Идет ИИ. ИИ здесь. В популярной прессе вы читаете много материалов о будущем искусственного интеллекта, и я верю, как и многие другие, что это технология, которой предстоит пройти долгий путь, прежде чем она оправдает шумиху (и ужас). — см. нашу сопутствующую статью на Medium на этой неделе Отказ от Т-700: на пути к мандалорской концепции искусственного интеллекта) о его названии.
Мне вспоминается цитата сооснователя Stack Overflow и Discourse.org Джеффа Этвуда, когда его спросили, есть ли у него идеи по использованию алгоритмов искусственного интеллекта. Его короткий ответ: Не знаю. Я не уверен, что «искусственный интеллект является особенно полезной концепцией в настоящее время. Машинное обучение, по крайней мере, немного точнее описывает, где мы находимся. 😉 «Я думаю, что, возможно, скряга Этвуд указывает на то, что мы все еще видим машины и алгоритмы, обученные делать только одну или несколько вещей достаточно хорошо, чтобы их можно было назвать интеллектуальными или обучающимися.
В беседе с членами команды Hederis на тему ИИ в издательском деле член команды-основателя и руководитель операций Эрика Уоррен объяснила одну из причин, по которой некоторые технические инсайдеры, такие как Этвуд, по-прежнему настороженно относятся к ярлыку ИИ:
Часть проблемы заключается в том, что когда люди думают об AI/ML, они обычно думают о полной автоматизации — и наш опыт создания нашего продукта автоматизации в прошлом (в Macmillan) показывает, что даже 95–99% случаев могут быть простыми. , 1% в течение всей книги на самом деле много. Таким образом, чтобы пойти по этому пути, издатели должны либо (а) понизить свои стандарты качества — что не является стартовым для профессиональных издателей, конкурирующих с самостоятельной публикацией, либо (б) все равно просматривать все изменения вручную, что побеждает время экономия от использования ИИ в первую очередь.
Таким образом, в то время как большая часть страха и страха вокруг ИИ связана со слишком большой неконтролируемой автономией, здоровый скептицизм по отношению ко всем этим продуктам с маркировкой ИИ связан с тем фактом, что машины просто недостаточно автономны.
Но, как отметила Эрика, когда мы перестанем ожидать, что ИИ будет выполнять всю работу, и примем симбиотическую роль ИИ в качестве помощника, мы сможем начать понимать потенциал этих технологий для таких приложений, как Hederis, и публикаций в целом:
И способ сделать это — избегать полностью автоматизированных «кнопочных» систем. К чему мы стремимся, так это к концепции «ИИ-помощника». Компьютеры способны быстро обрабатывать большие объемы данных и сопоставлять новые данные с шаблонами в исторических данных. Проблема с публикацией приложений, фактически с любым приложением, связанным с искусством, заключается в том, что в основе творчества лежит новизна. Приложения машинного обучения НЕ умеют обрабатывать что-то новое, чего они раньше не видели. Однако люди отлично справляются с решением проблем с помощью новой информации. В чем мы не очень хороши, так это в том, чтобы делать механическую, повторяющуюся работу точно в течение длительного периода времени. Таким образом, вы можете видеть, что это идеальная ситуация для того, чтобы как бы разделить нагрузку, когда компьютер оптимизирован для повторяющейся работы, а люди работают с уникальными ситуациями, с которыми компьютер не справляется, — и в итоге мы получаем более высокую -Качественный продукт за меньшее время.
В издательском деле ИИ и машинное обучение, по-видимому, в целом обучены выполнению нескольких наборов задач достаточно хорошо, и ваше положение в цепочке создания стоимости публикации определенно повлияет на то, как вы извлекаете выгоду (или страдаете) от влияния ИИ. В программном докладе на первой конференции по искусственному интеллекту Digital Book World (состоявшейся виртуально в мае 2020 года), Ли Хуан, бывший руководитель отдела цифровых технологий и эксперт по искусственному интеллекту, описал некоторые широкие области проблем, которым обычно обучают искусственный интеллект, а именно обработку естественного языка, семантический анализ, устранение неоднозначности, классификацию и таксономию — и предложил свою структуру CAPA для использования ИИ в издательской среде. CAPA расшифровывается как Создание контента, Ответы и прогнозы и Автоматизация. Приводя примеры из каждой категории, презентация Хуанга дала ключ к пониманию того, как руководители высшего звена в крупных издательствах думают об ИИ: как о месте для привлечения внимания и получения дохода при меньших затратах. Большая часть страха, который окружает ИИ, связана со страхом, что умные машины заменят умных людей на рабочем месте. К чести Хуанга, он представляет множество преимуществ искусственного интеллекта для издателей, позволяющих сэкономить средства, как способы для издателя расширить свои возможности — автоматически генерируемый AR, привязанный к тому, что машина читает в вашем тексте, глубокий голос аудиокниги, автоматически генерировали простым языком резюме наборов данных и массивов исследований — в отличие от способов сокращения существующего персонала. но это по-прежнему означает рост прибыли и производственных мощностей без увеличения штата. Логика сокращения, конечно, маячит в тени, если не прямо смотрит нам в лицо.
Хотя исполнительный взгляд на ИИ может вызвать у людей, занятых созданием, редактированием и производством контента, ощущение, что они движутся к запланированному устареванию, другой основной доклад на панели DBW, сделанный Джейсоном Бугом, журналистом, пишущим о и эксперименты с искусственным интеллектом для таких изданий, как Publishers Weekly и Towards Data Science, позволили авторам контента и, в частности, писателям установить личные и открытые отношения с искусственным интеллектом. Буг написал пошаговое руководство о том, как использовать API OpenAI для доступа к GPT-2, мощной интерактивной языковой модели НЛП, которая позволяет пользователям обучать компьютер выполнять различные задачи, включая создание длинных художественных произведений. Он представил этот и другие примеры того, как обычные люди без огромных бюджетов на исследования и разработки или докторов наук в области компьютерных наук в штате могут начать создавать и обучать своих собственных помощников ИИ.
Одна из тем выступления Буга заключалась в том, что, несмотря на то, что результаты многих из этих общедоступных ИИ предсказуемо смешаны, ИИ может предоставить достаточно исходного материала для нужных креативщиков и редакторов, чтобы они могли выполнять отличную работу с меньшими механическими усилиями.
Чувства Буга перекликаются с собственной философией Хедериса по внедрению и использованию ИИ, которую мы рады разработать и внедрить в третьем квартале после бета-тестирования. Это настроение было поддержано этими последними комментариями Эрики Уоррен:
Имея достаточно данных, определенно можно помочь пользователям быстро получать больше книг через свою систему, автоматизировав скучные вещи и позволив людям использовать свое время для принятия значимых решений, а также использовать свои обширные знания и навыки вместо простого ручного труда.
В то время как некоторые «классические» производственные проблемы, такие как классификация и маркировка рукописей, решаются с помощью AI/ML у признанных издательских компаний и стартапов (это область, в которой Hederis будет развивать дополнительные возможности в течение следующего года), мы считаем, что есть проблемы. другие вопросы о том, что представляет собой «квалифицированный» шрифтовой дизайн и другие сценарии принятия производственных решений, которые еще предстоит задать и ответить с помощью ИИ. Мы с нетерпением ждем следующего года и возможности участвовать в этом разговоре о будущем книжного производства.