مشکل هوش مصنوعی: این شما نیستید، بلکه داده است


هوش مصنوعی دستی روی برد مدار روشن

شاتر استاک

شرکت ها میلیاردها دلار را روی میز می گذارند زیرا نمی توانند داده های خود را با هم جمع کنند. اگر می‌خواهند از طریق ابتکارات مبتنی بر داده‌ها مانند هوش مصنوعی در دستیابی به ارزش موفق شوند، باید داده‌های پشتیبان را که این سیستم‌ها را تغذیه می‌کنند، تراز کرده و پشتیبانی کنند.

این خلاصه آخرین تحقیقات است، بر اساس نظرسنجی از 2500 مدیر اجرایی و منتشر شده توسط موسسه دانش اینفوسیس، که تخمین می زند که شرکت ها در مجموع می توانند بیش از 460 میلیارد دلار سود افزایشی ایجاد کنند اگر مردم بتوانند منابع داده خود را کمی بهتر مدیریت کنند.

این شامل بهبود شیوه‌های داده، اعتماد بیشتر به هوش مصنوعی پیشرفته و ادغام دقیق‌تر هوش مصنوعی با عملیات تجاری است. ارزش کسب و کار هنوز مبهم است.

همچنین: 8 راه برای کاهش فرسودگی هوش مصنوعی

این نظرسنجی سه مانع را برای اجرای موثر هوش مصنوعی شناسایی کرد: فقدان یک استراتژی داده منسجم و متمرکز، تأیید ضعیف داده ها و فقدان زیرساخت مناسب. اکثر شرکت ها یک استراتژی مدیریت داده ثابت ندارند.

پاسخ دهندگان می خواهند داده ها را به صورت متمرکز مدیریت کنند، اما این کاری نیست که اکثرا در حال حاضر انجام می دهند. تجزیه و تحلیل نتایج نظرسنجی «نشان می‌دهد که مدیریت متمرکز داده‌ها با رشد بهتر سود و درآمد مرتبط است. ۲۶ درصد از پاسخ‌دهندگان در حال حاضر رویکرد متمرکز دارند؛ ۴۹ درصد مایلند تا سال آینده این رویکرد را اتخاذ کنند.

نویسندگان این مطالعه، چاد وات و جف کاوانا، هر دو با مؤسسه Infosys، تأکید می‌کنند: «داده‌ها روغن جدید نیستند». کسب‌وکارها دیگر نمی‌توانند داده‌های خود را به‌عنوان نفتی تصور کنند که با تلاش زیاد استخراج می‌شود و تنها زمانی ارزشمند است که پالایش شود.»

داده‌های امروزی بیشتر شبیه ارز هستند: “وقتی گردش می‌کند ارزش پیدا می‌کند. شرکت‌هایی که داده‌ها را وارد می‌کنند و داده‌های خود را به طور گسترده‌تر به اشتراک می‌گذارند، به نتایج مالی بهتری دست می‌یابند و پیشرفت بیشتری در جهت ایده‌پردازی هوش مصنوعی در مقیاس سازمانی نشان می‌دهند – هدفی حیاتی برای سه نفر از چهار. وات و کاوانا می‌گوید شرکت‌های حاضر در این نظرسنجی.

همچنین: افرادی که هوش مصنوعی می سازند، کسانی هستند که بیش از همه به هوش مصنوعی نیاز دارند

موفقیت ارز به اعتماد بستگی دارد و این در مورد داده ها نیز صدق می کند. نویسندگان می گویند: «هوش مصنوعی پیشرفته نیاز به اعتماد دارد. به مدیریت داده‌های خود و دیگران اعتماد کنید و به مدل‌های هوش مصنوعی اعتماد کنید. داده‌های بکر و مدل‌های هوش مصنوعی کاملاً برنامه‌ریزی شده هیچ معنایی ندارند، اگر انسان‌ها به داده‌ها و هوش مصنوعی تولید شده اعتماد نداشته باشند و از آن استفاده نکنند.»

این نظرسنجی نشان می‌دهد شرکت‌هایی که داده‌های درون و بیرون سازمان خود را به اشتراک می‌گذارند، به احتمال زیاد درآمد بیشتری دارند و بهتر از هوش مصنوعی استفاده می‌کنند. “به روز رسانی اطلاعات نزدیک به زمان واقعی نیز با افزایش سود و درآمد مرتبط است.”

یکی دیگر از قیاس‌های ضد نفتی که نویسندگان این مطالعه بیان کردند این است که داده‌ها بیشتر شبیه انرژی هسته‌ای هستند تا سوخت‌های فسیلی. “داده‌ها با پتانسیل غنی شده‌اند، نیاز به رسیدگی ویژه دارند و در صورت از دست دادن کنترل خطرناک هستند. داده‌های قرن بیست و یکم نیمه عمر طولانی دارند. زمان استفاده اگر، مکان استفاده و نحوه کنترل آن‌ها به همان اندازه حیاتی است. کجا بگذارمش.”

این نظرسنجی نشان می دهد که بیشتر کسب و کارها با هوش مصنوعی تازه کار هستند. بیش از 8 شرکت از هر 10 شرکت، 81 درصد، تنها اولین سیستم هوش مصنوعی واقعی خود را در چهار سال گذشته و 50 درصد در دو سال گذشته به کار گرفته اند. علاوه بر این، 63 درصد از مدل‌های هوش مصنوعی تنها با قابلیت‌های اولیه کار می‌کنند و توسط انسان هدایت می‌شوند. آنها اغلب در تأیید داده ها، شیوه های داده و استراتژی های داده کوتاهی می کنند. تنها 26 درصد از تمرین‌کنندگان از داده‌ها و ابزارهای هوش مصنوعی خود بسیار راضی هستند. نویسندگان این نظرسنجی می‌گویند: «علی‌رغم آهنگ آژیر هوش مصنوعی، چیزی به وضوح گم شده است.

همچنین: هدف واقعی هوش مصنوعی ممکن است دیگر هوش نباشد

نویسندگان این نظرسنجی شرکت هایی با عملکرد بالا را شناسایی کردند که تمایل دارند در سه زمینه تمرکز زیادی داشته باشند:

  • آنها مدیریت داده را به اشتراک داده تبدیل می کنند. وات و کاوانا می‌گویند: «شرکت‌هایی که از اقتصاد اشتراک‌گذاری داده استقبال می‌کنند، ارزش بیشتری از داده‌های خود تولید می‌کنند. ارزش داده‌ها زمانی افزایش می‌یابد که مانند ارز رفتار شود و از طریق مدل‌های مدیریت داده‌های هاب و اسپیک در گردش باشد. شرکت‌هایی که داده‌ها را با تأخیر کم تازه‌سازی می‌کنند، سود، درآمد و معیارهای ذهنی ارزش بیشتری تولید می‌کنند.»
  • آنها از انطباق داده ها به اعتماد داده ها حرکت کرده اند. شرکت‌هایی که از هوش مصنوعی خود بسیار راضی هستند (در حال حاضر تنها 21 درصد) روش‌های داده‌ای قابل اعتماد، اخلاقی و مسئولانه دارند. این پیش‌نیازها با چالش‌های راستی‌آزمایی داده‌ها و سوگیری مقابله می‌کنند، اعتماد ایجاد می‌کنند و متخصصان را قادر می‌سازند از یادگیری عمیق و سایر الگوریتم‌های پیشرفته استفاده کنند.»
  • آنها همه را درگیر فرآیند هوش مصنوعی می کنند. “تیم هوش مصنوعی را فراتر از دانشمندان داده گسترش دهید. مشاغلی که علم داده را برای الزامات عملی به کار می برند، ارزش ایجاد می کنند. رهبران کسب و کار به اندازه دانشمندان داده اهمیت دارند. تیم های خوب هوش مصنوعی معمولاً شامل چندین رشته هستند. “تأیید داده ها بزرگترین چالش برای حرکت به جلو است. زیرساخت هوش مصنوعی و منابع محاسباتی


منبع: https://www.zdnet.com/article/the-problem-with-ai-its-not-you-its-the-data/#ftag=RSSbaffb68