Debunking van de Top 10 AI mythen

Schrijver: Roger Morrison
Datum Van Creatie: 1 September 2021
Updatedatum: 1 Juli- 2024
Anonim
Who Started the Moon Landing Hoax Conspiracy Theory?
Video: Who Started the Moon Landing Hoax Conspiracy Theory?

Inhoud


Bron: Usa Pyon / Dreamstime.com

Afhaal:

AI is een geavanceerde technologie, maar veel mensen hebben misvattingen over wat het precies inhoudt. Hier bekijken we enkele van de mythen rond AI en onderzoeken de feiten.

Waarom heeft iedereen het over AI, maar zien we nog steeds geen vriendelijke robots zoals Data van "Star Trek" tussen mensen lopen? Herinnerden we ons om de Tweede Eerste Richtlijn van RoboCop toe te voegen aan hun scriptpatronen zodat ze 'de onschuldigen kunnen beschermen' in plaats van de mensheid uit te roeien zodra ze zich volledig bewust zijn geworden?

Tegenwoordig is er veel verwarring over wat kunstmatige intelligentie (AI), machine learning en diep leren eigenlijk zijn, wat "intelligente machines" kunnen doen en wat de huidige status van AI-technologieën is. Het is tijd om te genieten van een aantal goede oude debunking, dus laten we de 10 meest voorkomende mythen over AI onderbreken. (Voor meer informatie over de mogelijke toekomst van AI, ga je kijken of de AI-revolutie universeel inkomen noodzakelijk maakt?)


1. AI bestaat uit intelligente robots of androïden die op mensen lijken.

Te veel "Blade Runner" voor iedereen hier, hmm? Hoewel er veel algemene verwarring bestaat tussen robotica en AI, zijn het twee totaal verschillende wetenschapsgebieden die verschillende doelen dienen. Robots zijn fysieke apparaten die worden bediend door actuatoren en sensoren voor het uitvoeren van een breed scala aan taken, zoals het bouwen, vervoeren of ontmantelen van producten in fabrieken.

AI is software die zodanig is geprogrammeerd dat het autonoom genoeg is om beslissingen te nemen en van zijn fouten te leren. Hoewel sommige robots uiteindelijk kunnen worden verbeterd door AI-algoritmen, is het gedeelte 'intelligentie' slechts één extra mogelijkheid die AI bezit.

2. AI, machine learning en deep learning zijn allemaal hetzelfde.

Hoewel ze allemaal deel uitmaken van hetzelfde grotere AI-systeem, zijn ze drie verschillende dingen. Kortom, machine learning is de methode waarmee AI leert van externe bronnen, zoals bij het gebruik van algoritmen om gegevens te discrimineren en het juiste gedrag te bepalen. Diep leren is slechts een mogelijke techniek die wordt gebruikt in praktische toepassingen van machine learning. Het is gebaseerd op neurale netwerken (NN's) en wordt gebruikt om de AI te vertellen wat zijn waarschijnlijkheid is om de juiste beslissing te nemen.


3. AI leert volledig zelfstandig.

Ondanks een overdreven hype over AI die naar verluidt in staat was om alleen te leren, is het nog steeds onmogelijk om een ​​AI-aangedreven systeem te vinden dat een real-world applicatie heeft die kan groeien vanuit nulkennis zonder menselijke hulp. Elk systeem dat te maken heeft met verborgen informatie of welke onzekerheid dan ook, kan niet worden "begrepen" door AI, dat nog steeds moet worden gevoed met input en gegevens van mensen. Ook moet elk stukje informatie een duidelijk doel hebben, iets dat AI niet kan raden zonder externe bronnen (tenminste niet in het begin).

4. Chatbots zijn de meest basale vorm van AI.

Nogmaals, zelfs als er enkele chatbots zijn die gebruik maken van min of meer rudimentaire vormen van AI, zijn de meeste niets anders dan basisprogramma's die communiceren met mensen via of spraakinterfaces. In plaats van 'intelligent' te zijn, hebben de meeste chatbots voorgeprogrammeerde antwoorden die worden gegeven als reactie op bepaalde trefwoorden in de invoer van de gebruiker. Om een ​​chatbot een echte AI te laten worden, moet deze over verschillende technologieën beschikken die hem in staat stellen een mens te begrijpen, te leren over zijn of haar behoeften en dienovereenkomstig te reageren. Het heeft spraak- of herkenningssoftware, sentimentanalyse, een vorm van machine learning-programma en een natuurlijke taalgeneratietechnologie nodig. (Voor meer informatie over chatbots, zie We vroegen IT-professionals hoe bedrijven chatbots in de toekomst zullen gebruiken. Dit is wat ze zeiden.)

5. De kracht die nodig is om alle toekomstige diepgaande leeractiviteiten uit te voeren, is niet duurzaam.

Het valt niet te ontkennen dat AI veel extra rekenkracht vereist om te worden opgeleid en al zijn complexe deep-learning-bewerkingen uit te voeren. In een toekomst waarin de meeste ondernemingen tot op zekere hoogte gebruik zullen maken van AI, kan dit probleem epische vormen aannemen, waardoor het gebruik ervan mogelijk onhoudbaar wordt. AI kan ons echter wel voorzien meer macht door een eeuwigdurend probleem van energieproductie op te lossen: verspilling en inefficiëntie van stroomnetten. Nutsbedrijven kopen uiteindelijk overtollige energie van particuliere gebruikers, die ook het grootste deel van de overtollige elektriciteit die ze genereren verspillen, aangezien de huidige netten niet werden gebouwd om het moderne niveau van diversificatie te accommoderen. AI kan ons te hulp komen door oude netten te vervangen door nieuwere, slimme, door AI aangedreven microgrids die precies weten hoe ze elektriciteit in realtime met de grootste efficiëntie kunnen distribueren.

Geen bugs, geen stress - Uw stapsgewijze handleiding voor het creëren van levensveranderende software zonder uw leven te vernietigen

Je kunt je programmeervaardigheden niet verbeteren als niemand om softwarekwaliteit geeft.

6. Het is gemakkelijk voor een onderneming om de rekenkracht te huren die nodig is om AI-operaties te voeden.

... als AWS, Google, Microsoft en Alibaba Cloud momenteel niet de overgrote meerderheid van de beschikbare rekenkracht ter wereld centraliseren. Dus AI-ontwikkelaars hebben momenteel slechts twee keuzes: het huren tegen uitzonderlijk hoge prijzen of het kopen van hun eigen super dure hardware.

Er is echter een kans dat deze mythe-ontmaskering in de nabije toekomst kan worden ontkracht. Een nieuw bedrijf genaamd Tatau ontwikkelde een blockchain-gebaseerd supercomputingplatform dat het probleem kan oplossen. Hun oplossing maakt het aggregeren en doorverkopen van de gecombineerde bronnen van een wereldwijd verspreid netwerk van op GPU gebaseerde machines mogelijk. Stel je voor cryptocurrency-mijnwerkers, gamers of andere krachtige computers die hun rekenkracht inzetten voor AI-ontwikkeling. KI-bedrijven kunnen gebruikmaken van deze onderbenutte bron van GPU-kracht om hun machine learning-modellen voor een veel goedkopere prijs te trainen. Merk op dat dit nieuwe platform ook een antwoord kan bieden op het in punt 5 genoemde probleem, omdat het een efficiënt gebruik van momenteel ongebruikte bronnen bevordert.

7. U hebt enorme hoeveelheden gegevens nodig om AI te trainen.

Niet noodzakelijk. Natuurlijk heb je nodig veel van gegevens en rekenkracht om een ​​AI te trainen vanuit het niets. En, zij het in mindere mate, hebt u terabytes aan gegevens nodig om een ​​AI te trainen om een ​​complexe taak uit te voeren, zoals autorijden. Afhankelijk van het toepassingsgebied van de AI zijn vooraf opgeleide neurale netwerken echter flexibel genoeg om alleen in sommige specifieke gebieden opnieuw te worden opgeleid. Het basisgegevensraamwerk kan afkomstig zijn van een grotere, meer algemene gegevensset, waarbij alleen het laatste deel van het netwerk moet worden vervangen om "de lege plekken in te vullen" die specifiek zijn voor dat gegeven gebruik.

8. AI zal bestaande BI-tools vervangen, waardoor eerdere technologie overbodig wordt.

Dat is op zijn zachtst gezegd een beetje lang. De meeste moderne BI-oplossingen (Business Intelligence) zijn zeer schaalbaar en vaak aanpasbaar, zodat elk toekomstig op AI gebaseerd model gemakkelijk rechtstreeks in hun platforms kan worden geïntegreerd. Bedrijven geven er altijd de voorkeur aan om alleen die oplossingen te implementeren die geen risico lopen op workflowverstoring, en AI-technologieën hebben zich aangepast aan deze behoefte. Daarom worden de meeste AI-platforms via internet geïmplementeerd, zodat vervanging niet nodig is of, in het ergste geval, veilig in fasen kan worden geïmplementeerd.

9. Neurale netwerken zijn net biologische netwerken, maar mechanisch.

Geen enkel neuraal netwerk kan zelfs een fractie van de complexiteit van het menselijk brein hopen te bereiken. Ondanks vele jaren van klinisch en wetenschappelijk onderzoek, begrijpen we biologische neurale netwerken nog steeds niet volledig, omdat neuronen zoveel verschillende taken met het menselijk lichaam vervullen (denk aan het verschil tussen een sensorisch en een motorisch neuron) en zelfs informatie doorgeven veel verschillende paden (gebruik van elektriciteit, chemisch potentieel en neurotransmitters). Neurale netwerken kunnen alleen zeer eenvoudige ingangen begrijpen op de typische 1 of 0 ("ja" of "nee") machinemanier. Het is alsof je de complexiteit van een militair vliegtuig vergelijkt met een vlieger, gewoon omdat ze allebei kunnen vliegen.

10. AI zal uiteindelijk intelligent genoeg worden om te begrijpen dat mensen gevaarlijk zijn voor het en moeten worden uitgeroeid.

Nou, we kunnen deze mythe niet echt ontkrachten, omdat het geen mythe is. Het is een realiteit. Zet je schrap, want weerstand is zinloos!

Grappen terzijde, eenvoudig gezegd, AI heeft lang niet de intelligentie die nodig is om de wereld om zich heen te begrijpen en autonome, rationele beslissingen te nemen. Elk algoritme is ontwikkeld om één taak uit te voeren en kan daarbuiten niets doen, laat staan ​​het vermogen om onafhankelijk te denken bereiken. Computers gebruiken de "brute kracht" van hun superieure rekenkracht om een ​​oplossing te vinden voor relatief eenvoudige problemen, maar ze missen het begrip, de perceptiediepte en strategische complexiteit om een ​​doel te hebben buiten het doel waarvoor ze zijn geprogrammeerd.

Rust dus gerust, want AI wordt gewoon heel lang onze kunstmatige helpers en bedienden.