Добро пожаловать в Интерфейс!
В этой новой серии статей от Brand Genetics мы исследуем мир искусственного интеллекта и машинного обучения и задаемся вопросом: что это значит для людей?
Мы начинаем эту серию с рассмотрения эволюции достижений, изучения того, как технологии менялись и развивались на протяжении веков, и того, что может предложить нам так называемая четвертая промышленная революция и будущее искусственного интеллекта.
Во второй части мы сместим фокус и посмотрим на важность ориентированного на человека ИИ, где мы подумаем о том, как ИИ разрабатывается и используется через призму человека. Технологи склонны думать о «пользователях», но адекватно ли они учитывают человеческие потребности, поведение и мотивацию? Наконец, мы смотрим в будущее, в котором люди и машины учатся вместе. Мы изучим ценность объединения ИИ с наукой о поведении и психологией для создания оптимизированных, ориентированных на человека товаров и продуктов. Какие преимущества это дает и какие преимущества мы увидим в нашей повседневной жизни?
ЭВОЛЮЦИЯ ТЕХНОЛОГИЙ
За последние восемнадцать месяцев наблюдался значительный рост ажиотажа вокруг искусственного интеллекта (ИИ), пузырь становился все больше и больше, и в отрасль вливались миллионы долларов. Однако, согласно Циклу ажиотажа Gartner, большинство применений ИИ в настоящее время находится на стадии Пика завышенных ожиданий — другими словами, наши ожидания в отношении технологии высоки, и в более долгосрочной перспективе реальность, вероятно, будет довольно высокой. разные.
Мы все знаем, что ИИ меняет то, как мы работаем, и то, что мы делаем. Тем не менее, большая часть нашего понимания происходит из рассказов голливудских сценаристов научной фантастики и приводит к привлекательным и пугающим заголовкам о надвигающемся апокалипсисе роботов. Из-за этого нам сложно не только рационализировать, но и подготовиться к будущему с интеллектуальными машинами. Еще больше усложняет ситуацию то, что темпы технологических изменений ускорились: никогда еще они не происходили так быстро, как сейчас. Следовательно, многие концепции и темы, лежащие в основе ИИ, плохо определены и неправильно поняты даже самими экспертами.
Краткая история технологии
Когда мы думаем о технологиях, наша ментальная модель обычно представляет собой компьютеры, машины и смартфоны, но на самом деле это слово происходит от греческого «techne», означающего «искусство как человеческое мастерство». Это означает, что концепция технологии не нова и не современна. Наши предки использовали «техне» в биологических, психологических и культурных целях на протяжении сотен тысяч лет. Возьмем, к примеру, Australopithecus Afarensis, гоминида, жившего 3 с половиной миллиона лет назад, который формировал технологию формирования точно так же, как технология формировала их. Эти гомини создали целенаправленные инструменты, чтобы выжить и избежать опасности, которые опережали многие критические функции человеческого мозга, такие как координация и речь.
Мы также видим, как технологическая эволюция связана с развитием возможностей подключения. Сложный язык появился около 100 000 лет назад, что позволило нам общаться лицом к лицу и проложило путь для развития цивилизации, какой мы ее знаем. Создание культуры сделало возможными социальные навыки, такие как сотрудничество, которые сыграли фундаментальную роль в развитии технологий и инноваций на протяжении всей эволюции человечества.
Четыре промышленные революции
В 1750 г. произошла первая промышленная революция, в которой были разработаны и широко внедрены механическое производство, железные дороги и паровая энергия. Во втором, в 1870 году, началось массовое производство и электроэнергия, а такие новаторы, как Александр Грэм Белл, изобрели невероятные устройства, такие как телефон, которые обеспечили прямую связь по всему миру. Третья революция, также известная как цифровая революция, произошла в 1969 году с автоматизированным производством, электроникой и компьютерами, когда Тим-Бернерс Ли создал Интернет (который не был общедоступным до 1994 года) и представил технологию мобильных телефонов в 1979 году. важно отметить, что в каждом случае между развитием зарождающейся технологии и широкомасштабным воздействием этой технологии на более широкие слои населения был период задержки около 30–40 лет.
Сейчас мы сталкиваемся с Четвертой промышленной революцией, характеризующейся искусственным интеллектом, большими данными, робототехникой и квантовыми вычислениями. Ведущие мыслители в этой области утверждают, что эти технологии приведут к беспрецедентным изменениям в функционировании мира. Клаус Шваб, основатель Всемирного экономического форума, предполагает, что эта революция столь значительна из-за своей скорости.
«Нынешние прорывы не имеют исторического прецедента… Четвертая (промышленная революция) развивается экспоненциально, а не линейно».
Эта скорость изменений проявляется в одной из самых разрушительных потребительских инноваций 21 века: iPhone. У iPhone, созданного в 2007 году, сейчас почти миллиард пользователей, а его материнская компания Apple недавно была оценена в один триллион долларов. В то время как эстетика и дизайн сами по себе являются важными инновациями, аппаратное обеспечение внутри iPhone довольно необычное. Например, каждый чип внутри материнской платы iPhone X (это четырнадцатая итерация iPhone) имеет ширину 15 нанометров. Достаточно мал, чтобы 450 из них поместились в одном эритроците. Этот поразительный пример освещает не замечательную скорость технического прогресса.
Объяснение темпов инноваций
Мы наблюдаем экспоненциальный рост мощности вычислительных чипов за последние пять десятилетий, что многие ученые-компьютерщики связывают с законом Мура. Названный в честь Гордана Мура, основателя Intel, закон гласит, что количество транзисторов в интегральной схеме удваивается каждые два года. Это важное наблюдение, потому что оно помогает нам предсказывать будущее отдельных инноваций — в данном случае будущее ИИ. Несмотря на доказанную правильность за последние пять десятилетий, некоторые эксперты считают, что закон Мура замедляется, но на самом деле это может быть хорошо, поскольку он позволяет нам перейти от искусственного машинного интеллекта (сверху вниз — созданный человеком) к естественному машинному интеллекту (самостоятельно -улучшение с помощью глубокого обучения, например).
Что такое искусственный интеллект?
К сожалению, нет четкого готового определения ИИ, в основном потому, что у нас нет четкого определения человеческого интеллекта. Однако в широком смысле ИИ можно определить как использование компьютерных систем для принятия решений, аналогичных тем, которые принимали бы люди.
Существует множество различных моделей ИИ — некоторые из них воспроизводят нейронные сети в человеческом мозгу, другие — полностью искусственные. ИИ создается с помощью ряда различных методов, включая машинное обучение, глубокое обучение, контролируемое обучение и усиленное обучение. Машинное обучение является самым основным из них и включает в себя построение алгоритмов, которые находят закономерности в наборах данных и принимают решения на их основе. ИИ — это сфокусированный интеллект. В отличие от человеческого мозга, который представляет собой сложные машины, мыслящие по-разному, ИИ — это инструмент, который может уменьшить сложность за счет принятия быстрых, воспроизводимых и точных решений. Более того, ИИ является самообучающимся, что означает, что он становится все лучше и лучше в принятии точных решений, чем больше данных (информации) он получает и/или генерирует. Этот график из книги Ника Бострома «Суперинтеллект» дает некоторую шкалу потенциала самообучающегося ИИ по сравнению с человеческим интеллектом.
Как видите, потенциал самообучающегося ИИ весьма значителен. Хотя здесь важно отметить, что ИИ не обладает многими когнитивными способностями, которыми обладают люди, такими как эмпатия и эмоциональный интеллект, этика, способность рассуждать или мыслить латерально, мы можем использовать ИИ для выполнения более простых задач, связанных с большими объемами данных. , которые требуют принятия нескольких линейных решений.
Как ИИ влияет на нашу отрасль?
Развитие искусственного общего интеллекта, вероятно, навсегда изменит траекторию человечества. Мы уже видим влияние на то, как мы живем, и в течение следующего десятилетия это полностью изменит то, как мы потребляем товары и услуги.
Важно отметить, что аналитика данных не нова — технологические компании, такие как Amazon, и банки по всему миру годами используют алгоритмы для поиска закономерностей и прогнозирования поведения потребителей. Однако машинное обучение и глубокое обучение (построенное на доступе к мобильным сетям и данным) все чаще позволяют с большей точностью анализировать такие закономерности и даже прогнозировать, когда эти закономерности будут отклоняться. Эта технология не только меняет сторону спроса — поскольку повышение прозрачности, вовлечение потребителей и формирующееся поведение потребителей вынуждают компании менять способы разработки и продвижения своей продукции, — но она также позволяет создавать новые виды услуг. Мы являемся свидетелями появления новых бизнес-моделей с ростом экономики совместного потребления, поддерживаемой ИИ, а также расширенных моделей подписки, моделей по запросу и персонализации — все они предлагают потребителям повышенную гибкость, доступность и эффективность.
Клемми Прендергаст является консультантом Brand Genetics, агентства по анализу и инновациям, специализирующегося на анализе и инновациях, ориентированных на человека. Имея опыт работы в области антропологии, она имеет имеет богатый опыт в поведенческой науке и психологии и работал над стратегией, пониманием и изменением поведения.
