विषय
- प्रचार चक्र में ए.आई.
- सो फार, नॉट सो गुड
- नो बग्स, नो स्ट्रेस - योर स्टेप बाय स्टेप गाइड बाय स्टेप गाइड टू लाइफ-चेंजिंग सॉफ्टवेर विदाउट योर लाइफ
- यह सभी डेटा पर टिका है
स्रोत: charles taylor / iStockphoto
ले जाओ:
कृत्रिम बुद्धि के बारे में बहुत अधिक प्रचार है, बस यह कितना बुद्धिमान है?
कृत्रिम बुद्धिमत्ता ने उद्यम मंडलियों में इतना ध्यान आकर्षित किया है कि कई आईटी नेताओं को यह सोचने के लिए बहाना किया जा सकता है कि यह एक तेजी से जटिल डेटा पारिस्थितिकी तंत्र के सभी उत्तर प्रदान करेगा। लेकिन जब यह निश्चित रूप से मौजूदा प्रौद्योगिकी के लिए कई सार्थक सुधार करने की क्षमता रखता है, तो यह कहना भी उचित है कि इसकी प्रभावकारिता के आसपास की कुछ अपेक्षाएं बहुत अधिक हैं।
वास्तव में, वास्तव में AI क्या है, यह वास्तव में कैसे कार्य करता है और यह वास्तव में क्या कर सकता है, इसकी अपेक्षाकृत कम समझ है। और यह उद्यम में अपनी भूमिका को लेकर व्यापक भ्रांतियों का कारण बन रहा है और यह मौजूदा बुनियादी ढांचे और इसे संचालित करने वाले मनुष्यों से संबंधित होगा।
प्रचार चक्र में ए.आई.
गार्टनर के सबसे हालिया हाइप साइकल के अनुसार, पीआई इन्फ्लेशन एक्सपेक्टेशंस कर्व के गहन अध्ययन, मशीन लर्निंग और कॉग्निटिव कंप्यूटिंग जैसे प्रमुख एआई उपसमुच्चय हैं, जिसका अर्थ है कि वे विघटन के गर्त में लंबी स्लाइड के पुच्छ पर हैं। हालांकि यह पिछले 30 वर्षों में लगभग हर विघटनकारी तकनीक के लिए बराबर है, यह इस तथ्य को इंगित करता है कि उद्यम में एआई का अनुमानित प्रभाव, जो मुख्य रूप से नियंत्रित प्रयोगशाला परीक्षणों से प्राप्त हुआ था, वास्तविकताओं में सुर्खियों में आने वाला है। उत्पादन वातावरण का। (एडवा लवलेश से डीप लर्निंग में कंप्यूटिंग नवाचारों का इतिहास देखें।)
फिर भी, गार्टनर के शोधकर्ता माइक वॉकर ने उम्मीद की है कि अगले दशक में गणना शक्ति बढ़ाने के संयोजन के माध्यम से एआई सर्वव्यापी हो जाएगा, जो तंत्रिका नेटवर्क जैसे निर्माणों के विकास के लिए अग्रणी है, और केवल तथ्य यह है कि उद्यम डेटा लोड इतना विशाल हो गया है और इतना जटिल कि मानव ऑपरेटर अब अपने दम पर सामना नहीं कर सकता।
एआई के बारे में उद्यम को समझने वाली पहली चीज़ों में से एक यह है कि यह "बुद्धिमत्ता" शब्द के साथ तेज़ और ढीली खेलती है। जैसा कि स्विस न्यूरोसाइंटिस्ट पास्कल कॉफ़मैन ने ज़ेडनेट को हाल ही में समझाया, कंप्यूटर एल्गोरिथम और मानव मस्तिष्क के तरीकों में गहरा अंतर है। किसी निष्कर्ष पर पहुंचने के लिए प्रक्रिया की जानकारी। पर्याप्त प्रसंस्करण शक्ति को देखते हुए, एक कंप्यूटर एल्गोरिथ्म लाखों, अरबों की तुलना कर सकता है, शायद डेटा के ट्रिलियन भी एक सरल निर्धारण करने के लिए सेट करते हैं, जैसे कि एक बिल्ली की छवि वास्तव में एक बिल्ली की छवि है। लेकिन यहां तक कि एक छोटा बच्चा, जिसे बहुत कम डेटा दिया जाता है, वह सहज रूप से यह निर्धारित कर सकता है कि यह एक बिल्ली है और हमेशा के बाद पता चलेगा कि एक बिल्ली क्या है और यह कैसा दिखता है।
इस मानक के अनुसार, यहां तक कि काम पर AI का प्रमुख उदाहरण - Google DeepMind's AlphaGo of strategy गेम Go - की महारत वास्तव में कृत्रिम बुद्धिमत्ता नहीं थी, बल्कि बड़े डेटा, एनालिटिक्स और ऑटोमेशन का क्रॉस-सेक्शन था जो नियमों-आधारित दृष्टिकोण को युक्तिसंगत बनाने में सक्षम था। जीतने के लिए। दिलचस्प बात यह है कि कॉफमैन ने कहा कि आर्टिफिशियल इंटेलिजेंस का एक सच्चा उदाहरण होगा अगर अल्फाजो ने सोचा कि जीतने के लिए कैसे धोखा दिया जाए। हालांकि, ऐसा करने के लिए, विज्ञान को सबसे पहले "मस्तिष्क कोड" को क्रैक करना होगा, जो कि सूचना को संसाधित करने, ज्ञान प्राप्त करने और यादों को संग्रहीत करने की हमारी क्षमता को शक्ति देता है। (स्वचालन के साथ स्वचालन के बारे में और जानें: डेटा साइंस और मशीन लर्निंग का भविष्य?)
सो फार, नॉट सो गुड
दरअसल, इस आशंका के बावजूद कि एआई सभी की नौकरी छोड़ने वाला है, अब तक के परिणाम लगभग हास्यप्रद हैं। जॉर्ज आर। आर। मार्टिन के "गेम ऑफ थ्रोन्स" के प्रशंसक श्रृंखला की अगली किस्त के लिए इतने अधीर हैं कि एआई के एक रूप से लिखे गए लगभग शुद्ध gobbledygook के एक अध्याय के लिए आते हैं, जिसे पुनरावर्ती तंत्रिका नेटवर्क कहा जाता है। इस बीच, आईबीएम ऑन्कोलॉजी शोधकर्ताओं से फ्लैक ले रहा है, जिन्हें बताया गया था कि वाटसन निदान और उपचार में एक नए युग की शुरुआत करेगा, लेकिन इसके बजाय अभी भी कैंसर के मूल रूपों के बीच अंतर करने के लिए संघर्ष कर रहा है। इस ट्रैक रिकॉर्ड को देखते हुए, यह बहुत संभव है कि जब एआई को पहली बार विशिष्ट उद्यम में पेश किया जाता है, तो संभवतः मानव ऑपरेटरों की ओर से अधिक प्रयास की आवश्यकता होगी, जो कि सभी गलतियों को ट्रैक और मॉनिटर करेगा।
नो बग्स, नो स्ट्रेस - योर स्टेप बाय स्टेप गाइड बाय स्टेप गाइड टू लाइफ-चेंजिंग सॉफ्टवेर विदाउट योर लाइफ
जब कोई भी सॉफ़्टवेयर गुणवत्ता की परवाह नहीं करता है तो आप अपने प्रोग्रामिंग कौशल में सुधार नहीं कर सकते हैं।
लेकिन यहाँ रगड़ना है: एआई को फिर से शुरू किए बिना बेहतर होगा। जैसा कि कॉर्नेल टेक के शोधकर्ता डैनियल हटनट्लकर ने हाल ही में टेक क्रंच को बताया, एआई में पारंपरिक सॉफ्टवेयर को विस्थापित करने की अधिक संभावना है - और सभी pesky पैच, अपडेट और फिक्स इसकी आवश्यकता है - मानव ऑपरेटरों की तुलना में। इसका मतलब यह नहीं है कि एआई को प्रोग्राम करने की आवश्यकता नहीं है, लेकिन यह दृष्टिकोण बहुत सरल है। आज के सॉफ्टवेयर के साथ, प्रोग्रामर को न केवल हल किए जाने वाले कार्य को परिभाषित करने की आवश्यकता है, बल्कि इसके साथ सटीक कदम भी हल करने हैं। एआई के साथ, जो भी आवश्यक है वह लक्ष्य है और सॉफ्टवेयर को बाकी को संभालने में सक्षम होना चाहिए, बशर्ते उसके पास काम करने के लिए सही डेटा हो।
यह सभी डेटा पर टिका है
यह अंतिम बिंदु महत्वपूर्ण है, क्योंकि दिन के अंत में, AI केवल एक एल्गोरिथ्म है, और एल्गोरिदम केवल उतना ही अच्छा है जितना कि उन्हें खिलाया गया डेटा। इसका मतलब यह है कि एक उचित एआई परिचालन ढांचे के निर्माण के अलावा, उद्यम को एक काफी जोरदार डेटा कंडीशनिंग वातावरण स्थापित करना होगा ताकि एनालिटिक्स के परिणाम सटीक जानकारी पर आधारित होंगे। जैसा कि ActiveCampaign के सीईओ जेसन वंदेबूम ने फोर्ब्स को बताया है कि हाल ही में, पुराना "कचरा बराबरी में कचरा बाहर" के नियम अभी भी लागू होते हैं, इसलिए संगठनों द्वारा अपने एआई निवेश का सही लाभ देखने से पहले यह कुछ समय हो सकता है।
इस सब को देखते हुए, उद्यम को एआई से बड़े डेटा और आईओटी की उभरती चुनौतियों के लिए त्वरित समाधान प्रदान करने की उम्मीद नहीं करनी चाहिए। दोनों मनुष्यों और मशीनों के लिए सीखने की अवस्था काफी लंबी होने की संभावना है, और परिणाम सर्वोत्तम पर अनिश्चित हैं।
लेकिन अगर यह सब योजना के अनुसार काम करता है, तो उद्यम और ज्ञान कर्मचारियों दोनों को लंबे समय में पर्याप्त लाभ देखना चाहिए। बस सबसे सांसारिक, थकाऊ और समय लेने वाले कार्य के बारे में सोचें जो इस समय आपकी प्रक्रियाओं को धीमा कर रहा है और कल्पना करता है कि उन्हें फिर कभी नहीं करना है, कभी भी।