Künstliche Intelligenz: Die Lücke zwischen Versprechen und Praxis - Technik - 2020

Inhaltsverzeichnis:

Anonim

Eine echte KI-Revolution kann nicht ohne eine Neugestaltung der Funktionsweise von Unternehmensorganisationen stattfinden

Jeden Tag lesen wir von einem neuen Bereich, in dem künstliche Intelligenz die Fähigkeiten menschlicher Experten für eine klar definierte Aufgabe erreicht oder übertroffen hat. Neben den viel beachteten Erfolgen von Go- und Poker-spielenden KI-Agenten haben Maschinen bei komplexen Aufgaben in der realen Welt wie der Interpretation von Röntgenbildern und der Beurteilung des Krebsrisikos von dermatologischen Läsionen Überlegenheit gezeigt. Die Kombination aus billiger Rechenleistung und Speicher, angeschlossenen Geräten, umfangreichen Daten und dem Fortschritt beim Algorithmus-Design führt zu solchen Erfolgen, die weitere Aufmerksamkeit und Investitionen auf sich ziehen und den weiteren Fortschritt vorantreiben. Viele spekulieren, dass Maschinen Menschen in vielen Rollen ersetzen werden und dass wir die Natur der Arbeit selbst neu erfinden müssen.

Noch ein neu veröffentlichter Bericht von MIT Sloan Management Review Die Boston Consulting Group zeigt, dass zwischen diesen Erwartungen und der aktuellen Realität in den meisten Organisationen eine enorme Diskrepanz besteht: Während 85% der 3.000 befragten Führungskräfte in fünf Jahren davon ausgehen, dass AI innerhalb von fünf Jahren einen Wettbewerbsvorteil erzielen wird, sind nur 5% mit erheblichen KI-Aktivitäten beschäftigt und nur 20 Prozent nutzen alle KI. Wie können wir diese Kluft zwischen Potenzial und Realität ausgleichen?

Das Muster ist typisch für eine aufkommende Technologie: Die Erwartungen gehen der Realität voraus und werden erst später angepasst, wenn die anfänglichen Erwartungen erfüllt, übertroffen oder enttäuscht werden. Es mag sein, dass dieser Blaseneffekt einem sozialen Zweck dient, indem die Kapitalkosten für unsichere aufkommende Technologien gesenkt werden, wodurch deren Verbreitung beschleunigt wird. Im MIT / BCG-Bericht werden jedoch einige spezifische Faktoren angeführt, die die derzeitige Kluft zwischen Wissen und Handeln erklären.

Es gibt große Unterschiede in Bezug auf Erfahrung und Verständnis zwischen Pionierunternehmen und anderen, auch in einzelnen Sektoren wie der Versicherung. Die Mehrheit der Unternehmen unterschätzt die Bedeutung umfangreicher und vielfältiger Datensätze für das Trainieren von Algorithmen und insbesondere den Wert von „negativen Daten“, die mit dem Misserfolg einer erfolgreichen Ausführung einer Aufgabe verbunden sind. Talentknappheit und ein ungleicher Zugang zu Dateningenieuren und KI-Experten verschärfen die Zusammenhänge. Datenschutz und andere Bestimmungen sowie das Misstrauen der Verbraucher wirken sich auch auf den Fortschritt aus.

Während davon auszugehen ist, dass sich solche Hemmnisse im Laufe der Zeit verringern werden, gibt es auch subtilere Hürden für die Einführung von AI, die überwunden werden müssen, um ihr volles Potenzial auszuschöpfen. Algorithmisches Können wird häufig lokal für diskrete Aufgaben eingesetzt. Ein verbessertes Lernen und Ausführen für einen Prozessschritt verbessert jedoch normalerweise nicht die Effektivität des gesamten Prozesses. Die Verbesserung der Effektivität eines einzelnen Prozesses führt nicht zwangsläufig zu organisatorischer Gesamtwirksamkeit. Obwohl dies möglicherweise nicht für einige einzelne Vorgänge gilt, die leicht von anderen getrennt werden können, z. B. die Kreditgenehmigung, sind die meisten Geschäftsaktivitäten in größere Prozesse und Systeme eingebettet.

Wird die Automatisierung der Klassifizierung dermatologischer Läsionen oder einer Reihe ähnlicher Anwendungen die Effizienz oder Wirksamkeit des Gesundheitssystems verbessern, indem es komplexe Organisationssilos, Zwangsbestimmungen und falsch ausgerichtete Anreize bietet? Dies hängt von organisatorischem und institutionellem Reengineering ab, nicht nur von der Optimierung spezialisierter Inferenz. Aus dem Präzedenzfall zu sagen: Technologische Fortschritte wie der Elektromotor führten zu keiner allgemeinen Produktivitätsverbesserung, bis das Layout der Fabriken geändert wurde, um sie voll auszunutzen. Was ist dann die Art und den Umfang der organisatorisch Intelligenz erforderlich, um das Potenzial künstlicher Intelligenz voll auszuschöpfen?

Der Schlüssel zu einer Rekonzeptualisierung kollektiver Intelligenz im Zeitalter der KI ist die Gestaltung der Schnittstelle zwischen Mensch und Maschine, um die komparativen Vorteile beider zu nutzen. Menschen haben den Vorteil in einer Reihe von Bereichen, wie das Lösen von Problemen mit wenigen oder keinen Daten, das Wechseln der Abstraktionsstufen und das Lernen durch Emulation und empathische Abstimmung - und nicht durch Simulation und systematische Inferenz.

Die Gestaltung der richtigen Aufgabengrenzen und der sie abgrenzenden Mensch-Maschine-Schnittstellen ist für das Erreichen von Synergien zwischen Gehirn und Maschinen von entscheidender Bedeutung. Der Schlüssel dazu ist ein weitaus genaueres Verständnis dessen, was Maschinen und Menschen auf einzigartige Weise tun können. Aktuelle Daumenregeln - „maschinelles Lernen kann alles, was Menschen in weniger als einer Sekunde brauchen“; "Maschinen können zur Vorhersage verwendet werden, Menschen zum Urteil"; „Maschinen berechnen Berechnungen, Menschen produzieren Interpretationen“ - sind sowohl simpel als auch faktisch falsch.

Maschinen können Menschen bei Aufgaben übertreffen, die Stunden oder sogar Tage erfordern, wie z. B. Schach- und Go-Matches. Menschen können Maschinen nach emotionalen Urteilen übertreffen, die in weniger als 800 Millisekunden gemacht werden. „Urteil“ kann als eine Reihe von Vorhersagen modelliert werden, die grundsätzlich an Maschinen vergeben werden können. Vorhersage, wie Karl Friston argumentiert Zelle, Man kann davon ausgehen, dass die meisten Gehirne die meiste Zeit vorgehen - indem sie die synaptischen Gewinne modulieren, um die freie Energie der Information zu minimieren. Mithilfe von Netzwerken mit tiefem Lernen können anspruchsvolle visuelle und textliche Interpretationen erstellt werden, auch wenn der Mensch in den Berechnungen die Maschinen übertrifft, die erforderlich sind, um die Tabletts von Teetassen beim Navigieren in einem überfüllten Café optimal aufeinander abzustimmen.

KI ist für Unternehmen wahrscheinlich vielversprechend - wir müssen jedoch zunächst viel genauer wissen, was das Versprechen ist, um zu verstehen, wie KI eingesetzt werden kann, um es zu erfüllen. Dies erfordert, dass wir sowohl die menschliche als auch die künstliche Intelligenz aus fundamentalen Prinzipien und nicht aus den empirischen Daten vergangener Daten durchdenken - nicht zuletzt deshalb, weil wir in ein Zeitalter eintreten, in dem die Zukunft der Vergangenheit wahrscheinlich nicht ähneln wird. Und zu tun Das Dies erfordert sicherlich Fortschritte beim Verständnis organisatorischer Intelligenz ebenso wie bei der algorithmischen Effizienz.

Die geäußerten Ansichten sind die des Autors und sind nicht notwendigerweise die.