligența necesară pentru a înțelege lumea din jurul ei și pentru a lua decizii autonome și raționale. Fiecare algoritm este dezvoltat pentru a îndeplini o singură sarcină și nu este capabil să facă nimic în afară de asta, cu atât mai puțin să atingem capacitatea de a gândi independent. Calculatoarele folosesc „forța brută” a puterilor lor de calcul superioare pentru a găsi o soluție la probleme relativ simple, dar le lipsește înțelegerea, profunzimea percepției și complexitatea strategică pentru a avea un scop în afara celui pentru care sunt programate.

Așadar, odihnește-te ușor, pentru că AI nu va fi altceva decât ajutoarele și servitorii noștri artificiali mult timp.