AI有1%的问题

专为互联网人打造的365天成长计划,500门视频课程随便看,构建你的产品、运营知识体系。查看详情
人们过度神话了AI,认为他无处不在,但现实并非如此。
现在关于人工智能有大量报道,有的认为人工智能有益,也有人担忧人工智能会对人体有害。Databricks公司联合创始人兼CEO Ali Ghodsi 要大家保持克制。Databricks来自加州大学伯克利分校AMPLab实验室,致力于ApacheSpark的开发。 Ali Ghodsi说为他们公司500名客户提供的服务中有73%基于AI。但是有相当一部分企业努力地利用AI,同时也有一些夸张的声音认为AI会统治世界,极具危险性等等。 Ali Ghodsi说“我们实际接触了财富2000强的企业时,他们希望解决和预测问题,他们表现的态度和媒体的报道有巨大的差别”

AI的1%问题

Ghodsi认为每个人都希望参与到AI之中,并且都认识到其中蕴含巨大的潜力。企业高管谈到保持企业竞争力的五大要素时,AI一定是其中之一。人们过度神话了AI,认为他无处不在,但现实并非如此。 AI实际上存在1%的问题,谷歌,亚马逊这样的大公司他们有丰富的资金、人才,并且可以获得名校的研究资源,他们可能获得成功。他们聚焦于具体的领域,如无人驾驶,提高广告点击等,而其他的公司面临其余99%的问题时,缺乏资源,难以下手

早期应用

AI早期应用中IT和医疗是两个突出的领域。企业从传感器收集数据并回传给Databricks,通过数据预测石油位置,这样他们可以提高工作效率和改进对环境的影响。医疗行业中,AI被用来帮助识别图像中的肿瘤。在这些领域,不仅需要数据科学家、数据工程师,也需要行业专家(可能他们不是很了解AI,数据系统,数仓)。 就AI识别肿瘤而言,应用还未完全安全自动化,高德西说,谷歌工程师能开发出区分猫和狗的AI技术,即使出错了也无伤大雅,但是在肿瘤识别上,如果出错将是很严重的事情,容错率很低。

如何扩大AI的使用

如果要让AI得以更大使用,首先要解决三个问题,Ghodsi这样认为: 技能差距:首先,需要行业专家,Ghodsi以癌症诊断为例,你不仅需要医生,也需要了解机器学习软件的数据科学家来建立预测模型,也需要懂数仓的数据工程师,他们知道在哪里存储数据如何处理大数据多样性,快速响应和其他问题。在充满政治色彩、关系到管理和权力的氛围中,让所有这些不同的角色协同工作,这不是件容易的事。 工具很多:现在有相当多的工具需要整合,其中有些是开源的工具。这些工具包括数据清洗、摄取、安全、预测和监控。要让这些工具有效地在整合,公司需要雇佣工程师将这些软件整合起来。 基础设施:Ghodsi眼中的第三个挑战是指对基础设施的运营,让机器和设施安全运转,数据处于监控,一旦发生黑客入侵或数据泄露都会让公司面临严重的后果 云是关键: 在踏上AI之旅时,这些是需要尽早解决的三个问题。为了解决它们,需要工具来实现协作、系统整合以及通过云加强基础设施的一致性和可用性。 工具协作:多角色(工种)的工具协作,是解决技能差距的最好办法。 技术整合:需要将技术整合起来,更好的协作,才可进行数据清洗,将数据转换成数学格式用以预测,增加更多数据,建立预测模型,并实现软件自动化。预测结果的好坏在于是否能为原始数据添加更多丰富的数据类型。 云:,Ghodsi认为想要确保基础设施始终运行良好,云是很好的解决之道。云能带来自动化、外包和确保基础设施始终运行良好的能力。在AI方面取得成功的那1%的企业都是云公司。这也许是巧合,但在AI方面真正取得成功的谷歌、Facebook、亚马逊和其他公司都是云公司。他说:“我们认为,重要的区别就在于此。”

什么是AI,什么不是AI

在AI真正得以广泛运用之前,人类还有很长的路要走,目前AI研究并不关注如何取代人,现在AI实际上是人类的补充帮助人们去更好地完成工作。 谷歌拥有世界各地所有网站的大量信息。它是AI,还是一个仅仅拥有很多信息的数据库?但毫无疑问,AI使人类能够非常高效地查找信息,因为没人可以在自己的电脑上存储所有那些数据,并识别所需信息的来源。如果你有一幅地图,想找出两点之间的最近路线,软件可以很好地做到这一点。但Ghodsi说,在需要创造力的事情上,AI技术目前成效并不乐观。 谷歌的AlphaGo之所以能战胜人类围棋冠军,是因为它进行模拟的速度比人脑更快。如果你让AlphaGo对围棋比赛进行复盘,指出使它在比赛中取胜的关键落子,它就无能为力了。而人类可以大谈特谈他们迂回曲折的决策过程。AlphaGo只不过是运行一系列程序算法来模拟场景,从中找出最优解。它真的能取代人类吗?显然不行。

结论

Ghodsi说“我不认为AI从本质上对人类有害”,AI没有减少可供人类使用的资源,比如食物、教育和医疗。但是在AI可以被广泛使用之前,他相信我们需要解决三大问题:技术差距,工具协作,基础设施的建设 哪些基因引起某些疾病这样的问题实际上很难回答,但人人都说他们正在取得“巨大进展”,“没人会说‘这相当困难,充满挑战性。Ghodsi认为另一问题是对AI的过度宣传和解读,使得人们夸大了威胁而忽视了AI的价值。 Databricks的目标就是尽可能地简化AI,让它可以被大公司以外那99%的企业可以使用,实现“AI民主化”,帮助那些不如谷歌们资源雄厚的公司利用AI技术 原文链接:http://www.dbta.com/Editorial/News-Flashes/Artificial-Intelligence-Has-a-1-percent-Problem-119827.aspx

#专栏作家#

肥寒,微信公众号:chanpingdog,人人都是产品经理专栏作家。九年产品经理。做过数字阅读,电商,社区,目前致力于在线教育。 本文由 @肥寒 翻译发布于人人都是产品经理。未经许可,禁止转载。 题图来自 unsplash,基于 CC0 协议
打赏也是一种认可
4人打赏
评论
有话不说憋着难受!
钱柜娱乐777