عمودی شدن عمیق هوش مصنوعی: بدون گلوله نقره ای


ممکن است به نظر برسد که هوش مصنوعی در شرایط مناسب معجزه می کند ، اما راه حل برای همه مشکلات نیست.

در حدود دهه 1950 ، هوش مصنوعی طی دهه گذشته از شکوفایی جدیدی برخوردار شد. هم در واقعیت و هم در شعار ، هوش مصنوعی به عنوان یک موضوع اصلی در بحث فناوری تجارت ظاهر شده است و توسط بسیاری به عنوان یک گلوله نقره ای و به عنوان یک خطر وجودی برای سازمان های تجاری و جامعه به طور کلی دیده می شود. در بحث هوش مصنوعی از هر طرف که باشید ، هیچ تجزیه و تحلیل و کنترل بیش از حد نیست. بدترین چیزی که می تواند ناشی از این تمرکز مهم باشد ، محصولات ، خدمات و فرآیندهای بهتر است. در هر صورت ، فناوری و رهبری تجاری باید در کنار هم قرار بگیرند تا به هوش مصنوعی اجازه دهد به نتیجه ای برسد که سرمایه گذاری انجام شده را توجیه کند.

اعتبار: Kaikoro از طریق Adobe Stock

اعتبار: Kaikoro از طریق Adobe Stock

هیئت منصفه هنوز نگران اجرای هوش مصنوعی برای تجارت نیست. اگرچه پیشرفت چشمگیری داشته است ، اما بسیاری از وعده های دروغ و پیش بینی های هذلولی ، هرگز محقق نشده است. همانطور که یک سرمایه گذار مشهور گفت: “شما به ما قول ماشین های پرنده را داده اید ، اما 140 حرف را به ما داده اید.”

در واقع ، تمایز بین هوش مصنوعی “واقعی” و “بلاغی” نه تنها در دره سیلیکون ، بلکه در کل صنعت به یک پیش شرط موفقیت تبدیل شده است. ادعاهای سخت می توانند از یک شرکت بودجه دریافت کنند – شاید ، اما نمی توانند منجر به ارزش واقعی شوند. از هر CIO در مورد عدم تطابق تاریخی قول و واقعیت در فناوری س Askال کنید ، خواهید دید که هوش مصنوعی تفاوتی ندارد.

خواه یک روش عمودی یا افقی در نظر گرفته شود ، می توان به سرعت کاستی ها را تشخیص داد. به عنوان مثال ، منطقه فروش افقی را در نظر بگیرید. در اینجا ادعاهای هوش مصنوعی بی شماری برای جستجوی بهتر هوش مصنوعی وجود دارد تا “مشتری خود را بشناسید”. شرکت هایی که حتی به سختی توانایی یک مهندس ، دانشمند یا خالق داده های خوب را دارند ، در زمینه فروش هوش مصنوعی نقاط بازاریابی ایجاد می کنند. چنین تصوراتی بسیار خوب تصور می شود که در محافل معقول و معتبر قابل اعتبار باشد. از نظر عمودی ، منطقه سرمایه گذاری را در نظر بگیرید. می توان تعداد شرکت هایی را که ادعا می کنند از AI برای ایجاد سیگنال های تجاری به صدها استفاده می کنند ، شمرد.

از نظر عمودی سازی عمیق ، رویکرد زمینه محور که سازمانهای موفق به آن نیاز دارند ، مشکلات هر روز پررنگتر می شوند. راه حل ها نیاز به پیوند واضحی بین تیم و تیم های مدیریت کسب و کار دارند ، اما باید در سازمان نیز دموکراتیک شوند. در اینجا برخی از مناطق را به خاطر داشته باشید:

1. زمینه تجارت – نمی توان هوش مصنوعی را در خلا “تحویل” داد. در صورت عدم وجود دانش عمیق عمیق ، بعید است که کامپیوترها را برای درک مدلهای مربوطه یا پردازش داده های مربوطه در زمینه مورد نیاز آموزش دهیم. پولاک سینها ، مدیرعامل پلت فرم داده مدیریت دارایی فلفل ، این نکته را صریح بیان کرد: موفقیت. این پارامتر فقط یک فیل در اتاق است که نمی تواند آن را پنهان کند. “

2. داده ها ، داده ها ، داده ها – هوش مصنوعی زمانی اتفاق می افتد که رایانه ها مجموعه داده های یادگیری بزرگی دارند که می توانند الگوهای الهی را درک کرده و سپس برون یابی کنند. چنین مجموعه داده هایی ممکن است در عمودهای پیچیده خاصی وجود نداشته باشد. در زمینه بارور بینایی رایانه ، همانند املاک و مستغلات ، این مجموعه داده ها هنگام صحبت ما شکل می گیرند. همانطور که مالکوم کانون ، مدیر عامل Quantarium می گوید ، “معجزه را فقط می توان با دید کامپیوتر با اطلاعات کافی انجام داد. اما کلمه کلیدی کافی است. زیر یک آستانه خاص ، شرکت ها می توانند هر چیزی را که می خواهند ادعا کنند ، اما قادر به ارائه ارزش نیستند. “

3. زمان – تصمیمات تجاری به موقع گره خورده اند. آنها باید در یک پنجره خاص ساخته شوند تا موثر واقع شوند. برای اینکه هوش مصنوعی به نتایج طولانی مدت دست یابد ، باید به جای جذب مداوم منابع داده جدید ، حتی بصورت راهنمای اساسی برای پشتیبانی از راه حل ها ، بینشی ارائه دهد که بتوان در این پنجره عمل کرد. یکی از معامله گران برجسته سهام با اشاره به کنایه مسئله را برجسته می کند: ”هرکسی می تواند از پشت یک تاجر عالی باشد. من دقیقاً می دانم دیروز چه کاری باید انجام دهم. چگونه می توانید به من کمک کنید تا بفهمم امروز و فردا چه کاری باید انجام دهم؟ “

4. فرهنگ – فرهنگ تصمیم گیری و سرمایه گذاری یک سازمان تعیین می کند که آیا هوش مصنوعی می تواند به سازمان ها در جهت پیشرفت کمک کند. در برخی از عمودی ها ، فرهنگ کاهش خطر با راه حل های سریع مخالف است ، که به نوبه خود نشان می دهد موتورهای هوش مصنوعی باید در زمینه های مختلف آموزش ببینند تا در صنایع انعطاف پذیر. در بخشهای با معاملات بالا ، هوش مصنوعی می تواند بر تصمیم گیری کوتاه مدت تمرکز کند ، در حالی که در بخشهای معاملاتی بلند مدت و کم ، هوش مصنوعی باید روی سوالات کلان بزرگتری متمرکز باشد که بتوان در سالهای آینده به آنها پاسخ داد. همانطور که جرمی مک کارتی ، مدیرعامل Valligent Technologies گفت: “ممکن است فناوری صحیح با فرهنگ غلط وجود نداشته باشد.”

مناطق بی شماری دیگر وجود دارد که عمودی شدن هوش مصنوعی به آنها بستگی دارد ، اما این چهار مورد اصلی هستند.

همه اینها گفت که عمودی شدن هوش مصنوعی خدمات مالی ، بهداشت ، تولید و بسیاری دیگر از اهداف عمیق را تحت تأثیر قرار داده است. و با این حال بارورترین زمان ها در پیش است. برای موفقیت ، سازمان ها باید توصیه هایی را که در اینجا پیشنهاد داده ایم ، در نظر بگیرند. آنها همچنین باید این تصور را که هوش مصنوعی یا هر فناوری یا فرآیند دیگری یک گلوله نقره ای است کنار بگذارند.

زمینه مهم است. داده مهم است. زمان و فرهنگ اهمیت دارد.

وقتی این موضوع فهمیده شود ، می توان پیشرفت عظیمی حاصل کرد. این امر مستلزم همکاری روشن بین فن آوری و رهبران تجاری و علاوه بر این اخراج هرگونه مفهوم “گلوله های نقره ای” است.

مطالب مرتبط:

رهبران IT شرکت در دو مسیر دستیابی به هوش مصنوعی قرار دارند

طیف تصویب هوش مصنوعی: آیا می خواهید لوازم خود را آماده کنید؟

AI عمودی رنگ مشکی جدید است

رومی ماهاجان یک تاجر ، نویسنده و سرمایه گذار است و به عنوان CMRO کوانتوم خدمت می کند. او یک دهه را در مایکروسافت گذراند و تمرکز خود را بر ایجاد روابط با شرکت و جامعه فناوری اطلاعات گذاشت. رومی با بیش از 30 شرکت فناوری مشاوره کرده است ، 500 مقاله نوشته است … بیوگرافی کامل را ببینید

ما از نظرات شما در مورد این موضوع در کانال های رسانه های اجتماعی خود استقبال می کنیم ، یا [contact us directly] با س questionsالات در مورد سایت.

مقالات بیشتر




منبع: tasiveh-news.ir

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>