Thuật ngữ AI được quảng cáo quá mức. Thay vào đó, hãy làm cho việc học máy hoạt động tốt hơn cho con người | Làm kinh doanh

Làm kinh doanh: Thuật ngữ AI được quảng cáo quá mức. Thay vào đó, hãy làm cho việc học máy hoạt động tốt hơn cho con người



Thuật ngữ AI được quảng cáo quá mức. Thay vào đó, hãy làm cho việc học máy hoạt động tốt hơn cho con người
 | Làm kinh doanh
(Tín dụng: Unsplash)

Bài viết này được mang đến cho bạn nhờ sự hợp tác của The European Sting với diễn đàn Kinh tế Thế giới.

Tác giả: Notger Heinz, Kỹ sư máy học chính, sennder GmbH


• ‘Trí tuệ nhân tạo’ hiện tại hoạt động trên cơ sở hạn chế ‘khỉ thấy khỉ làm’.

• Có rất ít dấu hiệu mà các hệ thống như vậy có thể tạo ra bước nhảy vọt lên các hình thức nhận thức cao hơn.

• Chúng ta nên tập trung nỗ lực vào việc tích hợp máy học với người vận hành tốt hơn.

Một trong những meme phổ biến trong văn học, phim ảnh và báo chí công nghệ là sự sáng tạo của con người sẽ trỗi dậy và phá hủy nó. Gần đây, điều này hình thành nỗi sợ hãi về việc AI trở nên toàn năng, trỗi dậy và tiêu diệt loài người.

Nền kinh tế đã nhảy vào cuộc đua AI; trong một khoảng thời gian nhất định, nếu bạn không có ” AI” trong quảng cáo chiêu hàng của nhà đầu tư, bạn có thể quên mất nguồn vốn. (Mẹo: Nếu bạn chỉ đang sử dụng dịch vụ của Google để gắn thẻ một số hình ảnh, thì bạn đang không thực hiện AI.)

Tuy nhiên, thực sự có điều gì xứng đáng với thuật ngữ AI? Tôi muốn nói rõ rằng không có, và rằng suy nghĩ hiện tại của chúng ta quá tập trung vào việc làm việc trên các hệ thống mà không nghĩ nhiều đến việc con người sử dụng chúng, cướp đi những lợi ích thực sự của chúng ta.

Những gì các công ty hiện đang sử dụng gần như độc quyền là các công cụ sao chép và nhận dạng mẫu thống kê. Về cơ bản, tất cả các hệ thống đó đều tuân theo mô hình ” khỉ thấy, khỉ làm” : Chúng được cung cấp một lượng dữ liệu nhất định và cố gắng bắt chước một số đầu ra đã biết (hoặc bịa đặt) càng gần càng tốt.

Khi được sử dụng để cung cấp giá trị, bạn cung cấp cho họ một số đầu vào thực tế và đọc kết quả dự đoán. Điều gì sẽ xảy ra nếu họ gặp phải những điều chưa từng thấy trước đây? Tốt hơn hết, bạn nên hy vọng rằng những thứ ” mới” đó đủ giống với những thứ trước đó, nếu không hệ thống ” thông minh” của bạn sẽ đưa ra những phản hồi khá ngu ngốc.

Nhưng không có một chút hiểu biết, lý luận và bối cảnh nào trong đó, chỉ là sự tái tạo đơn giản những thứ đã thấy trước đây. Một hệ thống nhận dạng hình ảnh được đào tạo để phát hiện cừu trong ảnh không có một chút ý tưởng nào về ” cừu” thực sự có nghĩa là gì. Tuy nhiên, những hệ thống đó đã trở nên rất tốt trong việc tạo lại kết quả đầu ra, đến nỗi đôi khi chúng trông như thể chúng biết chúng đang làm gì.

Bạn có thể hỏi như vậy chưa đủ tốt? Vâng, đối với một số trường hợp hạn chế, nó là. Nhưng nó không phải là “thông minh”, vì nó thiếu bất kỳ khả năng suy luận nào và cần những người dùng có hiểu biết để xác định các ngoại lệ ít rõ ràng hơn với các tác động tiềm ẩn có hại.

Bậc thang tư duy có ba bậc, được minh họa trong biểu đồ bên dưới:

Sự bắt chước: Bạn bắt chước những gì bạn đã được thể hiện. Đối với điều này, bạn không cần bất kỳ sự hiểu biết nào, chỉ cần các mối tương quan. Bạn có thể nhớ và tái tạo quá khứ. Chuột phòng thí nghiệm hoặc các hệ thống AI hiện tại đang ở nấc thang này.

Ba nấc thang trên nấc thang tư duy
Ba nấc thang của tư duy Hình ảnh: Notger Heinz

Sự can thiệp: Bạn hiểu mối quan hệ nhân quả và có thể tìm ra điều gì sẽ xảy ra nếu bây giờ bạn làm điều này, dựa trên những gì bạn đã học về thế giới trong quá khứ. Điều này đòi hỏi một mô hình tinh thần của một phần thế giới mà bạn muốn ảnh hưởng và phù hợp nhất với những phụ thuộc hạ nguồn của nó. Bạn có thể hình dung một tương lai khác. Bạn gặp những chú chó và trẻ nhỏ ở nấc thang đó, vì vậy đó không phải là một nơi tồi tệ để đến.

Lý luận phản thực tế: Bậc thang cao nhất, nơi bạn tự hỏi điều gì sẽ xảy ra, bạn đã làm điều này hay điều kia trong quá khứ. Điều này đòi hỏi một mô hình thế giới đầy đủ và một cách mô phỏng thế giới trong đầu bạn. Bạn có thể tưởng tượng ra nhiều quá khứ và tương lai. Bạn gặp quạ, cá heo và con người trưởng thành ở đây.

Để thăng từ bậc thang này sang bậc thang tiếp theo, bạn cần phát triển một bộ kỹ năng hoàn toàn mới. Bạn không thể chỉ làm cho một hệ thống bắt chước lớn hơn và mong đợi nó đột nhiên có thể suy luận được. Tuy nhiên, đây là những gì chúng tôi hiện đang làm với các mô hình học sâu ngày càng tăng của chúng tôi: Chúng tôi nghĩ rằng bằng cách cho chúng nhiều sức mạnh hơn để bắt chước, chúng sẽ phát triển một cách kỳ diệu khả năng suy nghĩ. Ngoài hy vọng tự huyễn hoặc và bán những câu chuyện tốt đẹp cho các nhà đầu tư và báo chí, có rất ít lý do để tin vào điều đó.

Và chúng tôi thậm chí còn chưa đề cập đến chủ đề tính toán phức tạptác động kinh tế và sinh thái của các mô hình ngày càng phát triển. Đơn giản là chúng tôi không thể phát triển mô hình của mình đến kích thước cần thiết, ngay cả khi phương pháp này hoạt động (cho đến nay thì không).

Bất cứ điều gì những hệ thống đó tạo ra chỉ là sự giao thoa của trí thông minh và để theo đuổi mục tiêu tạo ra trí thông minh nhân tạo bằng cách bắt chước, chúng tôi đang theo sùng bái hàng hóa.

Thay vào đó, chúng ta nên cảm thấy thoải mái với thực tế rằng những cách hiện tại sẽ không đạt được AI thực sự và chúng ta nên ngừng gọi nó như vậy. Học máy (ML) là một thuật ngữ hoàn toàn phù hợp để chỉ một công cụ có khả năng tuyệt vời trong các lĩnh vực hẹp mà nó có thể được áp dụng. Và với bất kỳ dụng cụ nào, bạn không nên cố gắng biến cả thế giới thành bộ móng của mình mà thay vào đó hãy tìm hiểu xem nơi nào nên dùng và chỗ nào không.

Máy móc mạnh mẽ khi thực hiện nhanh chóng và liên tục một tác vụ với độ không chắc chắn tối thiểu. Họ là giai cấp thống trị ở nấc thang đầu tiên.

Con người mạnh mẽ khi nói đến bối cảnh, hiểu biết và có ý nghĩa với rất ít dữ liệu trong tay và độ không chắc chắn cao. Họ là giai cấp thống trị ở nấc thang thứ hai và thứ ba.

Vậy điều gì sẽ xảy ra nếu chúng ta tập trung nỗ lực thoát khỏi nỗi ám ảnh hiện tại về việc loại bỏ yếu tố con người khỏi mọi thứ và nghĩ đến việc kết hợp cả hai điểm mạnh? Có một tiềm năng to lớn trong việc cung cấp cho các hệ thống học máy hình dạng tối ưu, lấy con người làm trung tâm, trong việc tìm ra giao diện người-máy phù hợp, để cả hai đều có thể tỏa sáng. Hệ thống ML chuẩn bị dữ liệu, thực hiện một số tác vụ có thể tự động hóa và sau đó giao kết quả cho con người, người tiếp tục xử lý chúng theo ngữ cảnh.

ML có thể trở thành một thứ gì đó giống như nhân viên giỏi đối với giám đốc điều hành, ngựa ô đối với nông dân hoặc giao diện người dùng tốt đối với người dùng ứng dụng: trao quyền, tiết kiệm thời gian, giảm thiểu sai lầm.

Việc xây dựng một hệ thống ML cho một nhiệm vụ nhất định khá dễ dàng và sẽ trở nên dễ dàng hơn bao giờ hết. Nhưng việc tìm kiếm sự tích hợp mạnh mẽ, hiệu quả giữa dữ liệu và các kết quả được xử lý trước của dữ liệu với người ra quyết định (tức là con người) là một nhiệm vụ khó khăn. Có một lý do tại sao hầu hết các dự án ML thất bại ở giai đoạn áp dụng / tích hợp với tổ chức đang tìm cách sử dụng chúng. AI, máy học, công nghệ

Diễn đàn giúp các chính phủ áp dụng công nghệ AI một cách có trách nhiệm như thế nào?

Diễn đàn Kinh tế Thế giới của Trung tâm cho cuộc cách mạng công nghiệp lần thứ tư, hợp tác với chính phủ Vương quốc Anh, đã phát triển các hướng dẫn để chính phủ mua sắm công nghệ trí tuệ nhân tạo (AI) có đạo đức và hiệu quả hơn. Các chính phủ trên khắp châu Âu, Mỹ Latinh và Trung Đông đang thí điểm các hướng dẫn này để cải thiện quy trình mua sắm AI của họ.

Các hướng dẫn của chúng tôi không chỉ đóng vai trò là một công cụ tham khảo hữu ích cho các chính phủ muốn áp dụng công nghệ AI mà còn đặt ra các tiêu chuẩn cơ bản để mua sắm công hiệu quả, có trách nhiệm và triển khai AI – những tiêu chuẩn cuối cùng có thể được các ngành công nghiệp áp dụng.

Chúng tôi mời các tổ chức quan tâm đến tương lai của AI và học máy tham gia vào sáng kiến ​​này. Đọc thêm về tác động của chúng tôi.

Giải quyết vấn đề này là một nhiệm vụ sáng tạo: Đó là về hiểu biết miền, thiết kế sản phẩm và truyền thông. Thay vì phải phân phát nhiều quảng cáo được nhắm mục tiêu hơn bao giờ hết, giải thưởng thực sự nằm ở việc kết nối dữ liệu và con người theo những cách thông minh để đưa ra quyết định tốt hơn và có thể giải quyết các vấn đề khó khăn hơn và quan trọng hơn.



 Thuật ngữ AI được quảng cáo quá mức.  Thay vào đó, hãy làm cho việc học máy hoạt động tốt hơn cho con người

Thuật ngữ AI được quảng cáo quá mức. Thay vào đó, hãy làm cho việc học máy hoạt động tốt hơn cho con người



Trang tổng hợp Làm kinh tế, nguồn tham khảo: Tin tức Kinh doanh Châu Âu
Rate this post

Web Làm kinh doanh - Kiến thức Làm Kinh Doanh
Logo