«Наука собирает знания быстрее, чем общество собирает мудрость». Исаак Азимов
Недавно я посетил конференцию об использовании искусственного интеллекта (AI) в бизнес-приложениях. Спикеры представляли старые фирмы, такие как Walmart, где использование ИИ может вызывать удивление, новые компании, такие как Google и Pinterest, где ИИ ожидается, и многие другие, большие и маленькие.
Из большей части разговора стало ясно, что ИИ практически приравнивается к машинному обучению (ML). А персонализация воспринимается как само собой разумеющееся как основное приложение ИИ. В то время как ученые и инженеры имели более глубокое понимание, практически каждый продукт и деловой человек сосредоточены только на машинном обучении и персонализации.
Это большая медвежья услуга для поля.
Начнем с персонализации: Amazon и Netflix лидировали в области персонализированных рекомендаций, начиная с начала 2000-х и 2010-х годов. Это стало мощным драйвером роста и прибыли для обеих компаний. Сама цель персонализации - увеличить прибыль за счет увеличения взаимодействия пользователей с вашим продуктом. Является ли это воплощением видения ИИ?
Давайте вернемся на минутку: что такое система с искусственным интеллектом? Он может читать так, как читал бы человек, только намного больше и намного быстрее. Он может установить связи, которые установит человек, за исключением того, что их будет больше, чем в более сложных отношениях. Он имеет мгновенный доступ к тому, что вы можете представить как гигантский идеализированный концептуальный график человеческого знания. Цель создания интеллектуальной системы состоит в том, чтобы она могла вести себя так, как вы ожидаете и хотите, если она понимает данные, контент и контекст вашего взаимодействия с ней. Другими словами, интеллектуальные системы - это вершина хорошего взаимодействия человека с компьютером.
Так что да, мне бы очень хотелось, чтобы Amazon нашла мне книги, которые я хотел бы прочитать! С другой стороны, я не уверен, что хочу, чтобы Amazon нашла мне книги, которые со временем увеличат прибыль Amazon. Возможно, Amazon заставит меня возвращаться, направив меня к серии книг, которые, возможно, мне не очень понравятся, вместо того, чтобы показывать мне старый шедевр, где он не приносит большой прибыли. То же самое и с Facebook - конечно, я хочу, чтобы он уделял приоритетное внимание интересным новостям. Но с точки зрения Facebook, возможно, имеет больше смысла держать меня в небольшом беспокойстве, поэтому я буду возвращаться и проверять свою ленту несколько раз в день и, возможно, нажимаю на какую-нибудь платную рекламу. (И если вы думаете, что Facebook не намеренно вмешивается в ваши эмоции ради собственной прибыли, подумайте еще раз.)
А теперь вернемся к машинному обучению: интеллектуальные системы, которые улучшают свою производительность с опытом, называются обучающимися. Так же, как и мы! Так что это должно быть хорошо? Что ж, опять же, это зависит от того, делают ли они это с учетом наших интересов. Повышение персонализации вашего покупательского опыта может быть хорошим или плохим, в зависимости от того, как и, что еще более важно, от того, почему это сделано.
Представьте на мгновение интеллектуальную систему, которая не пытается научиться показывать вам то, что вы, скорее всего, купите. Он мог бы делать еще много чего. В моей голове он мог бы научить вас языкам, обучить ваших детей математике, помочь вам избежать автомобильных аварий, помочь вам решить, стоит ли ехать на муни или BART, чтобы добраться до работы вовремя, разбудить вас немного раньше, если есть замедление движения транспорта по пути на работу, отслеживание опасных условий пожара, помощь в формировании политики по замедлению глобального потепления или помощь в принятии важных решений в области здравоохранения.
Так что давайте оставим акцент на персонализации и машинном обучении: будущее за созданием систем, которые помогут всем нам жить лучше, как нормальным гражданам этого мира.
Это продолжение моей предыдущей статьи об ИИ.
