Video: IBM Watson: AI That Helps Businesses Work Smarter (Listopad 2024)
Tato epizoda Fast Forward byla zaznamenána v IBM Watson Experience Center zde v New Yorku. Můj host byl Rob High, viceprezident a hlavní technologický ředitel společnosti IBM Watson.
Dan Costa: Jaká je dominantní mylná představa o umělé inteligenci?
Rob High: Myslím, že nejčastějším problémem, se kterým se setkáváme s lidmi, kteří mluví o umělé inteligenci, je to, že stále žijí ve světě, kde si myslím, že Hollywood rozšířil tuto myšlenku, že kognitivní výpočetní technika, umělá inteligence, je o replikaci lidské mysli a je to opravdu ne. Věci, jako je Turingův test, mají tendenci posilovat, že to, co měříme, je myšlenka, že umělá inteligence dokáže soutěžit s oklamáním lidí, aby věřili, že to, co řešíte, je jiná lidská bytost, ale to opravdu nebylo tam, kde jsme našli největší nástroj.
To se dokonce vrací k, pokud se podíváte na téměř všechny ostatní nástroje, které byly kdy vytvořeny, naše nástroje bývají nejcennější, když nás zesilují, když rozšiřují náš dosah, když zvyšují naši sílu, když nám umožňují dělat věci, které sami jako lidské bytosti nemůžeme udělat. To je opravdu způsob, jak musíme myslet také na umělou inteligenci, a do té míry, jak ji vlastně nazýváme rozšířenou inteligencí, nikoli umělou inteligencí.
Pojďme si trochu promyslet ten posun, protože se jedná o zcela nový typ výpočetní techniky. Je to vývoj výpočetní techniky od toho, s čím jsme oba vyrostli, programové výpočty, kde byste pomocí výpočtů dosáhli a odpovídali pomocí velmi složitého procesu, kognitivní výpočetní techniky, která funguje trochu jinak. Můžeš vysvětlit ten přechod?
Pravděpodobně největším pozoruhodným rozdílem je, že je to velmi pravděpodobné, zatímco programované výpočty jsou ve skutečnosti o stanovení všech podmíněných příkazů, které definují věci, kterým věnujete pozornost, a jak na ně reagovat. Je to vysoce deterministické. Je to velmi matematicky přesné. S klasickým programovaným počítačem můžete navrhovat kus softwaru. Protože víte, co matematický model představuje, můžete jej matematicky vyzkoušet. Můžete prokázat jeho správnost.
Kognitivní výpočetní technika je mnohem pravděpodobnější. Jedná se převážně o testování signálů z prostorů, na které se zaměřujeme, ať už se jedná o vize, řeč nebo jazyk, a o pokus o nalezení vzorců významu v těchto signálech. Ani tehdy neexistuje absolutní jistota. Teď je to zčásti proto, že je to způsob, jakým se počítá, ale také proto, že to je povaha lidské zkušenosti. Pokud přemýšlíte o všem, co říkáme nebo vidíme nebo slyšíme, chutníme nebo dotekem nebo čichem nebo čemukoli, co je součástí našich smyslů, snažíme se jako lidské bytosti vždy vyhodnotit, co to skutečně je, a někdy to nechápeme správně.
Jaká je pravděpodobnost, že když jsem slyšel tu sekvenci zvuků, znamenalo to opravdu toto slovo? Jaká je pravděpodobnost, že když jsem viděl tuto posloupnost slov, znamenalo to toto tvrzení? Jaká je pravděpodobnost, že když vidím tento tvar a obrázek, na který se dívám, je to ten objekt? Dokonce i pro lidské bytosti je to pravděpodobnostní problém a do té míry je to vždy způsob, jak tyto kognitivní systémy fungují.
Pokud k vám někdo přijde a oni mají problém, který chtějí vyřešit, myslí si, že existuje kognitivní výpočetní řešení, přijdou k Watsonovi a řeknou: „Podívejte, použijeme Watsona, abychom se pokusili vyřešit tento problém." Po vybalení Watson moc nedělá. Musí to naučit, jak řešit svůj problém. Můžete mluvit o tomto procesu nastupování?
Vlastně bychom měli mluvit o dvou dimenzích. Jedním je, že před časem jsme si uvědomili, že tato věc zvaná kognitivní výpočetní technika byla opravdu větší než my, byla větší než IBM, byla větší než kterýkoli jiný prodejce v oboru, byla větší než kterákoli z jedné nebo dvou různých oblastí řešení na které se budeme zaměřovat, a museli jsme to otevřít, což je, když jsme se přesunuli od řešení k opravdovému řešení více platformy služeb, kde je každá služba skutečně individuálně zaměřena na jinou část problémový prostor. Je to složka, která se v případě řeči zaměřuje výhradně na problém pokusu vzít si řeč a rozpoznat, jaká slova jste v této řeči vyjádřili, nebo pořídit obrázek a pokusit se identifikovat, co je na obrázku, nebo pořídit jazyk a pokusit se pochopit, co to znamená, nebo se bavit a účastnit se na tom.
Za prvé, o čem teď mluvíme, je soubor služeb, z nichž každá dělá něco velmi specifického, z nichž každá se snaží vypořádat s jinou částí naší lidské zkušenosti a s myšlenkou, že kdokoli buduje aplikaci, může to udělat kdokoli, kdo chce vyřešit sociální, spotřebitelský nebo obchodní problém tím, že vezme naše služby a poté je zkompiluje do aplikace. To je jeden bod.
Druhým bodem je ten, se kterým jste začal, což je v pořádku, teď, když mám službu, jak to dokážeme dělat věci, které chceme, aby to dobře fungovalo? Tato technika je opravdu výuka. Pravděpodobnostní povaha těchto systémů je založena na skutečnosti, že jsou založeny na strojovém učení nebo hlubokém učení, a tyto algoritmy je třeba naučit, jak rozpoznávat vzorce, které představují význam v rámci sady signálů, které uděláte poskytováním dat, data, která představují příklady situace, kterou jste měli dříve, kde jste to mohli označit slovy: „Když slyším tu kombinaci zvuků, znamená to toto slovo. Když vidím tuto kombinaci pixelů, znamená to, že objekt." Když jsem měl tyto příklady, mohu vás nyní přivést do kognitivního systému, k těmto kognitivním službám a naučit je, jak udělat lepší práci, když rozpoznají cokoli, co chceme, aby to udělalo.
Myslím, že jeden z příkladů, který to opravdu dobře ilustruje, je v lékařském prostoru, kde Watson pomáhá lékařům při rozhodování a analýze velkého množství dat, ale nakonec s nimi nakonec pracuje na diagnóze v partnerství. Můžete si trochu promluvit o tom, jak se toto školení koná a jak se řešení ukončí a přináší lepší výsledky?
Práce, kterou jsme provedli v onkologii, je dobrým příkladem toho, kde se skutečně jedná o složení několika různých druhů algoritmů, které se napříč spektrem práce, kterou je třeba provést, používají různým způsobem. Začneme například tím, že se podíváme na lékařský záznam, podíváme se na váš lékařský záznam a pomocí kognitivního systému prozkoumáme všechny poznámky, které klinici vzali v průběhu let, které s vámi spolupracovali, a abychom našli, co nazýváme příslušné klinické informace. Jaké jsou informace v těchto lékařských poznámkách, které jsou nyní relevantní pro konzultaci, do které se chystáte jít? Vezmeme-li to v úvahu, provedeme analýzu podobnosti populace, pokusíme se najít další pacienty, ostatní kohorty, které mají hodně podobnost s vámi, protože to bude informovat lékaře o tom, jak přemýšlet o různých léčbách a jak by pro vás tyto léčby mohly být vhodné. a jak budete reagovat na tyto ošetření.
Pak jdeme na to, čemu říkáme standard péče, což jsou relativně dobře definované techniky, které lékaři sdílejí o tom, jak budou léčit různé pacienty pro různé druhy nemocí, a uznáváme, že jsou skutečně navrženy pro průměrného člověka. Pak položíme na to, čemu říkáme klinické odborné znalosti. Poté, co byli nejlepší lékaři učeni o různých nemocech, co hledat a kde jsou odlehlé osoby a jak uvažovat o různé úrovni péče, která z nich je nejvhodnější nebo jak se těmito různými postupy péče ubírat různými způsoby a nyní je aplikujte co nejlepším možným způsobem, ale nakonec vstoupíte a podíváte se na klinickou literaturu, všech stovky tisíc, 600 000 článků v PubMedu o vědeckém pokroku, ke kterému došlo v této oblasti a které jsou relevantní pro nyní, aby bylo toto doporučení léčby doporučeno.
To vše jsou různé aspekty algoritmů, které aplikujeme v různých fázích tohoto procesu, z nichž všechny byly učeny tím, že před tyto systémy postavili některé z nejlepších lékařů na světě a nechali je používat systém a opravit systém když vidí, že se něco pokazí, a nechat systém, aby se prostřednictvím tohoto použití naučil, jak zlepšit svůj vlastní výkon. Používáme to konkrétně v případě onkologie, abychom pomohli informovat lékaře v oboru o možnostech léčby, s nimiž nemusí být obeznámeni, nebo dokonce, pokud s tím mají nějaké obeznámení, možná s tím neměli žádné skutečné zkušenosti a ne. opravdu rozumět tomu, jak na to budou reagovat jejich pacienti a jak získat od svých pacientů nejefektivnější odpověď.
To, co se v podstatě stalo, je demokratizace odborných znalostí. Můžeme vzít ty nejlepší doktory z Památníku Sloan Kettering, kteří měli tu výhodu, že by mohli vidět doslova tisíce pacientů ročně kolem stejné nemoci, ze které vyvinuli tuto ohromnou odbornost, zachytit to v kognitivním systému, přenést to do komunity nebo regionální klinika, kde tito lékaři nemuseli mít tolik času na práci se stejným onemocněním u velkého počtu různých pacientů, což jim dává příležitost těžit z této odborné znalosti, která je nyní zachycena v kognitivním systému.
Myslím si, že ta myšlenka distribuce této expertízy je v první řadě zachycením netriviálního úkolu, ale až to jednou uděláte, budete-li schopni ji skutečně distribuovat po celé planetě, budete mít odborné znalosti nejlepší lékaři v Memorial Sloan Kettering budou moci být doručeni v Číně, Indii, na malých klinikách, a myslím, že je to docela výjimečné.
Má obrovský společenský dopad na naše blaho, na naše zdraví, na věci, které budou pro nás jako společnost přínosem.
Na druhou stranu, co se lidí týká umělé inteligence, je to, že nahradí lidi, nahradí zaměstnání. Je to spojeno s hnutím automatizace. Věc, která mi připadá, je zůstat v lékařském prostoru, radiologové. Radiologové sledují stovky a stovky diapozitivů denně. Watson nebo systém založený na AI by mohl replikovat stejný typ diagnostiky a analýzy obrazu. Od deseti let si myslíte, že v USA bude zaměstnáno více či méně lidských radiologů? Jaký je dopad na průmyslová odvětví?
Dopad je ve skutečnosti o tom, jak lidem pomoci dělat lepší práci. Je to opravdu o… vzít to v případě doktora. Pokud lékař nyní může učinit rozhodnutí, která jsou informovanější, která jsou založena na skutečných důkazech a která jsou podložena nejnovějšími vědeckými údaji, která jsou více přizpůsobená a specifičtější pro jednotlivého pacienta, umožňuje jim skutečně lépe vykonávat svou práci. Pro radiology to může umožnit vidět na obrázku věci, které by jim jinak mohly uniknout nebo být ohromeni. Nejde o jejich nahrazení. Je to o tom, jak jim pomáhat dělat lepší práci.
Má to stejnou dynamiku jako každý nástroj, který jsme kdy ve společnosti vytvořili. Ráda bych řekla, že pokud se vrátíte a podíváte se na posledních 10 000 let moderní společnosti od příchodu zemědělské revoluce, byli jsme jako nástroje pro budování lidské společnosti, kladiva, lopaty, hydraulika, kladky, páky a mnoho z těchto nástrojů bylo nejodolnější, když to, co skutečně dělají, je zesílení lidských bytostí, zesílení naší síly, zesílení našeho myšlení, zesílení našeho dosahu.
To je opravdu způsob, jak o těchto věcech přemýšlet, je to, že bude mít největší užitek, když nám to umožní dělat to, co děláme lépe, než bychom sami mohli, když kombinace člověka a nástroje spolu bude větší než jedna z nich by byli sami. To je opravdu způsob, jak o tom přemýšlíme. Takto vyvíjíme technologii. Tam bude ekonomický užitek.
Úplně souhlasím, ale myslím si, že budou existovat průmyslová odvětví, která jsou obcházena kvůli účinnosti zavedené těmito inteligentními systémy.
Budou převedeni. Jo, budou převedeni. Nechci to zmírňovat tím, že to říkám tímto způsobem, ale také chci mít jistotu, že o tom nemyslíme jako o odstranění pracovních míst. Jde o transformaci úkolů, které lidé provádějí. Dám vám příklad. Mnoho diskusí o tom, jak to může odnést práci v call centru. Hádej co? Je tu spousta práce, kterou agenti call centra dělají, že nemusí dělat, nemají rádi, což jim znemožňuje dělat věci, které jsou zajímavější.
Kohout, který vidíme v call centrech, je do značné míry dán skutečností, že pokud přemýšlíte o práci agenta call centra, sedíte na konci telefonního hovoru a posloucháte rozzlobené zákazníky po celý den a ptáte se na stejnou otázku a znovu a je těžké se v noci vrátit domů a cítit se opravdu dobře, co jste toho dne udělali. Je těžké vychloubat se svými přáteli a rodinou o této práci, kterou máte, a o tom, jak jste na tom dobře, když jste v takové situaci.
Pokud dokážeme dostat kognitivní systém prostřednictvím konverzačního agenta, aby odložil nějaké procento, řekněme 30 procent těch hovorů, které přicházejí, a odpovídat na nejčastější a naléhavé otázky zákazníků rychle, efektivně a postarat se o tu všední práci, pak co je po tom všem, co bylo postaráno, jsou druhy otázek, které lidé mají, které ve své podstatě vyžadují více lidského doteku, že pak se obrátíte na toho agenta call centra. Problém, se kterým se potýkají pro daného zákazníka, je zajímavější a náročnější, vyžaduje, aby do něj bylo vloženo více intelektuálního úsilí, ale také se jedná o zákazníka, který byl spokojený. Přicházejí trochu šťastnější. O svém problému nepřicházejí v rozhořčení.
Pro agenta call centra to vlastně zlepšilo jejich práci. Ve skutečnosti jim to umožňuje dělat svou práci lépe a být tím lépe naplněny. Mezitím dostali pro zákazníka, pro spotřebitele, své nejnaléhavější problémy rychle vyřešené. Sedí 10 minut. Nečekají, až se dostanou ke správné osobě se správnými znalostmi. Získávají informace, které potřebují, nejrychleji a jsou schopni se svým životem pohybovat pravděpodobně s lepším rozhodnutím, určitě lepšími informacemi nebo alespoň konzistentnějšími informacemi. Ve skutečnosti to prospívá oběma stranám této rovnice.
To je zajímavé. Některá z demonstrací, které jsem dnes viděl, je, že aplikace call centra mohou předvídat a detekovat emoční stav lidí, kteří volají docela efektivně, takže to není jen transakční. Ve skutečnosti dokáže velmi dobře přečíst stav osoby na druhém konci řádku.
Což je opravdu důležité, pokud o tom přemýšlíte; konverzace má dva prvky. Jedním je, že to, co lidé říkají, že začíná, není obecně to, pro co jsou tam opravdu. Pokud řeknu: „Jaký je můj zůstatek?“ to není můj problém. Jo, potřebuji znát zůstatek na svém účtu, potřebuji vědět, kolik peněz mám, ale mým problémem je, že se snažím něco koupit, nebo se snažím přijít na to, jak získat peníze na správné pozici k zaplacení moje účty tento měsíc, nebo se snažím ušetřit na vzdělání svých dětí. Můj problém je větší než ta první otázka, kterou jsem položil, a rozhovor by měl být o tom, jak se dostat k tomuto skutečnému problému.
Druhou společnou charakteristikou konverzace je to, že k ní obvykle nese určitý druh emocionálního oblouku. Lidé přicházejí v určitém emocionálním stavu a součástí rozhovoru je pohybovat je emočním posunem, který často znamená přeměnit je z rozhněvaného na dnešní spokojenost. V některých konverzacích se do toho můžeme dostat. Ve skutečnosti by se to mohlo trochu zahřát. Vidíte emocionální oblouk, který začíná možná uklidnit a poté se přesouvá k spornější diskusi, která se nakonec vyřeší.
Být citlivý a vědomý emočního stavu v zúčastněných stranách je důležitou součástí toho, že je v této konverzaci efektivní.
Jaké jsou některé z dalších aplikací, o kterých si myslíte, že jsou skutečně transformativní, které jsou dnes k dispozici?
Myslím, že každý z nich, co děláme, je zapojit uživatele, zákazníka, způsobem, který vyústí v jejich inspiraci. Pro mě a nakonec, opět jako příklad, obvykle, když se lidé dostanou do konverzace, přicházíme ke stolu s nápadem. Máte nápad. Mám nápad. Tato počáteční myšlenka je začátek konverzace a v průběhu konverzace tyto myšlenky rozvíjíme. Mícháme je. Sloučíme je. Možná je diskontujeme nebo zesílí. Vyvíjíme se do bodu, kdy vycházíme z rozhovoru, doufejme, že máme lepší nápad. Ideálně.
Aby to bylo možné, musí existovat nejen dar a brát, ale prvek, jak někoho inspirovat? Jak přimíte lidi, aby si aktivovali svou představivost? Jak je přimíte, aby přemýšleli o něčem, o čem dříve nemysleli, nebo aby viděli něco ve světle, o kterém ani předtím neuvědomili, nebo aby viděli jiný pohled, který je vede po cestě, kterou ani neznali přemýšlet o tom, klást otázky, které si nemyslí zeptat? To jsou příklady, to jsou situace, které považuji za nejslibnější a budou mít největší přínos pro lidi.
Děje se to dnes nebo je to něco, co se musí při vývoji technologie stát dolů?
Ne, děje se to. Máme příklady toho, co se nyní děje. Ve skutečnosti, příkladem je onkologie, pro nejlepší lékaře na světě mohou být léčebné možnosti, které jsou zde prezentovány, z větší části zřejmé. Může se vyskytnout jeden z deseti případů, kdy by mohli říci: „No, počkejte chvíli, to byl zajímavý nápad.“ Nebude to tak často, ale, jak jste řekl dříve, pokud to vezmeme nyní do komunitního prostředí, regionálního prostředí a v oblastech, kde není úroveň odbornosti, skutečnost, že systém může přinést nové nápady, nové možnosti léčby, je to opravdu o zavádění nových nápadů. Už to vidíme.
Potom se samozřejmě posunulo za hranice toho, co si myslím, že se stalo klasickým scénářem chatbot, který si myslím, že někteří z nás začínají v různých příkladech vidět situaci, kdy pokud někdo vydá na své kreditní kartě upozornění na podvody s kreditními kartami a jdou na chatbot dnes, mohlo by to být jednoduše: „Byla to transakce něco, co jste udělali nebo ne? Pokud ano, pak je v pořádku. Pokud ne, pak uděláme něco pro zrušení transakce, “ do teď, „Dobře, “ "Potřebuješ novou kreditní kartu. Kde je pro tebe nejlepší místo? Měli bychom ti to poslat poštou? Neměli bychom ti to poslat poštou? Oh, připravuješ se na tuto cestu. Jasně jsme nebudeme vám moci posílat poštu. Musíme to dostat rychleji než to.
"Ach, jdete do zahraničí. Možná je tu možnost kreditní karty, které jste předtím nebyli vystaveni, nevěděli jste o tom, kde lépe vyřizujeme směny měn ve váš prospěch. Oh, používáte to pro podnikání "Toto je zámořská cesta. Používáte to pro obchodní výdaje. Tady je kreditní karta, která má k tomu vhodnější úrokovou sazbu." To vše jsou velmi jednoduché příklady, ale každý z nich otevírá nový soubor nápadů, které se dnes ve vašem jednoduchém chatbotu obvykle neobjevují, a přesto mohou být pro lidské bytosti velmi zmocňující.
Zajímavé je, že když procházíte všemi těmito možnostmi, v minulosti to byl skript. Byl by tu skript s několika větvemi. Bude to předem definováno. Je to velmi odlišné, když chatbot dělá to, že ve skutečnosti reaguje na informace, které poskytnete, a na informace, které jste již poskytli, a vede vás po stezkách, které nebyly skriptovány. Ví, že cestujete, ale nemuseli jste to nutně říkat. Zjistil tyto informace z vaší e-mailové historie.
To může najít věci o vás to objevil podél cesty.
Mluvili jsme o onkologii, protože je to skvělý příklad. Mluvili jsme o chatbotech, protože většina lidí s nimi měla nějakou interakci. Jedná se však o technologii, která se skutečně rozšiřuje v každém odvětví. Je těžké si představit průmysl, který v něm nebude mít žádnou kognitivní složku. Existují nějaké příklady, které jsou pouhou cestou ven, o které lidé dosud neuvažovali?
To, co je pro mě úžasné, je to, jak někdo každý den přichází s jiným novým nápadem. Proto si myslím, že jsme v takové velmi zajímavé fázi, protože soustředěním na rozložení toho, co máme, co se týče kognitivních schopností, na služby stavebních bloků, je to skutečně osvobozující lidi, aby mohli využívat svou představivost a jít za nápady, nikdy předtím neuvažováno, zda to využívá vizuální rozpoznávání k průzkumu krajiny.
Například v Kalifornii společnost používá vizuální rozpoznávání k pohledu na topografii a topologii a na obrázku rozpoznává rozdíl mezi betonovým povrchem, asfaltovou střechou, travnatým povrchem, stromy a keři a těmito věcmi. odhadněte například, kolik vody je spotřebováno a kde může dojít k úniku vody a co by se dalo udělat pro zlepšení účinného využívání vody.
Nebo na právní scéně můžete pomocí těchto věcí odejít a pomoci právníkům přečíst si doslova miliony a miliony stránek podkladového materiálu, který je jako najít jehlu v kupce sena. Kde je ten kus papíru, který je pro tento konkrétní případ skutečně relevantní? Snaží se to všechno vyřešit. Příležitosti jsou prostě obrovské.
Myslím, že jedna z těchto kvalifikací má velké množství údajů, které je třeba analyzovat. Hovořili jste o lékařských záznamech a jste schopni vyhledat lékařské informace, zda neobsahují relevantní informace. Tyto záznamy v průběhu vašeho života by mohly mít mnoho stovek stránek. To je asi to, co váš rodinný lékař možná má za sebou, ale na to si nebudou pamatovat, zatímco systém na to nikdy nezapomene.
To jo. Doktor může mít pět, možná deset minut na to, aby si prohlédl tuto anamnézu, než přijde a poradí se s vámi, a přesto existuje celá řada velmi důležitých informací, které mohou být ve vaší historii, vaší minulosti, které by za jakýchkoli jiných okolností postrádaly právě protože nemají čas, že kdyby to měli, změnilo by to to.
Přemýšlejte o situaci, kdy žena řekla svému lékaři, že její matka právě zemřela na rakovinu prsu před dvěma lety. Pravděpodobně je pravděpodobné, že si to lékař všimne, ale v tuto chvíli, pokud tato žena přichází na hrudku, a pokud to lékař nevidí, dobře, je to velmi důležitá část informace. Teď to možná znovuobjeví mluvením s pacientem, ale možná ne. Opravdu chcete riskovat, že jste nevěděli, že když něco takového je tak zárodečné?
Obecnou charakteristikou toho, kde je tento materiál užitečný, je zmínka o tom, kde je spousta a spousta dat. Ano, ale ve skutečnosti je to tehdy, když některý z těch aspektů, kdo jsme jako lidské bytosti, začíná tím, co naše kognitivní schopnost začíná dosahovat svého limitu. Dobře čteme. Můžeme něco přečíst. Můžeme to přizpůsobit. Můžeme se přizpůsobit informacím a využít je velmi silnými způsoby jako lidské bytosti. Ale nejsme moc dobří při čtení velkého množství dat. Nemůžeme než… Myšlenka číst desítky tisíc, stotisíce, miliony stránek literatury za den je tak daleko za naší schopností.
Otázka se stává, jak rosteme do světa, kde množství informací, které se denně produkuje, exponenciálně roste, o kolik více informací, které nevyužíváme, které obsahují informace, má malé množství informací, které jsou naprosto kritické pro rozhodnutí, které musíme učinit, nemůžeme se dostat? Pokud to není množství informací, které čteme, je to: Kolik asimilujeme? Kolik si můžeme vzpomenout? Dokážeme vidět malé vzorce, které jsou v těchto informacích relevantní pro naše rozhodnutí?
Existuje spousta věcí, v nichž jsme jako lidé dobře dobří. Existuje také spousta věcí, které nejsme moc dobré, a myslím si, že kde kognitivní výpočetní technika skutečně začíná dělat obrovský rozdíl, je to, když je schopna tuto vzdálenost překlenout, aby tuto mezeru vykompenzovala.
Zdá se docela jasné, že do tohoto světa se dostáváme. Jak jsme připraveni? Co se díváte na náš vzdělávací systém, naši ekonomiku, naše politické struktury? Jak dobře jsme připraveni žít ve světě s tímto typem kognitivního počítání jako součásti?
To je zajímavé. Vychází to z jednoho z klíčových hodnotových bodů, které máme jako lidské bytosti, což je naše schopnost přizpůsobit se. Pokud se na to podíváte čistě diskrétně, kam to jde, a pokud bychom měli skočit o 10 let vpřed a podívat se na to a říci: „Kde budeme 10 let? Jsme na to připraveni?“ odpověď bude pravděpodobně, ne. Musíme toho udělat mnohem víc. Ale lidské bytosti mají tuto pozoruhodnou schopnost se přizpůsobit za běhu a růst se změnami, které se kolem nich odehrávají.
Vzpomeňte si před 10 lety, kdy se smartphone skutečně začal objevovat, natož populární, a jak velkou změnu jsme prošli jako společnost za posledních 10 let. Přemýšlejte o tom, jaký je váš život každý den se smartphonem i bez něj. Můžeme si stěžovat na to, jak moc to může brát z jiných zkušeností, a to může být pravda, ale jde o to, že jsme před 10 lety nestrávili spoustu času rozladěním, byli jsme připraveni jako společnost, i když ve skutečnosti jsme za posledních 10 let prošli mnoha změnami, o nichž jsme si pravděpodobně nebyli plně vědomi, protože jsme tuto změnu v technologii asimilovali a začali ji využívat velmi účinnými způsoby.
Musíme toho hodně udělat. Hodně budeme dělat v průběhu času, hodně růstu, kterým projdeme, hodně vzdělání a politiky a dalších věcí, které musíme projít změnami, ale budeme.
Dostaneme se k mým posledním otázkám. Jaký technologický trend se vás nejvíce týká? Je tu něco, co tě udržuje v noci?
Myslím, že největším problémem, který teď mám, je to, že lidé musí převzít odpovědnost. My jako inženýři a poskytovatelé technologií, spotřebitelé technologií, lidé, kteří mají odpovědnost za regulaci technologie, opravdu musíme být při vědomí a přemýšlet o tom, co chceme udělat, abychom se chránili a připravili se na změny, které se objevují. Nebude to proto, že se tomu nebudeme přizpůsobovat. Budeme. Problém je, samozřejmě, v procesu jeho adaptace, nebudeme si také vědom toho, co to dělá a jak to ovlivňuje nás a kde lidé mohou tuto technologii využívat způsobem, který nechceme preferovat, že nejsme Nebudu se cítit pohodlně nebo se zpětně nebudeme nutně chtít.
Myslím si, že musíme být při vědomí a přemýšlet o tom, co děláme, a nechceme, aby se v našem životě stalo s touto technologií. Konkrétně, zejména dodavatelé, my jako dodavatelé této technologie a lidé, kteří z nich tyto technologické komponenty konzumují a vytvářejí aplikace, by v tuto chvíli měli převzít odpovědnost za naše etické chování nebo chování, které se rodí z etických hodnot.
Jako příklad důrazně doporučujeme kterémukoli z našich vývojářů aplikací, všem institucím, které vytvářejí aplikace využívající tyto technologie, aby byly s jejich koncovými uživateli velmi transparentní ohledně skutečnosti, že se jedná o kognitivní aplikaci, je to počítač, a nepokoušet se maskovat například jako skutečnou lidskou bytost. Nepředstírej. Nenechte tuto věc předstírat.
Nenapodobujte.
Nenapodobujte to a nenechte své zákazníky, aby byli někdy klamáni ve víře, že tato věc je skutečná osoba. Eticky je to špatně. Myslím, že to vytváří riziko zranitelnosti. Člověk, který interaguje s člověkem, může učinit určité předpoklady o našich nedostatcích, o naší neschopnosti skutečně si zachovat spoustu informací, kde při jednání s kognitivním systémem musíme mít na paměti, že lidé, kteří poskytují kognitivní systém řešení nese odpovědnost za soukromí a ochranu informací, které poskytujeme. Na tuto skutečnost bychom nikdy neměli zapomenout.
Co se týče technologie nahoře, jakou technologii používáte každý den, která jen vzbuzuje zázraky? Co změnilo váš život?
Myslím, že skutečnost, že nyní mohu získat přístup k informacím, které, i když bych je mohl získat na internetu, jsme měli k dispozici informace na internetu po dlouhou dobu, ale často jsme se přestali pokoušet získat tyto informace, protože je to ohromující. Díval jsem se na nějaké kamerové vybavení a snažil jsem se rozhodovat o kompromisech mezi různými fotoaparáty -
Pošlu vám odkaz na našeho průvodce kupci.
Tady máš. Je to ohromující, a přesto se musíte spoléhat na jiné lidi, aby vám poradili a předpokládali, že pro vás provedli výzkum, ale i tak to dělají na základě některých předpokladů, které učinili ohledně toho, co co potřebujete a o co vám záleží. V určitém okamžiku se prostě vzdáte a řeknete: „Dobře, dobře, řekni mi, co mám dělat, udělám to.“ Nebo jdete na spoustu webových stránek a vidíte všechny tyto názory a je to jen matoucí a protichůdné, a tak řeknete: „No, sakra se všemi nimi. Jdu jen jít s tím, co mi připadá dobré."
Nyní, protože tyto systémy dokážou shromažďovat a přizpůsobovat se a organizovat velké množství informací, dokonce i pro lidi, kteří vydávají doporučení, dokonce i pro poradce, prospívá jim, protože jim to pomáhá dělat lepší práci. Rád bych řekl, že to není naše myšlení pro nás, to dělá náš výzkum pro nás, abychom mohli dělat naše myšlení lépe, a to platí pro nás jako koncových uživatelů a je to pravda pro poradce. Platí to o každém, kdo je v této roli analytika.
Myslím na aplikaci, protože se vždy snažíme lidem pomáhat při rozhodování o nákupu. Nejsme daleko od systému, který by mohl prohlížet všechny fotografie, které jste pořídili za posledních pět let, vidět, že rádi děláte fotografování divoké zvěře nebo detailní květiny, a poté na základě fotografií, které vytvoří doporučení fotoaparátu, vezmi si.
To je správně. Plameňáci. Nevím proč.
Toto je nejlepší fotoaparát pro fotografování plameňáků.
Plameňáci, správně.
Už tam skoro jsme. Technologie existuje, ještě nebyla naprogramována.
To jo.
Nebo učil, jak to děláme dnes. Rob High, díky moc za to.
Děkuji mnohokrát.
Chcete-li získat více rychlého vpřed s Danem Costaem, přihlaste se k odběru podcastů. V systému iOS si stáhněte aplikaci Apple Podcasts, vyhledejte „Fast Forward“ a přihlaste se k odběru. V systému Android si stáhněte aplikaci Stitcher Radio for Podcasts přes Google Play.
