Este inteligența artificială generativă, precum ChatGTP (vezi aici cum funcționează), ceea ce așteptăm de la domeniul IA? Titlurile de presă o prezintă ca pe un panaceu, dar, în mare parte, este doar o exagerare. Cel puțin așa crede Eric Siegel, „veteran” al industriei inteligenței artificiale, cu 30 de ani de experiență.
Inteligența artificială generativă poate fi impresionantă și poate eficientiza multe sarcini, dar nu va conduce lumea așa cum ni s-a promis.
Eric Siegel susține că, în fapt, inteligența artificială predictivă deține de fapt întregul potențial transformator care ni s-a garantat odată cu IA generativă și modelele de limbaj mari (LLM), care au devenit tot mai populare. În timp ce IA generativă funcționează la un nivel scăzut de detaliu și nu poate fi de încredere în totalitate, IA predictivă este complet autonomă și poate fi implementată într-o gamă largă de industrii.
Iată de ce Siegel crede că adevăratul potențial stă în modelarea predictivă și de ce nu vom replica inteligența umană în mașini prea curând:
„Sunt Eric Siegel. Sunt co-fondator și CEO al Goodr AI, fondatorul seriei de conferințe „Machine Learning Week” și autorul cărții „The AI Playbook: Mastering the Rare Art of Machine Learning Deployment”.
Am devenit fascinat de conceptul de inteligență artificială când eram copil, la sfârșitul anilor '70 și începutul anilor '80. Educația mea m-a condus în cele din urmă către învățarea automată și sunt în acest domeniu din 1991.
Am fost oarecum semi-îngrozit de exagerările legate de inteligența artificială timp de câteva decenii, iar în ultimii ani a devenit mult mai rău din cauza inteligenței artificiale generative. Aceasta va alimenta acea frenezie pentru că pare atât de asemănătoare cu un om.
INTELIGENȚA ARTIFICIALĂ GENERATIVĂ
IA generativă, ceva de genul ChatGPT, un model de limbaj mare, este capabilă să comunice despre orice subiect și adesea oferă răspunsuri care par să înțeleagă ce spui. Recunosc că, la un anumit nivel, a deprins înțelegerea și semnificația cuvintelor, frazelor, propozițiilor și paragrafelor. Dar cred că diferența dintre ceea ce poate face și ceea ce pot face oamenii va deveni tot mai evidentă.
AI generativă este corectă doar ca efect secundar. Când oamenii spun „halucinează”, se referă la faptul că „inventează lucruri”. Ceea ce mă impresionează este că, de fapt, reușește să obțină lucruri corecte uneori, pentru că funcționează la un nivel scăzut de detaliu, la nivelul fiecărui cuvânt, ceea ce duce la acea capacitate aparent asemănătoare cu cea umană.
Există o mare diferență între acea capacitate impresionantă și valoarea potențială. Este cu siguranță valoroasă pentru redactarea primelor schițe. Așadar, va produce un prim draft al unei scrisori pe care trebuie să o scrii sau al unui program de învățământ sau ceva de genul acesta. Dar nu poți avea încredere în ea orbește. Trebuie să corectezi tot ceea ce îți oferă. Acest lucru, într-un fel, o face mai puțin autonomă.
Scopul principal al calculatoarelor este să automatizeze, nu-i așa? Ele fac lucrurile foarte repede. Și în măsura în care putem avea suficientă încredere în ele pentru a face lucruri automat, aceasta ajută în cele din urmă economia. Ajută la eficiența lumii.
INTELIGENȚA ARTIFICIALĂ PREDICTIVĂ
IA predictivă este tehnologia către care te îndrepți atunci când vrei să îmbunătățești activități de mare întindere.
IA predictivă are potențialul de a fi autonomă. Așadar, IA predictivă este tehnologia care învață din date pentru a prezice, în scopul de a îmbunătăți oricare dintre milioanele de decizii care compun operațiunile la scară largă ale întreprinderilor. Acestea sunt lucrurile care fac lumea să funcționeze.
Așadar, prezice cine va cumpăra pentru a decide pe cine să contactezi cu marketingul, care tranzacție este cel mai probabil să fie frauduloasă pentru a decide ce tranzacții să blochezi sau să auditezi, care roată de tren este cel mai probabil să cedeze pentru a decide pe care să o inspectezi.
Nu e vorba doar de roțile de tren. Departamentul de pompieri din New York face asta pentru a prezice care clădiri sunt cele mai expuse riscului de incendiu, pentru a tria și prioritiza inspecțiile.
În sistemul sanitar se poate stabili care pacient ar trebui să fie reevaluat înainte de externare pentru că se prevede că este foarte probabil să fie re-internat în spital.
Toate aceste aplicații predictive sunt o formă de prioritizare sau triere, iar computerul ia aceste decizii în mod sistematic, iar și iar, foarte rapid, complet autonom.
Așadar, avem date. Le oferim învățării automate (vezi aici ce este învățarea automată), care este tehnologia de bază. Aceasta generează modele care prezic, iar acele predicții îmbunătățesc toate operațiunile de mare amploare pe care le desfășurăm.
IA predictivă este atât de aplicabilă în diverse industrii.
Să luăm industria livrărilor. UPS este una dintre cele mai mari trei companii de livrare din Statele Unite și a optimizat eficiența livrărilor prezicând livrările de mâine. Acest lucru face o diferență atât de mare, încât, în combinație cu un alt sistem care prescrie traseele de conducere, UPS se bucură în prezent de economii de 350 de milioane de dolari pe an, reducând emisiile cu sute de mii de tone metrice.
Iată cum funcționează. Când trebuie să înceapă planificarea și apoi încărcarea camioanelor la sfârșitul după-amiezii sau începutul serii, astfel încât să fie gata a doua zi dimineață, informațiile sunt incomplete. Nu știu despre unele dintre pachetele care urmează să fie primite mai târziu în acea noapte. Ca urmare, completează informațiile cunoscute, adică deja au un număr mare de pachete la dispoziție, despre care știu că trebuie să fie livrate a doua zi dimineață pentru livrarea finală. Și completează acele informații cu livrări probabile, aplicând un model predictiv pentru fiecare potențială adresă de livrare și spunând: „Hei, care sunt șansele să fie o livrare acolo mâine?”.
Acum au o imagine mai bună a tuturor livrărilor necesare pentru mâine. Pot face o treabă mai bună în planificarea și încărcarea pachetelor peste noapte, astfel încât, când camioanele pleacă dimineața, să aibă trasee relativ optime care să nu implice prea mulți kilometri de condus, prea multă benzină sau prea mult timp al șoferilor.
Unele dintre aceste predicții vor fi greșite, dar sunt suficient de încrezători că rezultatul utilizării datelor existente depășesc incertitudinea.
Acesta este ceea ce trebuie să faci dacă vrei să îmbunătățești operațiunile existente la scară largă. Trebuie să lucrezi cu probabilități. Să atribui un număr. Cât de probabil este acest rezultat?
Iată un aspect important. Nu contează cât de bun este calculul, dacă nu acționezi pe baza lui. Nu este intrinsec valoros. Valoarea vine doar dacă îl implementezi efectiv și schimbi operațiunile existente.
Avem această capacitate incredibilă, aparent asemănătoare cu cea umană, a IA generative, care, într-un anumit sens, cred că este cel mai uimitor lucru pe care l-am văzut vreodată.
Dar la baza entuziasmului stă ideea că ne îndreptăm constant și am putea fi foarte aproape de inteligența artificială generală - IAG, care este un computer capabil să facă orice poate face o persoană. Este acest sentiment că un computer, cumva, prinde viață, ca în romanul „Frankenstein”, pe care îl vedem iar și iar în filmele science-fiction.
În lumea reală, nu cred că vom ajunge la computere care să simuleze pe deplin oamenii prea curând sau că facem progrese active în această direcție. Există însă așteptări greșit gestionate și exagerări. Antidotul pentru exagerare este simplu. Concentrează-te pe valoarea concretă. Descoperă dacă folosești IA generativă sau IA predictivă. Determină un caz de utilizare concret, credibil, despre modul exact în care această tehnologie va îmbunătăți un tip de operațiune în întreprindere și aduce valoare.
Dacă vrei doar să explorezi cât de aproape este de mintea umană și de ce crezi că ar putea ajunge acolo, asta e o conversație filozofică și e grozav. Dar dacă vorbești despre îmbunătățirea eficienței operațiunilor care fac lumea să funcționeze, cred că ar trebui să fim mult mai practici și mai puțin visători.”
