Подпишитесь на наши ежедневные и еженедельные информационные бюллетени, чтобы получать последние обновления и эксклюзивный контент о ведущих в отрасли технологиях искусственного интеллекта. Узнать больше
Меньше пугаться. Еще больше устал. Вот где многие из нас живут с ИИ. Тем не менее, я в восторге от ИИ. Несмотря на изобилие и банальности ИИ, обещающего изменить индустрию, интеллект и образ жизни, жизненно важно относиться к шуму и надежде с новым волнением, охватывающим сложность. Тот, который поощряет споры и поддерживает здоровую дозу скептицизма. Скептическое мышление раскрепощает, прагматично, бросает вызов условностям и питает то, что, кажется, часто недостает чувству здравомыслия, особенно если вас беспокоят бесконечные предположения и слухи.
Кажется, что мы попали в пропасть или битву «поторопиться и подождать», наблюдая за реалиями и преимуществами ИИ. Мы знаем, что нас ждет блестящее будущее, и к концу 2024 года объем мирового рынка искусственного интеллекта оценивается в более чем 454 миллиарда долларов, что превышает ВВП отдельных стран 180 стран, включая Финляндию, Португалию и Новую Зеландию.
И наоборот, недавнее исследование предсказывает, что к концу 2025 года по крайней мере 30% проектов генеративного ИИ будут заброшены после этапа проверки концепции, а в другом отчете «по некоторым оценкам, более 80% проектов ИИ будут отменены». терпят неудачу — в два раза чаще, чем ИТ-проекты, не использующие ИИ».
Цветение или бум?
Хотя скептицизм и пессимизм часто являются одинаковыми определениями, они фундаментально различаются по подходу.
Скептицизм включает в себя исследование, сомнение в утверждениях, стремление к доказательствам и, как правило, конструктивен и наполнен критической направленностью. Пессимизм имеет тенденцию ограничивать возможности, включает в себя сомнения (и, возможно, тревогу), возможно, ожидание отрицательного результата. Его можно рассматривать как непродуктивное, непривлекательное и немотивирующее состояние или поведение — хотя, если вы верите, что страх продается, он никуда не денется.
Скептицизм, коренящийся в философских исследованиях, предполагает сомнение в обоснованности утверждений и поиск доказательств, прежде чем принять их как истину. Греческое слово «скепсис» означает исследование. Для современных скептиков приверженность исследованиям ИИ служит идеальным инструментом поиска истины для оценки рисков и выгод, гарантируя, что инновации безопасны, эффективны и, да, ответственны.
У нас есть здравое историческое понимание того, как критические исследования принесли пользу обществу, несмотря на некоторые очень шаткие старты:
- Прививки столкнулись с пристальным вниманием и сопротивлением из-за проблем безопасности и этики, однако продолжающиеся исследования привели к созданию вакцин, которые спасли миллионы жизней.
- Кредитные карты привели к обеспокоенности по поводу конфиденциальности, мошенничества и поощрения безответственных расходов. Банковская отрасль значительно улучшила качество обслуживания благодаря пользовательскому тестированию, обновленной инфраструктуре и здоровой конкуренции.
- Первоначально телевидение критиковали за то, что оно отвлекало внимание и было потенциальной причиной морального упадка. Критики усомнились в его новостной и образовательной ценности, считая это скорее роскошью, чем необходимостью.
- Банкоматы столкнулись с проблемами, в том числе с ошибками машин или недоверием людей к технологиям, контролирующим их деньги.
- Смартфоны вызывали сомнения, поскольку у них не было клавиатуры, они имели ограниченные функции, время автономной работы и многое другое, однако ситуация была смягчена улучшениями интерфейса и сети, правительственными альянсами и новыми формами монетизации.
К счастью, у нас есть развивающиеся современные протоколы, которые — при усердном использовании (а не вообще) — обеспечивают сбалансированный подход, который не принимает слепо и не отвергает полезность ИИ. В дополнение к основам, которые помогают принимать решения по спросу и рискам, у нас есть проверенный набор инструментов для оценки точности, предвзятости и обеспечения этического использования.
Чтобы быть менее сопротивляющимся, более проницательным и, возможно, обнадеживающим и счастливым скепсисом, вот примеры этих менее заметных инструментов:
Примеры методов из набора инструментов скептика в области ИИ
| Метод оценки | Что он делает… | Примеры | То, что он ищет как «истину»… |
| Обнаружение галлюцинаций | Выявляет фактические неточности в выводах ИИ | Обнаружение случаев, когда ИИ неправильно указывает исторические даты или научные факты. | Стремится обеспечить фактическую точность контента, созданного ИИ. |
| Поиск-дополненная генерация (RAG) | Объединение результатов обученных моделей с дополнительными источниками для включения наиболее актуальной информации. | Помощник с искусственным интеллектом, использующий текущие новостные статьи, чтобы отвечать на вопросы о недавних событиях. | Текущая и контекстуально релевантная информация из нескольких источников |
| Точность, отзыв, результативность F1 | Измеряет точность и полноту выходных данных AI | Оценка медицинского диагноза. Способность ИИ правильно идентифицировать заболевания. | Баланс между точностью, полнотой и общей производительностью модели ИИ. |
| Перекрестная проверка | Тестирует производительность модели на различных подмножествах данных. | Обучение модели анализа настроений на обзорах фильмов и ее тестирование на обзорах продуктов. | Стремится обеспечить стабильную работу модели в различных наборах данных, что указывает на ее надежность. |
| Оценка справедливости | Проверяет предвзятость решений ИИ в разных группах | Оценка показателей одобрения кредитов для различных этнических групп с помощью финансового ИИ | Справедливое обращение и отсутствие дискриминационных моделей и не закрепляют предубеждений. |
| А/Б тестирование | Проведение экспериментов для сравнения производительности новой функции ИИ с существующим стандартом. | Тестирование чат-бота с искусственным интеллектом против представителей службы поддержки клиентов | Проверка, улучшения или изменения сравниваемых показателей производительности |
| Проверки обнаружения аномалий | Использование статистических моделей или алгоритмов машинного обучения для выявления отклонений от ожидаемых закономерностей. | Пометка необычных финансовых транзакций в системах обнаружения мошенничества | Последовательность и соблюдение ожидаемых стандартов, рубрик и/или протоколов |
| Проверка самосогласованности | Обеспечивает внутреннюю согласованность ответов ИИ | Проверка того, что ответы ИИ на связанные вопросы не противоречат друг другу | Логическая связность и надежность; результаты не являются ошибочными или случайными |
| Увеличение данных | Расширяет наборы обучающих данных модифицированными версиями существующих данных. | Улучшение моделей распознавания речи с помощью различных акцентов и моделей речи. | Улучшенное обобщение и надежность модели. |
| Оперативные инженерные методы | Уточнение подсказывает, как добиться максимальной производительности от моделей искусственного интеллекта, таких как GPT. | Структурирование вопросов таким образом, чтобы получить наиболее точные ответы. | Оптимальная связь между людьми и ИИ |
| Тестирование пользовательского опыта | Оценивает, как конечные пользователи взаимодействуют с системами искусственного интеллекта и воспринимают их. | Тестирование удобства использования виртуального помощника на базе искусственного интеллекта | Удовлетворенность пользователей и эффективное взаимодействие человека и искусственного интеллекта |
4 рекомендации, как оставаться конструктивными и скептичными при изучении решений искусственного интеллекта
Поскольку мы продолжаем жить в эпоху страха и волнения в области искусственного интеллекта, принятие подходов, основанных на скептицизме, будет иметь ключевое значение для обеспечения того, чтобы инновации служили наилучшим интересам человечества. Вот четыре рекомендации, о которых следует помнить и широко практиковать.
- Требуйте прозрачности: Настаивайте на четких объяснениях технологии с помощью рекомендательных пользователей или клиентов. Помимо внешних поставщиков и отраслевых/академических контактов, устанавливайте одинаковый уровень ожиданий с внутренними командами, помимо юридического и ИТ, такими как закупки, HR и продажи.
- Поощряйте массовое участие, ориентированное на людей: Многие нисходящие инициативы терпят неудачу, поскольку цели могут исключить влияние на коллег и, возможно, на более широкое сообщество. Сначала спросите: как наши коллеги по команде, не имеющие иерархии, каков наш подход к пониманию влияния ИИ, а не немедленное назначение рабочей группы и ранжирование пяти лучших вариантов использования.
- Строго отслеживать (и соблюдать?) нормы регулирования, безопасности, этики и конфиденциальности.: В то время как Европейский Союз внедряет свой Закон об искусственном интеллекте, а такие штаты, как Калифорния, пытаются инициировать спорные законопроекты о регулировании искусственного интеллекта, независимо от вашей позиции, эти правила будут влиять на ваши решения. Регулярно оценивайте этические последствия этих достижений ИИ, отдавая приоритет человеческому и социальному воздействию над масштабом, прибылью и продвижением.
- Проверка заявлений о производительности: Запросите доказательства и, если возможно, проведите независимое тестирование. Спросите о методах оценки, перечисленных выше. Это особенно актуально при работе с новыми компаниями и поставщиками, ориентированными на искусственный интеллект.
Скептицизм питает. Нам нужны методы, позволяющие выйти за рамки повседневной болтовни и суеты. Испытываете ли вы недоедание сомнений или проницательный трепет, это не соревнование с нулевой суммой. Выигрыш циника или пессимиста не приводит к эквивалентной потере оптимизма других. Я в восторге от ИИ. Я верю, что это поможет нам победить, и наши правила успеха основаны на скромном суждении.
В каком-то смысле, пусть и с провокацией, скептицизм — это сексуальная уязвимость. Это разумный выбор, который должен быть в каждом руководстве для сотрудников, чтобы обеспечить ответственную проверку новых технологий без неприятных тревог.
Марк Стивен Рамос — директор по обучению с более чем 20-летним опытом работы в Google, Novartis, Oracle, Accenture и Red Hat. В настоящее время он является научным сотрудником Гарвардской лаборатории обучения инновациям.
Лица, принимающие решения по данным
Добро пожаловать в сообщество VentureBeat!
DataDecisionMakers — это место, где эксперты, в том числе технические специалисты, работающие с данными, могут поделиться идеями и инновациями, связанными с данными.
Если вы хотите прочитать о передовых идеях и актуальной информации, передовом опыте и будущем данных и технологий обработки данных, присоединяйтесь к нам на DataDecisionMakers.
Возможно, вы даже захотите написать собственную статью!
Узнайте больше от DataDecisionMakers