Иногда трудно отличить реальность технологий от шумихи и маркетинговых сообщений, которые ежедневно бомбардируют наши почтовые ящики. Например, всего за последние пять лет мы, вероятно, слишком много слышали о метавселенной, блокчейне и виртуальной реальности. В настоящее время мы находимся в разгаре фурора по поводу часто злоупотребляемого термина «ИИ», и время покажет, будет ли этот конкретный шторм рассматриваться как резидент чашки.
Новости искусственного интеллекта поговорил исключительно с Джоном МакЛуном, директором по техническим коммуникациям и стратегии одной из самых зрелых организаций в области вычислительного интеллекта и научных инноваций, Wolfram Research, чтобы помочь нам поместить наши нынешние концепции искусственного интеллекта и их практическое использование в более глубокий контекст.
Джон проработал в Wolfram Research 32 года на различных должностях, в настоящее время возглавляя группу европейской технической службы. Математик по образованию и опытный практик во многих аспектах анализа данных, мы начали наше интервью с того, что попросили его описать работу Вольфрама в формате презентации для лифта.
«Наше ценное предложение заключается в том, что мы знаем вычисления и технологию Wolfram. Мы адаптируем нашу технологию к проблеме, с которой сталкивается организация. Это касается широкого круга вещей. Итак, у нас нет типичного клиента. Их объединяет то, что они делают что-то инновационное».
«Мы занимаемся решением проблем, теми вещами, которые используют вычисления и науку о данных. Мы создаем единую платформу для вычислений, и когда мы говорим о вычислениях, мы имеем в виду такие виды технических вычислений, как инженерные расчеты, наука о данных и машинное обучение. Это такие вещи, как анализ социальных сетей, биологические науки, актуарная наука и финансовые расчеты. Абстрактно, это все фундаментально математические вещи».
«Наш мир — это все те структурированные области, в которых мы потратили 30 лет на создание различных онтологий. У нас есть символическое представление математики, а также такие вещи, как графики и сети, документы, видео, изображения, аудио, временные ряды, объекты реального мира, такие как города, реки и горы. Моя команда делает забавные вещи: заставляет его делать что-то полезное!»
«ИИ мы рассматриваем просто как еще один вид вычислений. Существовали разные алгоритмы, которые разрабатывались годами: некоторые сотни лет назад, некоторые всего десятки лет назад. Ген ИИ только пополняет этот список».
Заявления об ИИ в 2024 году иногда могут быть чрезмерно оптимистичными, поэтому нам нужно реалистично оценивать его возможности и учитывать, в чем он превосходен, а в чем ему не хватает.
«Еще существует человеческий интеллект, который по-прежнему остается стратегическим элементом. Вы не скажете, что в ближайшие пять лет ИИ будет управлять моей компанией и принимать решения. Генеративный ИИ очень быстр, но ненадежен. Его задача – быть правдоподобныйэто не правильно. И особенно когда вы углубляетесь в то, что делает Вольфрам, это ужасно, потому что он подскажет вам то, что ваш математический ответ будет выглядеть как». (Новости искусственного интеллекта'курсив.)
Работа Wolfram Research в этом контексте сосредоточена на том, что Джон называет «символическим ИИ». Чтобы отличить генеративный и символический ИИ, он привел нам аналогию с моделированием траектории брошенного мяча. Генеративный ИИ узнает, как движется мяч, исследуя многие тысячи таких бросков, а затем сможет составить описание траектории. «Это описание было бы правдоподобным. Такая модель богата данными, но плохо понимает».
С другой стороны, символическое представление брошенного мяча будет включать дифференциальные уравнения движения снаряда и представления элементов: массы, вязкости атмосферы, трения и многих других факторов. «Тогда можно было бы спросить: «Что произойдет, если я брошу мяч на Марс?» Оно скажет что-то точное. Это не провалится».
Идеальный способ решения деловых (научных, медицинских или инженерных) задач — это сочетание человеческого интеллекта, символического мышления, воплощенного в языке Wolfram Language, и того, что мы сейчас называем ИИ, выступающего в качестве связующего звена между ними. ИИ — отличная технология для интерпретации смысла и действия в качестве интерфейса между составными частями.
«Некоторые из интересных кроссоверов заключаются в том, что мы берем естественный язык и превращаем его в некую структурированную информацию, которую затем можно использовать для вычислений. Человеческий язык очень запутан и неоднозначен, и генеративный ИИ очень хорошо умеет отображать это в некоторой структуре. Как только вы окажетесь в структурированном мире чего-то синтаксически формального, вы сможете с ним что-то делать».
Недавний пример объединения «традиционного» ИИ с работой Вольфрама связан с медицинскими записями:
«Недавно мы реализовали проект по сбору медицинских отчетов, которые были написаны от руки, напечатаны и оцифрованы. Но они содержат слова, и попытаться собрать статистику по ним невозможно. Итак, вам нужно использовать генеративную часть ИИ для сопоставления всех этих слов с такими вещами, как классы: можно ли было избежать этой смерти? Да. Нет. Это хорошая структурированная пара «ключ-значение». И затем, как только мы получим эту информацию в структурированной форме (например, часть JSON или XML или любую другую выбранную вами структуру), мы можем затем заняться классической статистикой, чтобы начать говорить: «Есть ли тенденция?» Можем ли мы спроецировать? Повлияло ли COVID на больничный вред?» Четкие вопросы, к которым можно подойти символически, используя такие вещи, как средние значения, медианы и модели».
Во время нашего интервью Джон также кратко изложил презентацию, в которой в качестве примера использовался пример работы его организации — воображаемого завода по производству стаканчиков с арахисовым маслом. Каковы могут быть последствия замены определенного ингредиента или изменения некоторых деталей рецепта, а также влияние этого изменения на срок годности продукта?
«LLM (большие языковые модели) скажут: «О, они, вероятно, прослужат несколько недель, потому что чашки с арахисовым маслом обычно посидеть на полке несколько недель. Но обратившись к вычислительной модели, которая может подключаться к ингредиентам и производить вычисления, вы поймете, что эта штука прослужит восемь недель, прежде чем взорвется. Или что это изменение может сделать с производственным процессом? Вычислительная модель может подключиться к цифровому двойнику вашего производственного предприятия и узнать: «Это замедлит работу на 3%, поэтому ваша производительность упадет на 20%, потому что это создаст узкое место». здесь.' LLM отлично подходят для связи вас и вашего вопроса с моделью, математикой, наукой о данных или базой данных. И это действительно интересная трехсторонняя встреча умов».
Вы можете увидеть Wolfram Research на предстоящем мероприятии TechEx в Амстердаме, которое пройдет 1-2 октября, на стенде 166 направления AI & Big Data. Мы не можем гарантировать обсуждение вопросов, связанных с арахисовым маслом, на мероприятии, но чтобы узнать, как мощное моделирование и генеративный искусственный интеллект можно использовать для решения ваших конкретных проблем и затруднений, свяжитесь с компанией через ее веб-сайт.
Хотите узнать больше об искусственном интеллекте и больших данных от лидеров отрасли? Посетите выставку AI & Big Data Expo, которая проходит в Амстердаме, Калифорнии и Лондоне. Это комплексное мероприятие проводится совместно с другими ведущими мероприятиями, включая конференцию по интеллектуальной автоматизации, BlockX, Неделю цифровой трансформации и выставку Cyber Security & Cloud Expo.
Узнайте о других предстоящих мероприятиях и вебинарах в области корпоративных технологий, проводимых TechForge, здесь.