Некоторые действительно умные люди сказали мне, что искусственный интеллект принесет апокалипсис. Но я все еще набираю формулы в Microsoft Excel, говорю Дурдашу, что хочу на ужин, и общаюсь с болтливыми водителями Uber, которые, кажется, не замечают, что я участвую в конференц-связи. Похоже, мы далеки от того, чтобы за нами охотились киллботы.
Есть два маленьких грязных секрета, сдерживающих апокалипсис прямо сейчас:
- Специалисты по обработке данных не умеют развертывать продукты
- Продакт-менеджеры (в настоящее время) отстой в применении ИИ
Теперь, прежде чем специалисты по обработке данных и менеджеры по продуктам, лихорадочно читающие эту статью, пришлют за меня килл-бота, позвольте мне объяснить. В области искусственного интеллекта произошли невероятные, изменяющие жизнь инновации и исследования: Farmbeats: AI & IoT для сельского хозяйства, Увеличение количества выпускников собак-поводырей и Раннее выявление рака и глазных болезней.
И еще несколько академических проектов, которые лично меня поразили, например, победа над профессионалами в го и руководство безлимитным покером.
Но ИИ, доступный для повседневного использования потребителями, немногочислен. А тех, что есть, совсем не хватает. Сколько раз Siri просто отправляла один из ваших запросов поисковой системе? Сколько еще бедных AIBO должны умереть от одиночества и пренебрежения? Что ж, может быть, еще этих комичных бедствий. Но Salesforce и IBM, которые являются гигантами бизнес-продуктов, уже давно говорят об искусственном интеллекте без особого интереса, и мало что можно сказать о липких повседневных продуктах.
Это связано с тем, что развертывание продуктов AI не так просто, как развертывание традиционных продуктов. Вот три ключевые ошибки, которые делают профессионалы в области искусственного интеллекта:
- Попытка использовать возможности ИИ вместо решения реальной проблемы пользователя
- Ожидание, что пользователи приспособятся к черному ящику
- Заставляет ИИ туда, где он совершенно не нужен
Возьмем пример из реальной жизни. И мы будем делать это правильно и неправильно.
Камеры видеонаблюдения, активируемые движением, очень популярны на рынке Интернета вещей и помогают мне понять, чем занимается наша подлая кошка, пока мы на работе. Какие проблемы с этим продуктом сегодня? Ложные срабатывания срабатывания предупреждений (я смотрю на вас, Roomba). Дорогое хранилище для доступа к моим записанным потокам и злые хакеры в моей сети Wi-Fi с умеренной степенью защиты.
Кстати, есть одна вещь, которую нельзя менять, когда вы создаете продукты ИИ: создавайте для будущего. И я имею в виду, что на 5–10 лет в будущее, когда вы можете оглянуться вокруг, увидеть, чего не хватает, увидеть, где сошлись ваши конкуренты, увидеть, где развиваются технологии, и создать что-то лучшее. Необходимым условием для того, чтобы знать, как выглядит будущее, помимо того, чтобы быть этим парнем, является глубокое понимание вашего рынка и ваших пользователей. Без этого вы можете путешествовать на 5–10 лет в будущее, но все еще не знаете, что строить. Предпосылка для создания чего-то лучше, чем ваши конкуренты, ну, скажем так, это помогает быть противником.
Но я разглагольствую. Давайте внесем новшества в эту камеру.
Что сделали все ваши конкуренты для решения проблемы ложных срабатываний в будущем? Может быть, это"? Распознавание изображений - действительно удивительное нововведение, которое ИИ воплотил в жизнь. Но в чем настоящая проблема пользователей? Они хотят отличить свою кошку от Roomba? Почтальон и проезжающая машина? Или они действительно хотят, чтобы их предупреждали только о том, что происходит что-то плохое и требует их внимания? Использование впечатляющих возможностей искусственного интеллекта для распознавания изображений едва ли решает проблему и во многом похоже на неправильный путь. Пусть ученые продемонстрируют технологию, вы здесь, чтобы создавать липкие продукты.
Лучшим решением и тем, что кажется правильным, должна быть оценка риска при каждом запуске движения. Ваше географическое положение должно быть ключевым атрибутом риска для мероприятия. Так должно быть время суток. И если лицо соответствует списку в розыске или рисунку полиции. Или если камера по какой-то причине вообще не может разглядеть человеческое лицо. Тогда события с высоким риском могут быть единственными вещами, которые вас настораживают, и могут быть разумно перенаправлены в диспетчерскую службу (да! Наконец-то мы получаем роботов-убийц). И машины могут постоянно учиться и совершенствоваться, а также передавать данные в помощь полицейским отделениям, которые, в свою очередь, могут передавать данные обратно в машины.
Теперь мы чего-то добиваемся. Мне только что пришло текстовое уведомление о том, что в моем доме произошло опасное событие. Нет, это не кошка, которая снова смотрит фильм с рейтингом R. На самом деле мой канал темный. Какие! Почему отключение электричества классифицируется как событие высокого риска? Я требую объяснений, ты тупой черный ящик.
Да, это совершенно неправильный путь. Как насчет того, чтобы показать мне атрибуты модели, которые запускают событие? И, возможно, почему они запускают такую высокую оценку риска.
Хороший прогресс, теперь займемся местом для хранения. Как насчет алгоритма обучения, который предсказывает, как часто вас будут грабить в будущем, на основе того, сколько у вас факторов риска, чтобы определить, сколько видео вам действительно нужно записать? И камеры с более высоким фактором риска могут иметь более высокие затраты на хранение! Мы назовем это robyou.ai.
Вы хотите, чтобы я удалил последний абзац? Хорошо, я не буду. Но не заставляйте AI там, где он не должен быть.
Последняя мимолетная мысль, и это немного секрет. Продукты искусственного интеллекта лучше всего собирать из существующих и недостаточно используемых ресурсов.
Вам действительно не следует изобретать велосипед, когда армии специалистов по данным строят модели и пишут о них официальные документы. Google предоставляет вам TensorFlow бесплатно, и существует открытый ИИ. Подумайте о том, как эти модели могут дополнить продукт, который вы создаете, и поймите, что эта модель никогда не будет продуктом.
Вернитесь к оценке риска для событий на камере с датчиком движения. Оценка может быть новой, но лежащие в основе модели, которые могут обнаруживать лица, различать объекты и делать прогнозы по географическому местоположению и времени, где-то уже существуют. Продакт-менеджерам просто нужно дать некоторым специалистам по данным правильные спецификации, чтобы перепрофилировать их для решения пользовательской проблемы. Только не забудьте пончики принести.
Итак, как мы можем ускорить худший кошмар Илона Маска? Наверное, не с большим количеством менеджеров по продукту, а это худший кошмар для всех остальных. Он начинается с четкого видения создания перспективного продукта, решающего проблемы пользователей. Не будь черным ящиком. Не заставляйте ИИ. Найдите свои недостаточно используемые активы и быстро перейдите к своим POC, чтобы вы могли учиться и повторять. Как только наши специалисты по обработке данных и менеджеры по продуктам смогут во всем этом разобраться, мы сможем уже приступить к апокалипсису киллботов.
