Скептически относитесь к ИИ? Это нормально (и здорово)

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 оценкиЧто он делает…ПримерыТо, что он ищет как «истину»…
Обнаружение галлюцинацийВыявляет фактические неточности в выводах ИИОбнаружение 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 F1Измеряет точность и полноту выходных данных AIОценка медицинского диагноза. Способность ИИ правильно идентифицировать заболевания.Баланс между точностью, полнотой и общей производительностью модели ИИ.
Перекрестная проверкаТестирует 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 справедливостиПроверяет предвзятость решений ИИ в разных группахОценка показателей одобрения кредитов для различных этнических групп с помощью финансового ИИСправедливое обращение и отсутствие дискриминационных моделей и не закрепляют предубеждений.
А/Б тестированиеПроведение экспериментов для сравнения производительности новой функции ИИ с существующим стандартом.Тестирование чат-бота с искусственным интеллектом против представителей службы поддержки клиентовПроверка, улучшения или изменения сравниваемых показателей производительности
Проверки обнаружения аномалийИспользование статистических моделей или алгоритмов машинного обучения для выявления отклонений от ожидаемых закономерностей. Пометка необычных финансовых транзакций в системах обнаружения мошенничестваПоследовательность и соблюдение ожидаемых стандартов, рубрик и/или протоколов
Проверка самосогласованностиОбеспечивает внутреннюю согласованность ответов ИИПроверка того, что ответы ИИ на связанные вопросы не противоречат друг другуЛогическая связность и надежность; результаты не являются ошибочными или случайными
Увеличение данныхРасширяет 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 методыУточнение 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 опытаОценивает, как конечные пользователи взаимодействуют с системами искусственного интеллекта и воспринимают их.Тестирование удобства использования виртуального помощника на базе искусственного интеллектаУдовлетворенность 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.

  1. 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.
  2. 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.
  3. 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.
  4. 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

Основатель более 10 стартапов в области ИТ и ИИ. Серийный предприниматель. Профессиональный управленец.