В духе открытости большое и преданное своему делу сообщество искусственного интеллекта (ИИ) делает свои выводы общедоступными и доступными для всех. Влияние этой открытости на производство ИИ приведет к тому, что ИИ станет не дифференциацией продукта, а его возможностью.
Исследования ИИ открыты
В настоящее время сообщества искусственного интеллекта (AI) и машинного обучения (ML) являются двумя из самых активных исследовательских сообществ. Теоретики работают вместе с практиками, чтобы раздвинуть границы возможного, и вместе они значительно продвинули передовые достижения за последнее десятилетие.
Платформы для открытых научных и исследовательских публикаций являются важным краеугольным камнем для распространения результатов исследований в области машинного обучения и искусственного интеллекта. Модель открытой науки сокращает традиционный процесс рецензируемых публикаций, делая исследовательские материалы доступными, как только они будут готовы. Это значительно ускоряет текущие исследовательские усилия, потому что исследователи могут немедленно получать результаты от других групп и реагировать на них в своих исследованиях. Кроме того, исследовательские блоги и учебные пособия помогают новым участникам подняться по крутой кривой обучения искусственному интеллекту. Вебинары и онлайн-курсы позволяют легко извлекать пользу из учений некоторых из самых ярких умов сообщества.
Коммерческие предложения для платформ ИИ направлены на устранение барьеров для хранения и вычислений для ИИ. Они предоставляют интерфейсы и серверные системы, которые значительно облегчают внедрение и интеграцию ИИ в систему. В результате каждый, кто хорошо разбирается в ИИ, может продолжить и использовать ИИ для своих прототипов и продуктов.
Истории успеха AI
Полезные продукты решают проблемы реального мира, тем самым создавая ценность. Решение проблем, присущих ИИ, имеет свои достоинства, но успех в исследованиях напрямую не влияет на сферу продуктов. Успех продукта зависит от клиентов. Его можно измерить по скорости его принятия. Естественно, у успешного продукта скоро появятся имитаторы, которые будут соревноваться за внимание клиентов и долю рынка. Дифференциация продукта создает конкурентное преимущество для продавца продукта, поскольку покупатели считают эти продукты уникальными или превосходными.
Добавление компонентов ИИ в продукт не делает его лучше и не отличается по умолчанию. Провалившиеся стартапы подтвердили, что они _'превышают машинное обучение'_ в своем продукте. Фактически, машинное обучение и искусственный интеллект - это обычно лишь одна часть головоломки. Давайте рассмотрим несколько примеров успешных приложений, использующих машинное обучение, и их вспомогательных средств: сервисы потокового видео рекомендуют фильмы своим клиентам на основе предпочтений и истории просмотров. Их обязательным условием является система, доставляющая фильмы пользователям по запросу. Поиск в Интернете и социальные сети автоматически распределяют изображения по категориям. Для этого требуется возможность сохранять и извлекать соответствующие изображения при запросе. Компании, выпускающие кредитные карты, анализируют поведение своих клиентов в отношении расходов на выявление мошеннических транзакций. Это можно сделать только в активной системе обработки, которая позволяет помечать определенные транзакции красным флажком.
AI Повышение эффективности
Общая тема в этих примерах - это _system_. ML дополняет эту систему, например, расширяя и контролируя взаимодействие с пользователем. Сами по себе эти системы уже создают ценность. Даже если эти компании откажутся от части машинного обучения, их системы все равно будут предоставлять отличные услуги. В этих примерах ML и AI представляют собой постепенное улучшение. Ключевой вывод из этой цепочки рассуждений заключается в том, что ИИ не является сокращением для создания отличной системы. Проще говоря, ИИ не превращает посредственную систему в лучший продукт.
Кроме того, конкурентное преимущество продукта, использующего ИИ, невелико. Даже несмотря на то, что участник рынка может вырваться вперед благодаря интеграции технологии ИИ, маржа опережения снизится, потому что конкуренты быстро догонят его. Причины - открытость исследований ИИ и широкая доступность инструментов и фреймворков ИИ. В свете стремительного развития сложно удержать конкурентов от того, чтобы догнать их. Новые приложения ИИ быстро обнаруживаются сообществом ИИ и воспроизводятся в исследовательской сфере. Например, это одна из целей OpenAI.
По иронии судьбы, то же самое, что позволяет нам создавать передовые продукты ИИ, не позволяет ИИ быть отличительным признаком продукта. Чтобы создать настоящий продукт на основе ИИ, ИИ должен выходить за рамки постепенных улучшений. Подумайте о поездке на машине без руля. Совершенно очевидно, что это невозможно без алгоритмов искусственного интеллекта, которые берут на себя управление под капотом.
ИИ как доступность
В дизайне продукта аффорданс определяет, как продукт может быть использован. Более формально аффордансы определяют взаимосвязь между свойствами объекта и возможностями агента, использующего его. Например, рулевое колесо обеспечивает управление, ручка - захват, поворот ручки и т. Д.
ИИ добавляет новое измерение взаимодействия: он позволяет размещать ручки и ручки, которых не было бы без ИИ. Наглядным примером являются автомобили с автоматическим управлением: если убрать часть ИИ, автомобиль не будет работать. Человек-водитель не может использовать такую машину. В нем отсутствуют базовые возможности, такие как рулевое колесо и газовые дроссели, необходимые для работы человека. ИИ убирает доступность этих деталей из беспилотного автомобиля. Это продукты искусственного интеллекта, которые вы захотите создать, это настоящие отличия.
Предоставляя новые способы использования и взаимодействия с технологиями, ИИ обеспечивает совершенно новый пользовательский интерфейс. Например, образ жизни, обеспечиваемый беспилотными автомобилями, - это только верхушка айсберга. Голосовое управление и роботы, способные интерпретировать человеческое поведение, будут другими примерами, которые показывают, как ИИ собирается проникнуть и перевернуть нашу жизнь с ног на голову.
ИИ может улучшить взаимодействие с пользователем до уровня, на котором воспринимаемый интеллект сочетается с истинным интеллектом. Вот тут-то и вступает в игру тест Тьюринга: человек-пользователь не может определить разницу на основе своего взаимодействия. Прогностическая сила алгоритмов искусственного интеллекта может предугадывать - в ограниченной среде и в ограниченном временном масштабе - какие действия может предпринять пользователь или какие результаты могут возникнуть в результате определенных действий. Например, системы Advanced Driver Assistance (ADAS) созданы для фильтрации неверных решений при вождении, которые могут привести к авариям.
В классическом определении аффорданса аффорданс пассивен. Возможности демонстрируют возможные способы использования продукта. Используя ИИ, продукт может активно отвергать определенное поведение. Например, системы ADAS и беспилотные автомобили созданы для предотвращения аварий. Другими словами, эти автомобили позволяют избежать столкновения: разбить машину, используя определенные способы взаимодействия, практически невозможно. Таким образом, активное отклонение сокращает ложные и скрытые возможности и направляет пользователя к предполагаемому использованию. Активное неприятие - один из примеров нового измерения взаимодействия. Еще предстоит открыть.
Забрать
Истинная сила ИИ заключается в создании новых возможностей. Дополнение систем с помощью ИИ может повысить эффективность, но добавление совершенно новых аспектов взаимодействия позволит стать лидером в области технологий ИИ.
