Sztuczna inteligencja przeszła przez wiele cykli ekscytacji i rozczarowań. Obecnie znajdujemy się w fazie wzrostu, dzięki rozwojowi dużych modeli językowych (LLM) opartych na architekturze Transformer. Architektura ta jest szczególnie dobrze dostosowana do procesorów graficznych, umożliwiając wykorzystanie ogromnych ilości danych i mocy obliczeniowej do trenowania modeli o miliardach parametrów. Najważniejszą konsekwencją jest stworzenie nowego interfejsu użytkownika dla komputerów: ludzkiego języka.
Tak jak graficzny interfejs użytkownika sprawił, że komputer osobisty stał się dostępny dla milionów użytkowników w latach 80-tych, tak nowe interfejsy języka naturalnego sprawiły, że sztuczna inteligencja stała się dostępna dla setek milionów użytkowników na całym świecie w ciągu ostatniego roku.
Pomimo tej pozornej dostępności, "demokratyzacja" obiecana przez rozwiązania SaaS pozostaje niedoskonała i częściowa, tworząc nowe formy nierówności.
Sztuczna inteligencja nadal wymaga określonych umiejętności:
- Znajomość sztucznej inteligencji i zrozumienie ograniczeń systemów
- Zdolność do krytycznej oceny wyników
- Umiejętności integracji procesów biznesowych
John McCarthy ukuł termin AI w latach 50. ubiegłego wieku, ale sam narzekał: "Jak tylko to zadziała, nikt już nie nazywa tego AI". Zjawisko to, znane jako "efekt AI", nadal ma na nas wpływ.
Historia sztucznej inteligencji jest pełna sukcesów, które, gdy stały się wystarczająco niezawodne, nie są już uważane za wystarczająco "inteligentne", aby zasługiwać na ten aspiracyjny epitet.
Przykłady technologii, które kiedyś były uważane za najnowocześniejsze, a teraz są uważane za oczywiste:
- Widzenie maszynowe wbudowane w każdy smartfon
- Rozpoznawanie głosu, teraz po prostu "dyktowanie
- Tłumaczenia językowe i analiza nastrojówSystemy rekomendacji (Netflix, Amazon) i optymalizacja tras (Google Maps)
Jest to część szerszego zjawiska, które możemy nazwać "paradoksem granicznym".
Ponieważ przypisujemy ludziom granicę wykraczającą poza nasze technologiczne mistrzostwo, granica ta zawsze będzie źle zdefiniowana. Inteligencja nie jest czymś, co możemy uchwycić, ale stale zbliżającym się horyzontem, który przekształcamy w użyteczne narzędzia.
Rozpowszechnienie generatywnej sztucznej inteligencji drastycznie obniżyło koszty tworzenia i przekazywania informacji, co ma paradoksalne skutki w odniesieniu do celów partycypacji obywatelskiej.
Połączenie generatywnej sztucznej inteligencji i mediów społecznościowych stworzyło:
- Przeciążenie poznawcze i wzmocnienie istniejących uprzedzeń
- Większa polaryzacja społeczna
- Łatwość manipulowania opinią publiczną
- Rozprzestrzenianie się sfałszowanych treści
Uproszczone interfejsy ukrywają działanie sztucznej inteligencji:Słabe zrozumienie zautomatyzowanych procesów decyzyjnychTrudności w identyfikacji błędów algorytmicznych
Ograniczone dostosowywanie modeli bazowychZnaczenie zautomatyzowanej inteligencji kierowanej przez człowiekaAI może zabrać nas tam tylko w 90%.
Maszyny doskonale radzą sobie z analizą dużych ilości danych, ale zmagają się z przypadkami brzegowymi. Algorytmy mogą być szkolone do obsługi większej liczby wyjątków, ale po przekroczeniu pewnego punktu wymagane zasoby przewyższają korzyści. Ludzie są precyzyjnymi myślicielami, którzy stosują zasady do przypadków granicznych, podczas gdy maszyny są przybliżeniami, które podejmują decyzje na podstawie wcześniejszych danych.
Jak opisuje Gartner w cyklach technologicznego hype'u, po dzikim entuzjazmie niezmiennie następuje rozczarowanie - "dolina rozczarowania".
Alan Kay, pionier informatyki i laureat Nagrody Turinga, powiedział: "Technologia jest technologią tylko dla tych, którzy urodzili się przed jej wynalezieniem". Specjaliści ds. uczenia maszynowego są naukowcami i inżynierami, ale ich wysiłki zawsze wyglądają jak magia - aż do pewnego dnia, gdy już nią nie są.
Homogenizacja i utrata przewagi konkurencyjnejPowszechne stosowanie tych samych gotowych rozwiązań SaaS prowadzi do:Konwergencji w kierunku podobnych procesów biznesowychTrudności w różnicowaniu poprzez AIInnowacji ograniczonej możliwościami platformyUtrzymywania danych i związanego z tym ryzyka
Dzięki dostępności platform generatywnej sztucznej inteligencji:Dane utrzymują się w czasie w infrastrukturze cyfrowejPunkty danych mogą być ponownie wykorzystywane w różnych kontekstach
Niebezpieczny cykl powstaje, gdy przyszłe pokolenia sztucznej inteligencji są szkolone na syntetycznych treściach.
Rynek sztucznej inteligencji dzieli się na:
- Towarowa sztuczna inteligencja: standardowe rozwiązania dostępne dla wielu osób
- Zaawansowana własna sztuczna inteligencja: najnowocześniejsze możliwości opracowane przez kilka dużych organizacji.
Część problemu leży w samej definicji "sztucznej inteligencji".
Jeśli podzielimy ten termin rekurencyjnie, okaże się, że każda gałąź definicji odnosi się do "ludzi" lub "ludzi". Z definicji myślimy więc o sztucznej inteligencji jako o naśladowaniu ludzi, ale gdy tylko dana zdolność zdecydowanie wkracza w sferę maszyn, tracimy ludzki punkt odniesienia i przestajemy uważać ją za sztuczną inteligencję.
Bardziej przydatne jest skupienie się na konkretnych technologiach, które można wykorzystać, takich jak transformatory do modeli językowych lub dyfuzja do generowania obrazów. Dzięki temu nasza zdolność do oceny przedsiębiorstwa jest znacznie bardziej wyraźna, namacalna i realna.
Paradoks granicy oznacza, że sztuczna inteligencja przyspiesza tak szybko, że wkrótce będzie po prostu technologią, a nową granicą stanie się sztuczna inteligencja. Stanie się "technologią" powinno być postrzegane jako uznanie dla pomysłu, który wcześniej znajdował się na granicy możliwości. Ten artykuł został częściowo zainspirowany refleksjami Sequoia Capital na temat paradoksu AI.
Więcej informacji: https://www.sequoiacap.com/article/ai-paradox-perspective/
Prawdziwą obietnicą dostępnej sztucznej inteligencji nie jest po prostu udostępnienie technologii, ale stworzenie ekosystemu, w którym innowacje, kontrola i korzyści są rzeczywiście dystrybuowane.
Musimy rozpoznać napięcie między dostępem do informacji a ryzykiem przeciążenia i manipulacji.
Tylko utrzymując silny element ludzki w sztucznej inteligencji i przyjmując bardziej precyzyjny język, możemy wykorzystać jej potencjał jako siłę prawdziwie rozproszonej integracji i innowacji.
.svg)
.svg)
.svg)
.webp)