211service.com
Pieci jautājumi, ko varat izmantot, lai novērstu AI hype
Abstrakta ilustrācija, kurā parādīti skaitļi no 1 līdz 5 un jautājuma zīmes Tehniķa kundze
Pirms divām nedēļām Apvienotajos Arābu Emirātos notika Ai Everything, pirmā lielākā AI konference un viena no lielākajām AI lietojumprogrammu konferencēm pasaulē. Pasākums bija iespaidīgs apliecinājums nozaru plašumam, kurās uzņēmumi tagad izmanto mašīnmācību. Tas arī kalpoja kā svarīgs atgādinājums par to, kā biznesa pasaule var aptumšot un pārspīlēt tehnoloģiju spējas.
Atbildot uz to, es vēlos īsi ieskicēt piecus jautājumus, kurus parasti izmantoju, lai novērtētu uzņēmuma tehnoloģijas kvalitāti un derīgumu.
1. Kāda ir problēma, ko tas mēģina atrisināt?
Es vienmēr sāku ar problēmas izklāstu. Ko uzņēmums saka, ka tas cenšas darīt, un vai tas ir mašīnmācības vērts? Iespējams, mēs runājam ar Affectiva, kas izstrādā emociju atpazīšanas tehnoloģiju, lai precīzi izsekotu un analizētu cilvēku noskaņojumu. Konceptuāli šī ir modeļa atpazīšanas problēma, un tāpēc to varētu risināt mašīnmācīšanās (skatiet: Kas ir mašīnmācīšanās? ). Būtu arī ļoti grūti pieiet ar citiem līdzekļiem, jo to ir pārāk sarežģīti ieprogrammēt noteikumu kopumā.
2. Kā uzņēmums risina šo problēmu ar mašīnmācīšanos?
Tagad, kad mums ir konceptuāla izpratne par problēmu, mēs vēlamies zināt, kā uzņēmums gatavojas to risināt. Emociju atpazīšanas uzņēmums varētu izmantot dažādas pieejas sava produkta veidošanai. Tas varētu apmācīt datora redzes sistēmu, lai tā atbilstu cilvēku sejas izteiksmēm, vai apmācīt audio sistēmu, lai tā atbilstu cilvēku balss tonim. Šeit mēs vēlamies noskaidrot, kā uzņēmums ir pārveidojis savu problēmas izklāstu par mašīnmācīšanās problēmu, un noteikt, kādi dati tam būtu jāievada savos algoritmos.
Saistīts stāsts
Saistīts stāsts Mākslīgā intelekta definīcija pastāvīgi attīstās, un termins bieži tiek sajaukts, tāpēc mēs esam šeit, lai palīdzētu.
3. Kā uzņēmums iegūst apmācību datus?
Kad mēs zinām, kāda veida dati ir nepieciešami uzņēmumam, mēs vēlamies uzzināt, kā uzņēmums tos iegūst. Lielākā daļa AI lietojumprogrammu izmanto uzraudzītu mašīnmācīšanos, kam nepieciešami tīri, augstas kvalitātes marķēti dati. Kas marķē datus? Un, ja etiķetes atspoguļo kaut ko subjektīvu, piemēram, emocijas, vai tās atbilst zinātniskam standartam? Affectiva gadījumā jūs uzzinātu, ka uzņēmums brīvprātīgi vāc audio un video datus no lietotājiem un nodarbina apmācītus speciālistus, lai stingri konsekventi marķētu datus. Zinot sīkāku informāciju par šo cauruļvada daļu, varat arī identificēt iespējamos datu vākšanas vai marķēšanas novirzes avotus (skatiet: Šādi patiešām notiek AI novirze).
4. Vai uzņēmumam ir procesi savu produktu auditēšanai?
Tagad mums vajadzētu pārbaudīt, vai uzņēmums testē savus produktus. Cik precīzi ir tā algoritmi? Vai tie ir pārbaudīti neobjektivitātes dēļ? Cik bieži tas atkārtoti novērtē savus algoritmus, lai pārliecinātos, ka tie joprojām darbojas līdzvērtīgi? Ja uzņēmumam vēl nav algoritmu, kas sasniegtu vēlamo precizitāti vai godīgumu, kādi plāni tam ir, lai pārliecinātos, ka tie tiks nodrošināti pirms izvietošanas?
5. Vai uzņēmumam vajadzētu izmantot mašīnmācīšanos, lai atrisinātu šo problēmu?
Tas vairāk ir spriedums. Pat ja problēma var var atrisināt ar mašīnmācīšanos, ir svarīgi apšaubīt, vai tas tā ir vajadzētu būt. Tas, ka varat izveidot emociju atpazīšanas platformu, kas sasniedz vismaz 80% precizitāti dažādām rasēm un dzimumiem, nenozīmē, ka tā netiks ļaunprātīgi izmantota. Vai ieguvumi no šīs tehnoloģijas pieejamības atsver iespējamos emocionālās uzraudzības cilvēktiesību pārkāpumus? Un vai uzņēmumam ir mehānismi, lai mazinātu iespējamo negatīvo ietekmi?
Manuprāt, uzņēmumam ar kvalitatīvu mašīnmācības produktu ir jāatzīmē visas izvēles rūtiņas: tam ir jārisina problēma, kas piemērota mašīnmācībai, tam ir jābūt spēcīgiem datu iegūšanas un auditēšanas procesiem, jābūt ļoti precīziem algoritmiem vai plānam to uzlabošanai, un jācīnās ar ētiskiem jautājumiem. Bieži vien uzņēmumi iztur pirmos četrus testus, bet ne pēdējo. Man tas ir galvenais sarkanais karogs. Tas parāda, ka uzņēmums nedomā holistiski par to, kā tā tehnoloģija var ietekmēt cilvēku dzīvi, un tam ir liela iespēja vēlāk piesaistīt Facebook. Ja esat izpilddirektors, kurš meklē mašīnmācības risinājumus savam uzņēmumam, tam vajadzētu jūs brīdināt par partnerattiecībām ar konkrētu pārdevēju.
Šis stāsts sākotnēji parādījās mūsu Webby nominētajā AI informatīvajā izdevumā The Algorithm. Lai vairāk šādu stāstu tiktu piegādāts tieši jūsu iesūtnē, reģistrējieties šeit. Tas ir par brīvu.