211service.com
Kā AI maina zināšanu darbu: MIT Thomas Malone
Izmantojot pareizos mākslīgā intelekta algoritmus, organizācijas var kļūt par superprātiem, kas ir gudrāki par atsevišķiem dalībniekiem.
2019. gada 24. janvāris
Tomass Malons ir vadības profesors MIT Sloan School of Management, MIT Kolektīvās izlūkošanas centra dibinātājs un direktors, kā arī 2018. gada grāmatas autors. Superprāti: cilvēku un datoru kopdomāšanas pārsteidzošais spēks . Grāmatā tiek pētīti dažādi veidi, kā cilvēku grupas pieņem lēmumus un kā var palīdzēt jaunas mākslīgā intelekta formas, īpaši mašīnmācīšanās. Malone prognozē, ka mākslīgais intelekts, robotika un automatizācija iznīcinās daudzas darbavietas, tostarp augsti kvalificētu zināšanu darbiniekus, vienlaikus radot jaunas. Viņš saka, ka, ieguldot pareizos mākslīgā intelekta veidos, organizācijas var palīdzēt uzturēt darbiniekus produktīvus un laimīgus, kā arī pārliecināties, ka mūsu superprāti patiešām ir gudrāki par mūsu parastajiem prātiem.
Šo epizodi sponsorē Citrix, uzņēmums, kas nodrošina digitālās transformācijas visu izmēru organizācijās. Raidījuma otrajā pusē Citrix globālais tehnoloģiju vadītājs Kristians Reilijs skaidro, kāpēc mašīnmācība tagad ir spēka pavairotājs, kas padara noderīgākas visa veida patērētāju un uzņēmumu lietojumprogrammas.
Biznesa laboratoriju vada Elizabete Bremsone-Bodro, MIT Technology Review izpilddirektore un izdevēja. Raidījumu veido Veids Roušs ar Mindija Blodžeta palīdzību. Mūzikas autors Merlīns no Epidemic Sound.
Rādīt piezīmes un saites
MIT Kolektīvās izlūkošanas centrs
Superprāti: cilvēku un datoru kopdomāšanas pārsteidzošais spēks
Pilns atšifrējums
Elizabete Bremsone-Budro: No MIT Technology Review es esmu Elizabeth Bramson-Boudreau, un šī ir Business Lab, izrāde, kas palīdz uzņēmumu vadītājiem saprast jaunās tehnoloģijas, kas nāk no laboratorijas un nonāk tirgū. Šo sēriju jums piedāvā Citrix — uzņēmums, kas nodrošina digitālās transformācijas visu lielumu organizācijās. Vēlāk šovā mēs uzklausīsim Citrix globālo tehnoloģiju vadītāju Kristianu Reiliju.
Bet vispirms mēs runāsim ar Tomu Malonu. Toms ir viens no gudrākajiem cilvēkiem, ko pazīstu, pētot, kā domā organizācijas un kā datori un cilvēki, kas strādā kopā, var domāt saprātīgāk.
Toms ir menedžmenta profesors M.I.T. Slounas menedžmenta skola. Toms ir arī M.I.T. dibinātājs un direktors. Kolektīvās izlūkošanas centrs. 1998. gadā viņš bija viens no pirmajiem zinātniekiem, kurš atpazina e-lancing jeb to, ko mēs tagad saucam par koncertekonomiku, rašanos. 2018. gadā Toms publicēja lielu grāmatu ar nosaukumu Superminds, kurā aplūkoti dažādi veidi, kā cilvēki kopīgi pieņem lēmumus un kā var palīdzēt jaunas mākslīgā intelekta formas, īpaši mašīnmācīšanās.
Tehnoloģiju apskatā mūs īpaši interesē tas, kā A.I. iekļūst zināšanu darba pasaulē. Mēs esam apskatījuši veidu, kā robotika un automatizācija dažos veidos apgrūtina zemu atalgojumu un zemas kvalifikācijas strādnieku darbu. Taču šajās dienās ir arī pazīmes, ka A.I. mainīs veidu, kā savu darbu veic arī augstāk kvalificēti darbinieki. Tas nenozīmē, ka datori mūs visus pārspēs. Bet tas nozīmē, ka mums būs vairāk jādomā par to, kā organizācijas var pieņemt pareizos A.I. lai darbinieki būtu produktīvi un laimīgi, un ko viņi var darīt, lai pārliecinātos, ka mūsu superprāti patiešām ir gudrāki par mūsu parastajiem prātiem. Mana tikšanās ar Tomu Malonu bija iespēja runāt par dažām specifikām. Tātad, šeit ir mūsu tērzēšana.
Tāpēc ir brīnišķīgi tevi atkal redzēt, Tom.
Toms Malons: Lieliski būt šeit.
Elizabete: Tāpēc mēs runāsim par grāmatu, kuru esat uzrakstījis, un par idejām, kuras esat ievietojis savā grāmatā. To sauc par superprātiem, un tajā tiek apgalvots, ka cilvēku grupa kaut kādā ziņā var būt apzināta un inteliģence dažkārt patiesībā ir daudz saprātīgāka nekā jebkurš no grupas indivīdiem. Jūs arī apgalvojat, ka datori var padarīt šos superprātus vēl gudrākus.
Tātad, vispirms, varbūt pastāstiet mums, kas lika jums sākt domāt šādās jomās, un vai bija brīdis, kad jūs domājāt: 'Hei, šeit ir pietiekami daudz, ka varbūt man vajadzētu apskatīt grāmatu, un jūs zināt, ka būtībā vienkārši pastāstiet mums, kas jūs atveda uz šo vietu.
Toms: Patiesībā 2005. gadā ir ļoti konkrēts brīdis. Drīz pēc manas iepriekšējās grāmatas The Future of Work publicēšanas 2004. gadā es runāju konferencē Palo Alto Stenfordā, un divi citi runātāji bija Estere Disone, plaši pazīstamā dators. nozares analītiķis un investors, kā arī Vernors Vindžs, labi pazīstamais zinātniskās fantastikas rakstnieks, kurš cita starpā palīdzēja popularizēt singularitātes jēdzienu.
Mēs visi trīs devāmies vakariņās pēc uzstāšanās tajā dienā konferencē. Un mēs runājam par Vernora jaunāko grāmatu, kuru viņš tobrīd tikai grasījās pabeigt, un runājam par lietām, kas viņu interesēja, un Vernors runāja par to, ko viņš sauca par pārcilvēcisku inteliģenci, piemēram, cilvēkiem un datoriem un tamlīdzīgām lietām. ka. Un mums bija patiešām interesanta saruna. Es runāju par to, ko darīt, un domāju par to, ko vēlos darīt tālāk pēc savas iepriekšējās grāmatas. Un šo vakariņu beigās man bija neparasta sajūta, kas nebija tā, ka es biju izlēmusi, ko es darīšu tālāk; sajūta bija tāda, ka beidzot esmu sev atzinusi, ko darīšu tālāk.
Un tā toreiz es to saucu par pārcilvēcisku skaitļošanu vai pārcilvēcisku inteliģenci. Vēlāk es domāju, ka labāks vārds tam ir kolektīvā inteliģence. Un es lietoju šo terminu diezgan ilgu laiku, ieskaitot joprojām manis vadītā MIT pētniecības centra nosaukumu. Un tad, rakstot savu grāmatu, kas bija kā kopsavilkums par pēdējo 10 vai 15 gadu domāšanu par šo tēmu, es sapratu, ka kaut kādā ziņā vēl labāks termins šai lietai kolektīvā intelekta vai kolektīvi inteliģentu sistēmu vietā. Labāks termins tam bija superminds.
Elizabete: Kas bija tas, ko jūs tajā laikā redzējāt pasaulē, kas skaidri lika saprast, ka tieši šeit jums jāiet.
Toms: Tāpēc zināmā mērā, kad es rakstīju grāmatu “Darba nākotne”, es domāju par iespēju paskatīties uz pasauli un pateikt, ko organizācijas dara šodien, un kādi ir loģiskie paplašinājumi, ko tās varētu spert tādos virzienos. jau devās ceļā. Lielāka decentralizācija bija viena no lietām, ko es pieminēju vai vairāk uzsveru šajā grāmatā. Un no mana viedokļa viena no ļoti jaukajām lietām par kolektīvo intelektu kā veidu, kā to visu ierāmēt, ir tas, ka netiek teikts, kas notiks tālāk. Tas saka, kāds ir galapunkts, un kā tad mēs virzāmies šajā virzienā. Tāpēc kaut kādā ziņā, lai gan cilvēki parasti par to nedomā šādā veidā, kaut kādā ziņā iemesls organizācijai vispirms ir, lai kāda cilvēku grupa varētu darīt lietas kopā labāk. Un bieži vien tas nozīmē daudz saprātīgāk, nekā viņi varētu darīt, ja viņi strādātu vieni. Tātad savā ziņā galapunkts ir ideāls kolektīvais intelekts.
Un patiesībā savā grāmatā es par to runāju kā par noderīgu domāšanas veidu. Ja domājat par to, kā mans uzņēmums varētu būt gudrāks, lietderīgi ir padomāt, ko mēs darītu, ja būtu ideāli inteliģenti. Ja katra lēmuma pieņemšanā ņemtu vērā visu zināmo. Protams, vairumā gadījumu jūs nevarat sākt to darīt vai vismaz jūs nevarat to izdarīt pilnībā, bet jūs varat sākt to darīt. Jūs varat domāt, cik tālu mēs varam iet, lai būtu pilnīgi inteliģenti. Tāpēc šajā ziņā tas nebija tik daudz skatīšanās uz pasauli un teikšana, ka šī ir nākamā lielā lieta X dēļ. Tas bija skatīšanās uz pasauli un teikšana, kā mēs šeit varam domāt par patiesi ilgtermiņa perspektīvu un pēc tam izmantot to kā veids, kā projicēt nākamo mazo brīdi.
Elizabete: Tātad grāmata Superminds skaidri tika uzrakstīta ar uzņēmumu vadītājiem, cilvēkiem, kuri to klausās, paturot prātā jūsu auditoriju. Tātad, kādas ir galvenās lietas, kuras, cerams, tās atņems, lasot grāmatu vai no šīs diskusijas par grāmatu?
Toms: Tāpēc, manuprāt, vissvarīgākais grāmatas ieguldījums nav kāds atsevišķs fakts vai metode, ko varat izmantot. Es domāju, ka vissvarīgākais ieguldījums, vismaz es ceru, ka vissvarīgākais, ir jauns skatījums uz pasauli. Tas ir veids, kā skatīties uz pasauli, kur jūs varat redzēt superprātus visapkārt, ne tikai citus uzņēmumus, bet arī tirgus un kopienas, demokrātijas un visas šīs lietas mums visapkārt. Jo īpaši kā uzņēmuma vadītājs es domāju, ka tas nozīmē, ka jūs varētu un vajadzētu uzskatīt savu organizāciju kā sava veida superprātu. Tā ir lieta. Tā ir vienība. Tā ir inteliģenta būtne. Un tad ir skaidrs jautājums, kā es varu padarīt savu organizāciju gudrāku. Un tāpēc grāmata sniedz vairākus veidus, kā par to domāt. Viens ir domāt par dažādiem izziņas procesiem, kas jāveic jebkuram superprātam vai jebkurai saprātīgai būtnei, piemēram, domāšana par to, kādi lēmumi ir jāpieņem manai organizācijai, manam organizācijas superprātam. Kas tam ir jāizlemj. Kādai pasaulei ir jābūt sajūtai, lai pieņemtu šos lēmumus. Kas tai jāatceras par pagātni, lai šos lēmumus pieņemtu labi? Tātad katrs no šiem jautājumiem ved uz virkni citu iespēju. Daudzas no kurām jūs, iespējams, nekad iepriekš neesat domājušas.
Elizabete: Kad organizācijas nolemj, ka vēlas kļūt gudrākas, ieviešot vairāk skaitļošanas vai vairāk A.I, kādas, jūsuprāt, tām ir vieglāk izmantot šo viedumu, papildu viedumu un kuras ir grūtākās?
Toms: Manuprāt, viena veida vienkārša problēma zināmā mērā ir tāda veida problēmas, kuras var atrisināt ar to, ko es saucu par hipersavienojumu. Mēs nesen esam daudz runājuši par AI pasaulē un līdz šim pat šajā intervijā. Es domāju, ka vienlīdz, ja ne vēl svarīgāka lieta, ko var darīt datori, ir izveidot hipersavienojumu, savienot cilvēkus ar citiem cilvēkiem un bieži vien arī ar datoriem, tādos mērogos un bagātīgi jaunos veidos, kas nekad agrāk nebija iespējami. Tātad mēs to jau esam redzējuši. Internets, iespējams, ir labākais piemērs tehnoloģijai hipersavienojuma izveidei un visām uz tā balstītajām lietām. Sociālie tīkli, Google meklēšana, visas šīs lietas. Un es domāju, ka nav jānotiek jauna veida dramatiski sarežģītām tehnoloģiskām lietām, lai mēs varētu izmantot hipersavienojamību daudzos jaunos veidos.
Kad mēs pārejam uz mākslīgā intelekta jomu pretstatā hipersavienojumam, AI var palīdzēt bieži vien tās, kur jums ir pietiekami daudz datu, ko var tvert mašīnlasāmā formā, lai mācītu un izmantotu algoritmus, lai veiktu darbības, ko darīja vai nu cilvēki. vai varbūt cilvēki to nekad agrāk nevarēja darīt. Tā, piemēram, viena funkcija, biznesa funkcija, kur tas bieži vien ir viegli, ir pārdošanā. Pārdošanas ietekmi ir viegli izmērīt. Daži cilvēki pārdod vairāk nekā citi, un mums ir dolāri par to. Ir grūtāk izmērīt pārdošanas ieguldījumu, taču jūs varat arī noteikti varat saskaitīt tādas lietas kā, piemēram, cik daudz klientu zvanu veicat un cik bieži ar viņiem tiekaties, un tamlīdzīgas lietas, un, ja jūs to darāt tiešsaistē, ko jūs sakāt. . Tāpēc ir daudz jāmācās, daudz ko mūsdienu mašīnmācīšanās sistēmas var uzzināt par pārdošanas efektivitāti un tā tālāk. Pārdošanas gadījumā grūtākais ir ģenerēt darbības, kas var ietekmēt rezultātus. Tāpēc, lai gan dators var saskaitīt, cik reižu jūs zvanāt potenciālajam pārdošanas klientam, dators nevar viegli saprast, ko jūs sapulces sākumā teiksit par savu nedēļas nogali un bērniem.
Tāpēc joprojām ir vajadzīgi cilvēki, taču datori var veikt lielu analīzi, lai palīdzētu visam procesam daudzos gadījumos būt efektīvākam. Es domāju, ka grūtākās daļas būtu tur, kur ir grūti pat izmērīt ieejas un izejas. Tāpēc, izstrādājot jaunu programmatūras produktu vai jaunu automašīnu vai kaut ko citu, nav skaidrs, kā pat izmērīt izejas vai ievades.
Elizabete: Kā, jūsuprāt, uzņēmumu vadītāji var domāt par investīcijām AI vai mašīnmācībā, lai pārietu no tā uzskatīšanas par izmaksu samazināšanu, tātad darbinieku atlaišanu vai darba ņēmēju darba efektivitātes uzlabošanu un vairāk par radošuma stiprināšanu, lai darbinieki justos Pašaktualizētāki un laimīgāki, lai viņi tiktu saglabāti un tādējādi būtu produktīvāki utt.?
Toms: Nē, es domāju, ka tas ir lielisks jautājums. Jautājums par to, kā mēs varam novirzīt uzsvaru. Es domāju, ka zināmā mērā atbilde ir tikai to darot. Citiem vārdiem sakot, dažādu iemeslu dēļ, no kuriem es neesmu pārliecināts, ka saprotu visus, mēs ļoti koncentrējamies uz AI, jo īpaši tāpēc, ka tas darīs lietas, ko cilvēki darīja agrāk, un pēc tam atlaidīs cilvēkus no darba. Un, kad jūs mēģināt izstrādāt AI lietojumprogrammas vai pielietot AI uzņēmumos, daudzi cilvēki par to domā. Tādu domāšanas veidu mēs pievēršam problēmai. Bet to noteikti neprasa ekonomika. Patiesībā biznesā ir divi veidi, kā nopelnīt vairāk naudas. Viens no tiem ir izmaksu samazināšana. Otrs ir radīt lielāku vērtību un spēt to pārdot par vairāk. Tāpēc es domāju, ka mēs esam pārāk koncentrējušies uz AI lietojumprogrammām izmaksu samazināšanai un gandrīz neesam pietiekami koncentrējušies uz AI lietojumprogrammām vērtības radīšanai. Patiesībā pat no ekonomiskā viedokļa man ir aizdomas, ka tur ir reālā iespēja. Jūs varat nopelnīt tik daudz naudas, tikai samazinot izmaksas, taču zināmā mērā nav nekādu ierobežojumu tam, cik daudz naudas varat nopelnīt, ja spējat paveikt kaut ko jaunu, ko cilvēki vēlas, un ko agrāk pat nevarēja izdarīt. Daudzos gadījumos tas ir daudz aizraujošāk ekonomiski.
Elizabete: Es domāju, kas tajā ir interesants — es domāju, ka jums ir pilnīga taisnība. Un es domāju, ka, runājot par budžeta plānošanu, vienmēr ir ļoti skaidrs, kādas ir izmaksas, taču vienmēr ir daudz grūtāk izdomāt, kāds būs potenciālais ieguvums, jo jūs patiešām nezināt. Tāpēc es domāju, ka tas, iespējams, ir iemesls, un es domāju, ka šajā ziņā mūs bieži ierobežo mūsu pašu radošums.
Toms: Manuprāt, tas ir galvenais. Tā ir mūsu pašu iztēle, mūsu pašu domāšanas veids vai mūsu pašu pasaules uzskats, kas šeit ir patiesais ierobežojums. Zināmā mērā, iespējams, mums ir iespēja, varbūt pat pienākums, palīdzēt pasaulei virzīties uz domāšanas veidu, kas ir produktīvāks un atvērtāks šīm jaunajām iespējām. Bet, ja veltāt laiku, domājot par to, kā izveidot AI lietojumprogrammas, kas radīs darbavietas, lai tās izmantotu, jums būs nepieciešams vairāk cilvēku, lai veiktu jaunas lietas, jūs domājat par dažām no tām. Un es domāju, ka mums vajadzētu tam veltīt daudz vairāk sava laika
Elizabete: Es iedomājos, ka jūs rakstījāt šo grāmatu laikā, kad notika 2016. gada vēlēšanas, un, iespējams, pat Donalda Trampa prezidentūras pirmajos mēnešos. Un es domāju, ka tas bija laiks, kad mēs tikko sākām saprast, kā daži superprāti, piemēram, Facebook, var radīt rezultātus, kas, iespējams, nav viennozīmīgi saprotami kā labi. Vai jūs esat tikpat optimistisks par superprātiem kā tad, kad sākāt rakstīt grāmatu?
Toms: Tātad jums ir taisnība, ka es rakstīju savu grāmatu kampaņas laikā un tūlīt pēc 2016. gada vēlēšanām. Jūsu jautājums ir par to, vai es šobrīd esmu vairāk optimistisks nekā vai mazāk optimistisks nekā tad, kad rakstīju grāmatu. Es nedomāju, ka es kādreiz domāju, ka superprāti vienmēr ir darījuši labas lietas. Pasaule un pasaules vēsture ir pilna ar superprātiem, no kuriem daži ir gudri un daži ir stulbi, daži ir labi un daži ir ļauni. Piemēram, nacistiskā Vācija būtu piemērs, ko daudzi cilvēki izvēlētos par superprātu, kas vismaz pastāvēšanas laikā daudzējādā ziņā bija ļoti inteliģents. Tas ļoti efektīvi sasniedza mērķus. Bet daudzi cilvēki teiktu, ka mērķi, ko tā paveica, bija ļauni, un veids, kā tas tos sasniedz, bija ļauns.
Tāpēc es tā nedomāju, es nekad neesmu domājis, un es nedomāju, ka superprāti vienmēr ir labi. Rakstot grāmatu, es ar nolūku mēģināju uzsvērt pozitīvās iespējas, bet nedomāju, ka tās notiks vienmēr. Un interesanti tieši laikā, kad grāmata iznāca 2013. gada maijā, pasaules laikmets mainījās. Līdz tam laikam cilvēki visi bija sajūsmā par to, cik labi ir Facebook un Google, un visas šīs lietas. Un tieši tajā laikā notika Facebook Cambridge Analytica skandāls, un pasaule pēkšņi sāka runāt par visām negatīvajām iespējām. Tāpēc, runājot par grāmatu tagad, es vēlos uzsvērt, ka datori var padarīt superprātu gudrākus, bet tie var arī padarīt superprātus stulbākus. Tāpat kā tad, kad viltus ziņas ietekmē vēlētājus demokrātiskā valstī. Tas bieži ir piemērs, kurā datori padara demokrātiju stulbāku. Un, manuprāt, mums ir jādomā par to, kā šīs tehnoloģijas saprātīgi izmantot tādos veidos, kuriem ir vislabākās iespējas radīt labus rezultātus. Ja vēlaties to darīt, es joprojām uzskatu, ka ir ļoti noderīgi runāt par to, kas ir tās labās iespējas, uz kurām mums būtu jātiecas.
Elizabete: Toms, jūs esat runājis par to, kā mākslīgais intelekts un mašīnmācīšanās nākotnē var likvidēt dažas vecas darbavietas, bet arī radīt jaunas darbavietas. Kas notiek pārejas laikā? Iespējams, ka šī pāreja ietekmēs diezgan daudz cilvēku. Kā mums vajadzētu tam sagatavoties? Un kā tam vajadzētu būt, kā tas jutīsies un izskatīsies, kad mēs tajā atrodamies?
Toms: Ļoti būtisks jautājums, jo, lai arī ilgtermiņā esmu ļoti optimistiski noskaņots, ka tiks radīts pietiekami daudz jaunu darba vietu, lai nodrošinātu darbu tik daudz cilvēku, cik vēlas strādāt, manuprāt, ir pārejas periods, par kuru mums ir jāuztraucas. Un tas ne vienmēr ir pozitīvs visiem. Būs daži cilvēki, kuru vecie darbi pazudīs un kuri dažādu iemeslu dēļ nevar vai nevēlas veikt jaunos darbus, kas ir pieejami. Tāpēc ir vērts uztraukties par to, kā mēs kā sabiedrība to pārvaldām. Un ir vairākas iespējas, kā to izdarīt. Viens no tiem ir tehnoloģiju izmantošana, lai labāk saskaņotu cilvēkus ar darbu. Ja jums tas jādara, klauvējot pie durvīm, tas ir daudz dārgāk nekā tad, ja jūs vienkārši ievietojat savu CV vietnē LinkedIn vai jebkurā citā vietā, un tas tiek automātiski saskaņots. Vēl viens svarīgāks veids, iespējams, ir apmācīt cilvēkus darīt jaunas lietas, kas jādara. Viena no interesantajām iespējām šeit ir izmantot tehnoloģiju iespējas, lai šī apmācība varētu notikt daudz elastīgāk. Tā vietā, lai astoņas stundas dienā būtu jāsēž klasē, mācoties kaut ko no profesora telpas priekšā, tagad, kā jau būtībā ir skaidrs visiem, tagad ir iespējams veikt lielu daļu no šīm mācībām, sēžot mājās vai sēžot savā pašreizējā darba vietā pārtraukumā vai jebkurā citā vietā, nopelnot tiešsaistē visos veidos.
Es domāju, ka tajā pat ir iespējas jauna veida mācekļa praksei, kur jūs varat ne tikai mācīties klasē, bet arī piedalīties darbā tādā veidā, kas ir nedaudz lieks salīdzinājumā ar citiem notiekošajiem darbiem. Tāpēc daudzos jaunos lēmumu pieņemšanas veidos, ko nodrošina šī tehnoloģija, ir nepieciešams vairāk nekā vienas personas viedoklis. Ne tikai viens ārsts, kas nosaka diagnozi, bet varbūt pieci cilvēki. Un dažiem no šiem cilvēkiem nav jābūt pilntiesīgiem, akreditētiem ārstiem. Varbūt tie var būt medicīnas studenti. Vai arī citās jomās, kuras jūs zināt, ja mēģināt paredzēt, vai konkurents gatavojas laist klajā jaunu produktu noteiktā kategorijā līdz noteiktam datumam, varbūt jums nav jābūt pasaules labākajiem tirgus pētniekiem, kas izsaka šīs prognozes. Varbūt jums var būt MBA studenti vai cilvēki, kuri vēlētos būt MBA studenti, kas izsaka šīs prognozes. Un, ja viņi veic labu prognozēšanas darbu, viņi nosaka savus akreditācijas datus. Un pat ja viņi to nedara, viņi joprojām pievieno vairāk datu punktu vidējiem rādītājiem, tādējādi veidojot prognozes, un tādējādi viņi ir devuši zināmu vērtību un iemācījušies, kā to izdarīt.
Elizabete: Tom, es vēlos pateikties tev, ka šodien veltīji laiku ar mums. Šī ir aizraujoša saruna. Vienmēr ir interesanti runāt ar jums par jūsu jaunākajiem darbiem. Un vēlreiz paldies, ka esat šeit un dalāties ar mums savās idejās.
Toms: Paldies, tas ir mans prieks.
****
Elizabete: Šī ir pēdējā epizode trīsdaļīgam miniseriālam par zināšanu darba nākotni, kas radīts ar Citrix sponsorēšanu. Uzņēmums izmanto mākoņservera tehnoloģiju, lai nodrošinātu, ka zināšanu darbiniekiem ir piekļuve lietotnēm un nepieciešamajiem datiem neatkarīgi no tā, kur viņi konkrētajā dienā atrodas. Pārvaldot tik daudz lietojumprogrammu un tik daudz datu, izrādās, ka varat izmantot AI dažos interesantos veidos, lai tas viss labāk saderētos un pat padarītu dzīvi apmierinošāku un produktīvāku saviem zināšanu darbiniekiem. Nesen man bija iespēja apsēsties un runāt ar Citrix globālo tehnoloģiju vadītāju Kristianu Reiliju, un es sāku ar jautājumu, ko Citrix dara, lai iegūtu vairāk informācijas par to, kā viņi piegādā lietojumprogrammas darbiniekiem.
Kristians Reilijs: Tāpēc es domāju, ka tā pamatā ir pašu lietojumprogrammu ainavas izmaiņas. Es domāju, ka tas, kā mēs šodien domājam par lietojumprogrammām, ir ļoti atšķirīgi, nekā tas bija pirms 20 25 gadiem, un es domāju, ka liela daļa no tā ir veids, kā mēs patiesībā esam domājuši par to, ko lietojumprogramma mēģina darīt. Un ar to es domāju, ka jūs zināt, ka vēsturiski mums ir bijis daudz lielu sarežģītu uzņēmumu lietojumprogrammu, kas ir ļoti balstītas uz funkcijām. Jūs zināt, ka viņiem ir visa biznesa funkcija, un tie kalpo tam visam, sākot no pasūtījuma līdz skaidrai naudai kā lielisks piemērs lietojumprogrammai, kas parasti to darītu vēsturiskā nozīmē. Tā kā mēs redzējām mākoņpakalpojumu parādīšanos, kā arī mobilo ierīču un mobilo lietojumprogrammu parādīšanos, mēs esam redzējuši, ka lietojumprogrammas tiek pārveidotas par to, kas, es teiktu, ir vairāk specifisks process. Tādējādi atsevišķas lietojumprogrammas kļūst daudz mazākas un faktiski nodrošina sava veida biznesa procesa apakškopu un biznesa rezultātu apakškopu. Protams, lielās lietojumprogrammas joprojām pastāv, bet mazākās kļūst daudz populārākas mūsu mijiedarbības veidā. Tātad, ja jūs to apvienojat un domājat par tradicionālajām lietojumprogrammām, kas ir bijušas sarežģītas, tās ir bijis grūti izmantot. Ir bijis daudz dažādu to versiju daudzu dažādu iemeslu dēļ. Un mēs esam ieguvuši šo mazāko, vieglāko un veiklāku lietojumprogrammu pieplūdumu. Es domāju, ka mēs patiesībā esam sapratuši, ka pastāv interesants pretstatījums starp produktivitāti un šo esošo lietojumprogrammu izaicinājumiem, un gudri cilvēki ir sākuši patiešām domāt par mašīnmācīšanos tādos veidos, kas patiešām ir izaicinoši mūsu darba veikšanai.
Tāpēc no ļoti vienkāršas perspektīvas es minētu vienu piemēru, kur varbūt mēs esam organizācija, kas pieņem darbā 20 000 cilvēku. Un mums ir sistēma, kas ļauj cilvēkiem pieprasīt atvaļinājumu. Tātad vēsturiski mums bija jāiedziļinās pieteikumā, jāpieprasa brīvlaiks, un tad kādam citam tas būtu jāapstiprina. Bet tagad, izmantojot mašīnmācību, mēs varam saprast, ka jūs zināt, ka katru trešdienu apmeklējat šo lietojumprogrammu, lai pārbaudītu savu brīvo laiku savā komandā. Kā būtu, ja mēs varētu to saprast un kā būtu, ja mēs varētu sniegt jums vienkāršu mehānismu, kā pateikt, ka jūs zināt, tā vietā, lai jūs to darītu katru trešdienu, es apskatīšu veidu, kā jūs izmantojat šo biznesa procesu, un es Es no tā mācīšos, un es jums piedāvāšu citu veidu, kā to izdarīt, kas galu galā dos jums labākus rezultātus, jo tas ir ātrāk. Tas nemaina jūsu uzmanību no tā, ko darījāt. Un es patiesībā varu saprast, ko jūs plānojat darīt. Un mana mašīnmācība vai šajā gadījumā mākslīgā intelekta pieeja patiesībā saprastu, ko jūs darāt sistēmā, un nodrošinātu jums atšķirīgu darba veidu.
Elizabete: Tāpēc es domāju, ka tas, ko jūs aprakstāt, Kristiāna, ir ideja, ka AI un mašīnmācībai var būt ne tikai intelekts, lai veiktu lielisku platformā notiekošo lietu analīzi, bet arī tā varētu ietekmēt lietojumprogrammu un operētājsistēmas ir izstrādātas pirmajā vietā.
Kristietis: Jā absolūti. Es domāju, ka tas, kas ir patiešām interesants, ir milzīga tendence, ko mēs redzam, un ziniet, varbūt man vajadzētu mazliet atgriezties un runāt par to, ka zināt mākslīgā intelekta, AI, agrīnos gadus. Tā nav jauna koncepcija. Tas pastāv kopš pagājušā gadsimta piecdesmitajiem gadiem. Bet tas, kas patiešām ir interesants un, manuprāt, ir spēka pavairotājs, ir fakts, ka tagad mēs varam izmantot mašīnmācīšanās modeļus un iespējas kā mākoņpakalpojumus. Tādējādi mašīnmācības ieviešanas barjera kļūst arvien zemāka. Burtiski nedēļu pēc nedēļas mēnesi pēc mēneša. No šīs perspektīvas interesanti ir tas, ka tiek izstrādātas ne tikai jaunas lietojumprogrammas, kurām ir raksturīgs mākslīgais intelekts un mašīnmācīšanās iespējas, bet arī tradicionālās lietojumprogrammas, kuras mēs faktiski varam pielāgot šai koncepcijai un galu galā nodrošināt lielākus biznesa ieguvumus un lielākus biznesa rezultātus. Tāpēc es domāju, ka tas, kā mēs tagad izstrādājam lietojumprogrammas, visās lietās būs iebūvēts mākslīgais intelekts. Neatkarīgi no tā, vai tas ir viedais televizors vai mājas ierīce, jauns klēpjdators, jauns tālrunis, visiem būs sava veida mašīnmācīšanās vai AI iespēja. Bet patiesi interesanti ir tas, ka tagad pastāv mākoņpakalpojumu kopas, lai risinātu patiešām sarežģītas problēmas un padarītu tās salīdzinoši vienkāršas. Tātad kopējais mūsu iespēju kopums ir daudz lielāks, un šo iespēju pielietojamība ir daudz plašāka. Un es domāju, ka tas kļūst patiešām interesanti, jo mēs varam gūt patiesus biznesa ieguvumus ne tikai jaunām lietojumprogrammām, bet arī tradicionālajā biznesā.
Elizabete: Pastāv stāstījums, ko lielākā daļa no mums dzird, par to, kā AI un mašīnmācīšanās palīdzēs samazināt izmaksas. Tātad, darbinieku atlaišana, cilvēku virzīšana strādāt efektīvāk. Kāds ir stāstījums, kas ilustrē šo jēdzienu, ka AI un mašīnmācīšanās patiesībā ir pozitīvas un padara mūsu turpmāko darbu par patīkamāku un pamācošāku pieredzi?
Kristietis: Es domāju, ka mēs kopīgi esam uztraucušies par automatizācijas darba beigām gadsimtiem ilgi. Apvienotajā Karalistē ir slavens piemērs par karalieni Elizabeti I, kura atteicās patentēt automātisko adāmmašīnu, jo viņa bija noraizējusies par automatizācijas ietekmi uz dāmām, kuras tajā laikā adīja iztikai. Un galu galā viņa bija diezgan gatava neizklaidēt patentu, taču nevarēja apturēt automatizāciju, un daudzas organizācijas iegādājās šīs adāmmašīnas, un pēc tam laika gaitā adīšanas darbu skaits faktiski pieauga eksponenciāli. Tāpēc ir bijis diezgan interesanti sekot. Ir vairāki citi tam līdzīgi piemēri. Un es domāju, ka mēs šobrīd esam tādā pašā situācijā, kad runājam par AI draudiem. Protams, es domāju, ka daži darbi ir apdraudēti. Apskatiet tradicionālos darbus, kas, iespējams, piemēram, zvanu centri vai kontaktu centri, kurus salīdzinoši vienkārši var papildināt ar mašīnmācības mākslīgo intelektu.
Tāpēc es domāju, ka noteikti būs punkts, kurā daži darbi tiks zaudēti automatizācijas, mašīnmācības dēļ. Bet es domāju, ka tas patiešām ir tāds, kā mēs varam to pielietot morāli pareizi, lai mēs varētu novērst dažus patiešām darbietilpīgus uzdevumus, ko cilvēki veic neatkarīgi no tā, vai tā ir ārsta vizīte vai pat friziera apmeklējums. vai darba laika uzskaites uzskaites apstiprināšana. Tās nav pievienotās vērtības lietas mums kā cilvēkiem. Tāpēc es domāju, ka jo vairāk mēs varam izmantot mašīnmācīšanos, mēs varam izmantot digitālos palīgus un virtuālos palīgus, lai faktiski risinātu lietas, kas atkārtojas un nedod lielu pievienoto vērtību. Es domāju, ka mēs faktiski varam atbrīvot laiku, mēs varam atbrīvot prāta spēku, mēs varam atbrīvot resursus, lai cilvēki būtu radošāki, tāpēc tā vietā, lai raizētos par teoriju starp mākslīgo vispārējo intelektu un robotiem, kas pārņems pasauli, pieņemsim koncentrēties uz mākslīgo šauru intelektu, lietām, ko mēs redzam katru dienu, kad lietojam Siri vai Cortana, vai mēs izmantojam Google palīgu, vai mums ir ieteikums no Amazon, vai mēs redzam, ka arvien vairāk šīs tehnoloģijas tiek iebūvētas biznesa lietojumprogrammu līnija, kas patiešām atņem šos darbietilpīgos darbietilpīgos un atkārtotos uzdevumus. Es domāju, ka mēs koncentrējamies uz to. Mēs atbrīvojam daļu intelektuālā kapitāla, lai cilvēki būtu radošāki, lai atrautos no ikdienas dzīves trakulības. Šeit, manuprāt, mēs varam pievienot vislielāko vērtību, un, iespējams, mums nevajadzētu tik ļoti uztraukties par to, ka roboti pārņems mūsu pasauli, jo, manuprāt, tas, visticamāk, nekad nenotiks.
Elizabete: Lieliski. Nu tas ir atvieglojums. Kristian, paldies. Tas ir bijis brīnišķīgs. Bija lieliski dzirdēt no jums par šīm problēmām un uzzināt vairāk par Citrix.
Kristietis: Nu paldies.
Elizabete: Tas ir viss šajā Business Lab epizodē. Es esmu jūsu saimniece Elizabete Bremsone-Budro. Es esmu MIT Technology Review izpilddirektors un izdevējs. Mēs esam dibināti 1899. gadā Masačūsetsas Tehnoloģiju institūtā. Jūs varat mūs atrast drukātā veidā, tīmeklī, desmitiem tiešraides katru gadu un tagad arī audio formātā. Lai iegūtu papildinformāciju par mums, lūdzu, apmeklējiet mūsu vietni technologyreview.com.
Šī pārraide ir pieejama visur, kur saņemat aplādes. Ja jums patika šī sērija, mēs ceram, ka veltīsit laiku, lai novērtētu un atsauksmi mūs Apple Podcasts. Business Lab ir MIT Technology Review produkcija. Šīs epizodes producents ir Veids Roušs ar Mindija Blodžeta palīdzību. Paldies mūsu sponsoram Citrix, uzņēmumam, kas rada uz cilvēkiem orientētus risinājumus labākam darba veidam. Paldies par klausīšanos. Mēs drīz atgriezīsimies ar savu nākamo sēriju.