В последние годы стремительного технического прогресса искусственный интеллект (ИИ) используется повсюду, от банковского дела/финансов до видеоигр. Реклама, предложенная для Al, очень сильна, но организации склонны забывать о так называемом «очаровании» Al, когда они не могут вовремя удовлетворить высокие требования. Хотя Al работает без перерыва 24 часа в сутки и семь дней в неделю и эффективно сокращает время, затрачиваемое на выполнение задачи, все же есть некоторые области, где Al может нуждаться в «улучшении». Чтобы работать над улучшением, давайте выясним три распространенные причины сбоев ИИ.

Причины отказа ИИ:

Несмотря на то, что за последние годы Al добился значительного прогресса, ошибки, вызванные Al, неизбежны из-за недостаточной надежности данных, используемых системой Al. Искусственный интеллект может потерпеть неудачу по нескольким причинам. Прочтите эту статью, если вам интересно узнать о нескольких причинах неудач ИИ.

Модели машинного обучения и искусственного интеллекта могут стать слишком хрупкими при бомбардировке данными или при реагировании на изменение данных:

Именно это произошло в 2013 году, когда IBM в партнерстве с Центром исследований рака им. М. Д. Андерсона Техасского университета разработала эксперта по исследованию рака. система), чтобы подготовить эксперта по раку, который мог бы предложить варианты лечения рака для своих пациентов. В 2018 году Statnews (американский новостной веб-сайт, ориентированный на здоровье) изучил документы IBM и обнаружил, что Watson давал пациентам плохие советы по лечению рака. Документы, обнаруженные Statnews, широко возлагают вину на инженеров, которые работали над разработкой Watson, предоставив системе воображаемые хвосты пациентов, а не данные реальных пациентов.

У организаций может не хватить терпения, необходимого ИИ для реализации проекта:

По словам профессора Тома Дэвенпорта из Babson College, они могут и должны ставить амбициозные цели для Эла, но они должны осознавать, что для их реализации потребуется много времени и множество проектов. Величайшей трагедией для предприятия Ала было бы, если бы все разочаровались в том, насколько это сложно или сколько времени требуется, чтобы оказать существенное влияние.
Пол Барба пишет для «KDnuggets (это онлайн-платформа по бизнес-аналитике), сравнивает Al с автомобилем, когда дело доходит до обслуживания. Барба объясняет, что Ал работает точно так же, как автомобиль, и как он может оставаться в приличной форме какое-то время, пока им не пренебрегают. Если этим пренебречь, Эл может провалить весь проект.

Культурный уклон в Al:

Реклама и социальные сети сделали Ала гладким, предоставив нам глубокое понимание, простой анализ и честные алгоритмы. Ал может показать нам более темное лицо нашего собственного человечества.
Именно это и произошло в 2016 году, когда Microsoft представила Ала по имени Тай, который мог вести непринужденную и игривую беседу, анализируя шаблоны текстовых сообщений люди. Менее чем через 24 часа после выхода Тая люди якобы начали троллить Тая, и это испортило личность Тая.
Вскоре после этого Тая завалили расистскими и сексистскими комментариями. После этой ужасной катастрофы, к которой Microsoft не была готова, они утверждали, что процесс обучения Тава включал использование общедоступных данных, которые были очищены и отфильтрованы. После долгих усилий со стороны Microsoft они решили удалить Тэя из Twitter.

Зачем нужно обслуживание ИИ?

Когда проект, над которым работает ИИ, становится более сложным или ИИ долгое время не контролируется, есть вероятность, что с ИИ могут возникнуть проблемы. Если их ложное понимание проблемы становится независимым от так называемой «окружающей среды» ИИ, шансов вернуть ИИ в его нормальное состояние очень мало.
Итак, раннее обнаружение и исправление проблемы являются ключевыми. Важно задавать вопросы самим себе и работать над тем, как мы собираемся противостоять проблемам, когда мы их обнаружим.
Хотя Ал саморегулируется, наличие человека в его распоряжении может предотвратить проблемы с Алом, по крайней мере. в текущем контексте.

Последние мысли

Эти передовые технологии могут выполнять несколько задач с большей эффективностью, а также могут помочь вам принимать более правильные и точные решения. Прогнозную аналитику можно использовать для прогнозирования сценариев риска/вознаграждения в бизнесе, а также для приобретения нужных дополнений к остальной части вашей команды, что приведет к улучшению рабочей среды.

Спасибо, что прочитали эту статью. Пожалуйста, читайте больше таких интересных статей здесь.

Первоначально опубликовано на https://thesecmaster.com 11 апреля 2021 г.