Postul Consiliului De ce suntem încă departe de o societate bazată pe AI
Post scris de
CEO și fondator al Qulix Systems, o companie de dezvoltare software care își prestează serviciile la nivel global de peste 19 ani.
De ce inteligența artificială nu își poate găsi drumul în toate, peste tot? Aceasta este întrebarea pe care ne-o punem de ceva timp. Filmele care acoperă ascensiunea inteligenței artificiale împotriva umanității sunt prezente de ceva vreme, dar până acum vedem că până și cele mai modeste predicții ale futuristilor sunt la câțiva kilometri distanță de realitatea în care trăim. Cum se face?
Folosind ani de experiență personală conducând organizația mea de servicii software, am încercat să-mi dau seama de ce și am întocmit propria mea listă de obstacole majore în calea implementării AI și aș împărtăși cu plăcere câteva cu dvs.
Probleme cu calitatea datelor
Datele fiind principalul combustibil pentru dezvoltarea AI, nu este de mirare că calitatea sa definește succesul eforturilor AI. Toată lumea știe că sistemul pe care îl construiești este la fel de bun ca datele cu care îl hrănești. Acest lucru este crucial în special atunci când datele necesare ar trebui extrase de la oameni, uneori în mod manual și nu automat de către mașini sau senzori.
Pot, de asemenea, să spun că, din cauza anumitor restricții de date, de multe ori trebuie să ne ocupăm de date insuficiente sau deloc de date relevante. Poate fi cauzată de simple probleme de confidențialitate, deoarece nu putem împărtăși toate informațiile pe care le avem la dispoziție fără a încălca legea. Un alt punct aici este că AI este alimentată cu orice fel de date și, dacă nu reflectă întreaga imagine sau o arată dintr-un punct de vedere, avem condiții prealabile false.
Să luăm, de exemplu, aplicația medicală a inteligenței artificiale. Ați putea spune că s-ar putea să putem dezvolta vaccinuri și remedii pentru toate bolile la o rată mult mai rapidă sau mai precisă dacă toate datele introduse în sisteme au fost corecte și complete. Dar ne confruntăm adesea cu informații părtinitoare, deoarece persoanele care alimentează date către mașini sau algoritmi de instruire pot alimenta în mod accidental date părtinitoare sau pot crea „probleme slab definite”. La rândul său, acest lucru duce la analiza a doar jumătate din imagine, în timp ce restul este lăsat acoperit de ceață.