コンテンツ
出典：チャールズ・テイラー/ iStockphoto
取り除く：
人工知能についての誇大広告がたくさんありますが、それはどれだけ知性ですか？
人工知能は企業界で非常に注目を集めているため、ますます複雑化するデータエコシステムへのすべての答えを提供すると考えて多くのITリーダーが言い訳できるほどです。しかし、既存の技術に多くの有意義な改善を行う可能性は確かにありますが、その有効性を取り巻く期待のいくつかは誇張されていると言っても過言ではありません。
実際、AIが何であるか、それが実際にどのように機能するか、実際に何ができるかについては、ほとんど理解されていません。そして、これは、企業におけるその役割と、既存のインフラストラクチャとそれを運用する人間との関係を取り巻く幅広い誤解を招いています。
誇大広告サイクルのAI
Gartnerの最新のHype Cycleによると、ディープラーニング、機械学習、認知コンピューティングなどの主要なAIサブセットは、Peak Inflated Expectations曲線の最上位にあります。つまり、幻滅の谷への長い滑り込みの頂点にいます。これは過去30年間のほぼすべての破壊的なテクノロジーのコースに匹敵しますが、主に管理されたラボテストから派生した、企業におけるAIの予想される影響が現実に真っ逆さまになりつつあるという事実を指摘しています実稼働環境の（Ada LovelaceからDeep Learningへのコンピューティングイノベーションの歴史をご覧ください。）
それでも、ガートナーの研究者であるマイク・ウォーカーは、高度な計算能力の組み合わせによりAIが今後10年間でユビキタスになることを期待しており、それがニューラルネットワークなどの構成要素の開発につながり、エンタープライズデータの負荷が非常に膨大になったという単なる事実につながっていますまた、非常に複雑なため、人間のオペレーターは自分で対処することはできません。
企業がAIについて最初に理解する必要があることの1つは、「知能」という用語で高速かつ緩やかに動作することです。スイスの神経科学者Pascal Kaufmannが最近ZDnetに説明したように、コンピューターアルゴリズムと人間の脳の方法には大きな違いがあります結論に到達するためのプロセス情報。十分な処理能力があれば、コンピューターアルゴリズムは数百万、数十億、場合によっては数兆のデータセットを比較して、猫の画像が本当に猫の画像であるかなどの簡単な判断を下すことができます。しかし、ごくわずかなデータを与えられた小さな子供でさえ、それが猫であると本能的に判断することができ、猫が何であるか、そしてそれがどのように見えるかを知った後、永遠になります。
この標準によって、職場でのAIの代表例（Google DeepMindのAlphaGoによる戦略ゲームGoの習得）でさえ、実際の人工知能ではなく、ルールベースのアプローチを合理化できるビッグデータ、分析、自動化の断面でした勝利へ。興味深いことに、Kaufmann氏は、AlphaGoが勝つためにいかさまをする方法を見つけた場合、人工知能の真の例になると付け加えています。ただし、これを行うには、科学はまず、情報を処理し、知識を取得し、記憶を保存する能力を強化する「脳のコード」を解読する必要があります。 （Automation：The Future of Data Science and Machine Learningで自動化の詳細をご覧ください？）
これまでのところ、あまり良くない
実際、AIがすべての人の仕事を奪おうとしているのではないかという懸念にもかかわらず、これまでの結果はほとんどコミカルです。ジョージR.R.マーチンの「ゲームオブスローンズ」のファンは、シリーズの次の記事に非常に苛立ち、リカレントニューラルネットワークと呼ばれるAIの形で書かれたほぼ純粋なゴブルディグックの章に多くの人が押し寄せました。一方、IBMは、ワトソンが診断と治療の新しい時代を切り開くと言われた腫瘍学研究者からの非難を取っているが、その代わりに、癌の基本的な形態を区別するためにまだ苦労している。この実績により、AIが一般的な企業に初めて導入されたときは、AIが犯すすべてのミスを追跡および監視するためだけに、人間のオペレーターがより多くの労力を必要とする可能性があります。
バグやストレスなし-あなたの人生を破壊することなく人生を変えるソフトウェアを作成するためのステップバイステップガイド
誰もソフトウェアの品質に関心がない場合、プログラミングスキルを向上させることはできません。
しかし、ここにこだわる：AIは時間をかけて再プログラミングすることなく良くなるでしょう。 Cornell Techの研究者Daniel Huttenlockerが最近Tech Crunchに語ったように、AIは人間のオペレーターよりも従来のソフトウェア、およびそれが必要とするすべての厄介なパッチ、更新、修正に取って代わる傾向があります。これは、AIをプログラムする必要がないという意味ではありませんが、アプローチが大幅に簡素化されていることを意味します。今日のソフトウェアでは、プログラマは解決すべきタスクだけでなく、それを解決する正確な手順を定義する必要があります。 AIを使用する場合、必要なのは目標だけであり、ソフトウェアは、適切なデータがあれば、残りを処理できる必要があります。
データのすべてのヒンジ
結局のところ、AIは単なるアルゴリズムであり、アルゴリズムは供給されたデータと同程度にしか優れていないため、この最後のポイントは重要です。これは、適切なAI運用フレームワークを構築することに加えて、企業はかなり活発なデータ調整環境を確立して、分析結果が正確な情報に基づいて行われるようにする必要があることを意味します.ActiveCampaign CEO Jason VandeBoomは最近Forbesに語ったように、 「ガベージインイコールガベージアウト」のルールが引き続き適用されるため、組織がAI投資の真のメリットを理解するまでにはしばらく時間がかかる可能性があります。
これらすべてを考慮すると、企業は、AIがビッグデータとIoTの新たな課題に迅速に対処することを期待すべきではありません。人間と機械の両方の学習曲線は非常に長くなる可能性が高く、結果は良くても不確かです。
しかし、すべてが計画どおりに機能する場合、企業とナレッジワーカーの両方が長期的に大きなメリットを享受するはずです。現時点でプロセスの速度を低下させている、最も日常的で退屈で時間のかかるタスクを考えてみてください。