Tehisintellekti eeliste ja puuduste jagamine – IBMi ajaveeb

Tehisintellekt (AI) viitab arvuti- ja andmeteaduse koonduvatele valdkondadele, mis keskenduvad inimintellektiga masinate ehitamisele, et täita ülesandeid, mis varem oleksid nõudnud inimest. Näiteks õppimine, arutlemine, probleemide lahendamine, taju, keele mõistmine ja palju muud. Selle asemel, et toetuda programmeerija selgetele juhistele, saavad AI-süsteemid andmetest õppida, võimaldades neil lahendada keerulisi probleeme (ja ka lihtsaid, kuid korduvaid ülesandeid) ja aja jooksul paraneda.

Tänapäeva AI-tehnoloogial on erinevates tööstusharudes mitmeid kasutusjuhtumeid; ettevõtted kasutavad tehisintellekti inimlike vigade minimeerimiseks, kõrgete tegevuskulude vähendamiseks, reaalajas andmete pakkumiseks ja kliendikogemuse parandamiseks paljude muude rakenduste hulgas. Sellisena kujutab see endast olulist nihet selles, kuidas me läheneme andmetöötlusele, luues süsteeme, mis võivad parandada töövooge ja täiustada igapäevaelu elemente.

Kuid isegi AI arvukate eeliste juures on sellel traditsiooniliste programmeerimismeetoditega võrreldes märkimisväärseid puudusi. Tehisintellekti arendamine ja kasutuselevõtt võivad kaasneda andmete privaatsusprobleemide, töökohtade ümberpaigutamise ja küberjulgeoleku riskidega, rääkimata tohutust tehnilisest kohustusest tagada tehisintellektisüsteemide kavandatud käitumine.

Selles artiklis käsitleme tehisintellekti tehnoloogia toimimist ning kirjeldame tehisintellekti eeliseid ja puudusi võrreldes traditsiooniliste andmetöötlusmeetoditega.

Mis on tehisintellekt ja kuidas see töötab?

AI toimib kolmel põhikomponendil: andmed, algoritmid ja arvutusvõimsus. 

• Andmed: AI-süsteemid õpivad ja teevad otsuseid andmete põhjal ning nende tõhusaks treenimiseks on vaja suuri andmemahtusid, eriti masinõppe (ML) mudelite puhul. Andmed jagatakse sageli kolme kategooriasse: koolitusandmed (aitavad mudelil õppida), valideerimisandmed (mudel häälestatakse) ja katseandmed (hinnatakse mudeli toimivust). Optimaalse jõudluse tagamiseks peaksid AI mudelid saama andmeid erinevatest andmekogumitest (nt tekst, pildid, heli ja palju muud), mis võimaldab süsteemil üldistada oma õppimist uutele, nähtamatutele andmetele.
• Algoritmid: Algoritmid on reeglistikud, mida AI-süsteemid kasutavad andmete töötlemiseks ja otsuste tegemiseks. AI-algoritmide kategooriasse kuuluvad ML-algoritmid, mis õpivad ja teevad ennustusi ja otsuseid ilma selgesõnalise programmeerimiseta. Tehisintellekt võib töötada ka sügavate õppimisalgoritmidega, mis on ML-i alamhulk, mis kasutab mitmekihilisi tehisnärvivõrke (ANN-e) – seega ka „sügavat” deskriptorit –, et modelleerida suurandmete infrastruktuuride kõrgetasemelisi abstraktsioone. Ja tugevdavad õppealgoritmid võimaldavad agendil õppida käitumist, täites funktsioone ja saades nende õigsuse alusel karistusi ja preemiaid, kohandades mudelit iteratiivselt, kuni see on täielikult koolitatud.
• Arvutusvõimsus: AI-algoritmid nõuavad sageli nii suurte andmemahtude töötlemiseks ja keerukate algoritmide käitamiseks märkimisväärseid arvutusressursse, eriti süvaõppe puhul. Paljud organisatsioonid kasutavad nende protsesside sujuvamaks muutmiseks spetsiaalset riistvara, nagu graafikatöötlusüksused (GPU-d). 

AI-süsteemid kipuvad jagunema ka kahte laia kategooriasse:

• Kunstlik kitsas intelligentsus, mida nimetatakse ka kitsaks AI-ks või nõrgaks AI-ks, täidab konkreetseid ülesandeid, nagu pildi- või hääletuvastus. Kitsaste AI-süsteemide näited on virtuaalsed assistendid, nagu Apple'i Siri, Amazoni Alexa, IBM watsonx ja isegi OpenAI ChatGPT.
• Kunstlik üldluure (AGI)või tugev tehisintellekt, suudab täita kõiki intellektuaalseid ülesandeid, mida inimene suudab täita; see suudab mõista, õppida, kohaneda ja töötada nende teadmiste põhjal erinevates valdkondades. AGI on aga ikkagi vaid teoreetiline kontseptsioon.

Kuidas traditsiooniline programmeerimine töötab?

Erinevalt tehisintellekti programmeerimisest nõuab traditsiooniline programmeerimine, et programmeerija kirjutaks arvutile iga võimaliku stsenaariumi korral selged juhised, mida järgida; arvuti täidab seejärel juhised probleemi lahendamiseks või ülesande täitmiseks. See on deterministlik lähenemine, mis sarnaneb retseptiga, kus arvuti täidab soovitud tulemuse saavutamiseks samm-sammult juhiseid.

Traditsiooniline lähenemine sobib hästi selgelt määratletud probleemide jaoks, millel on piiratud arv võimalikke tulemusi, kuid sageli on võimatu kirjutada reegleid iga üksiku stsenaariumi jaoks, kui ülesanded on keerulised või nõuavad inimlikku taju (nagu pildituvastus, loomuliku keele töötlemine, jne.). Siin pakub AI programmeerimine selget eelist reeglipõhiste programmeerimismeetodite ees.

Millised on AI plussid ja miinused (võrreldes traditsioonilise andmetöötlusega)?

AI tegelik potentsiaal on tohutu. Tehisintellekti rakendused hõlmavad haiguste diagnoosimist, sotsiaalmeedia voogude isikupärastamist, keerukate andmeanalüüside teostamist ilmastiku modelleerimiseks ja meie klienditoe taotlusi käsitlevate vestlusrobotite toiteallikana. AI-toega robotid suudavad isegi autosid kokku panna ja metsatulekahjude tekitatud kiirgust minimeerida.

Nagu igal tehnoloogial, on ka tehisintellektil traditsiooniliste programmeerimistehnoloogiatega võrreldes eelised ja puudused. Lisaks põhilistele erinevustele nende toimimises erinevad AI ja traditsiooniline programmeerimine oluliselt ka programmeerija juhtimise, andmetöötluse, skaleeritavuse ja saadavuse osas.

• Kontroll ja läbipaistvus: Traditsiooniline programmeerimine pakub arendajatele täielikku kontrolli tarkvara loogika ja käitumise üle, võimaldades täpset kohandamist ning prognoositavaid ja järjepidevaid tulemusi. Ja kui programm ei käitu ootuspäraselt, saavad arendajad koodibaasi kaudu tagasi otsida, et probleem tuvastada ja parandada. AI-süsteeme, eriti keerulisi mudeleid, nagu sügavad närvivõrgud, võib olla raske kontrollida ja tõlgendada. Need töötavad sageli nagu "mustad kastid", kus sisend ja väljund on teada, kuid protsess, mida mudel ühest teise jõudmiseks kasutab, on ebaselge. Läbipaistvuse puudumine võib olla problemaatiline tööstusharudes, mis seavad prioriteediks protsesside ja otsuste tegemise seletatavuse (nt tervishoid ja rahandus).
• Õppimine ja andmetöötlus: Traditsiooniline programmeerimine on jäik; see toetub programmide täitmiseks struktureeritud andmetele ja tavaliselt on tal raskusi struktureerimata andmete töötlemisega. Programmile uue teabe “õpetamiseks” peab programmeerija käsitsi uusi andmeid lisama või protsesse kohandama. Traditsiooniliselt kodeeritud programmid võitlevad ka iseseisva iteratsiooniga. Teisisõnu ei pruugi nad ettenägematute stsenaariumidega toime tulla ilma nende juhtumite jaoks selgesõnalise programmeerimiseta. Kuna tehisintellektisüsteemid õpivad tohututest andmehulkadest, sobivad need paremini struktureerimata andmete, näiteks piltide, videote ja loomuliku keele teksti töötlemiseks. AI-süsteemid saavad ka pidevalt õppida uutest andmetest ja kogemustest (nagu masinõppe puhul), võimaldades neil aja jooksul oma jõudlust parandada ja muutes need eriti kasulikuks dünaamilistes keskkondades, kus parim võimalik lahendus võib aja jooksul areneda.
• Stabiilsus ja mastaapsus: Traditsiooniline programmeerimine on stabiilne. Kui programm on kirjutatud ja silutud, teostab see toiminguid iga kord täpselt samal viisil. Reeglipõhiste programmide stabiilsus tuleb aga skaleeritavuse arvelt. Kuna traditsioonilised programmid saavad õppida ainult selgesõnaliste programmeerimissekkumiste kaudu, nõuavad nad programmeerijatelt mastaabis koodi kirjutamist, et toiminguid suurendada. See protsess võib paljude organisatsioonide jaoks osutuda juhitamatuks, kui mitte võimatuks. AI-programmid pakuvad rohkem mastaapsust kui traditsioonilised programmid, kuid väiksema stabiilsusega. AI-põhiste programmide automatiseerimise ja pideva õppimise funktsioonid võimaldavad arendajatel protsesse kiiresti ja suhteliselt lihtsalt skaleerida, mis on tehisintellekti üks peamisi eeliseid. Kuid tehisintellektisüsteemide improvisatsiooniline iseloom tähendab, et programmid ei pruugi alati pakkuda järjepidevaid ja asjakohaseid vastuseid.
• Tõhusus ja kättesaadavus: Reeglipõhised arvutiprogrammid võivad pakkuda 24/7 kättesaadavust, kuid mõnikord ainult siis, kui neil on ööpäevaringselt töötavad töötajad.

AI-tehnoloogiad võivad töötada ööpäevaringselt ilma inimese sekkumiseta, nii et äritegevused saaksid pidevalt toimida. Teine tehisintellekti eelis on see, et AI-süsteemid suudavad automatiseerida igavaid või korduvaid töid (nt andmesisestus), vabastades töötajate ribalaiuse suurema väärtusega tööülesannete jaoks ja alandades ettevõtte palgakulusid. Siiski tasub mainida, et automatiseerimisel võib olla tööjõu jaoks märkimisväärne töökohtade kaotus. Näiteks on mõned ettevõtted läinud üle digitaalsete assistentide kasutamisele töötajate aruannete sortimiseks, selle asemel, et selliseid ülesandeid personaliosakonnale delegeerida. Organisatsioonid peavad leidma viise, kuidas kaasata oma olemasolevat tööjõudu uutesse töövoogudesse, mida võimaldab tehisintellekti tegevustesse kaasamisest tulenev tootlikkuse kasv.

Maksimeerige tehisintellekti eeliseid IBM Watsoniga

Omdia prognoosib, et 200. aastaks on ülemaailmse tehisintellekti turu väärtus 2028 miljardit USA dollarit.¹ See tähendab, et ettevõtted peaksid eeldama, et sõltuvus tehisintellekti tehnoloogiatest suureneb, samas kui ettevõtte IT-süsteemide keerukus suureneb. Kuid koos IBM watsonx™ AI ja andmeplatvorm, on organisatsioonide tööriistakastis võimas tööriist AI skaleerimiseks.

IBM watsonx võimaldab meeskondadel hallata andmeallikaid, kiirendada vastutustundlikke tehisintellekti töövooge ning hõlpsasti juurutada ja manustada tehisintellekti kogu ettevõttes – kõike seda ühes kohas. watsonx pakub mitmesuguseid täiustatud funktsioone, sealhulgas kõikehõlmavat töökoormuse haldust ja reaalajas andmete jälgimist, mis on loodud selleks, et aidata teil AI-toega IT-infrastruktuure kogu ettevõttes usaldusväärsete andmetega skaleerida ja kiirendada.

Kuigi tehisintellekti kasutamine ei ole ilma komplikatsioonideta, annab tehisintellekti kasutamine ettevõtetele võimaluse sammu pidada üha keerulisemaks ja dünaamilisemaks muutuva maailmaga, kohtudes sellega keerukate tehnoloogiatega, mis suudavad selle keerukusega toime tulla.

Pane tehisintellekt koos watsonxiga tööle