Die Wirtschaftlichkeit und Vorteile der künstlichen Intelligenz

Wir sehen überall Nachrichten über KI; Manchmal sehen wir die Aufregung um KI und manchmal sehen wir Artikel, die darüber sprechen, wie KI unsere Arbeitsplätze ersetzen oder zerstören wird. Wir sehen auch den gelegentlichen Artikel, in dem darüber gesprochen wird, wie KI die Menschheit zerstören wird.

In diesem Artikel werde ich nicht über eine künstliche allgemeine Intelligenz oder eine böse KI sprechen, die die Menschheit zerstören will. Ich werde mich auf die aktuelle KI konzentrieren, die hauptsächlich auf Algorithmen basiert, die Vorhersagen treffen können, und erörtern, wie die Wirtschaftlichkeit der KI funktioniert und wie sie sich auf das Geschäft auswirken kann. Ich möchte auch erwähnen, dass der Inhalt dieses Artikels stark von Prediction Machines: The Simple Economics of Artificial Intelligence und Human + Machine: Reimagining Work in the Age of AI beeinflusst ist (und dieser Autor zum weiteren Lesen sehr empfiehlt).

Dieser Artikel ist in drei Hauptteile gegliedert:

• In The Evolution of Technology werde ich kurz auf die Vergangenheit und ihre Ähnlichkeiten mit dem Zeitalter der KI eingehen.
• In Strategie werde ich erörtern, wie sich eine höhere Vorhersagegenauigkeit auf Strategien und Geschäftsmodelle auswirken kann.
• In Human and AI Interaction werde ich erörtern, wie Menschen KI ergänzen können und wie KI menschliche Bemühungen ergänzen kann.

Die Evolution der Technologie

Bevor ich fortfahre, möchte ich die Ähnlichkeiten zwischen einigen historischen Ereignissen erörtern, die analog dazu sind, wie wir heute über KI denken. Ich werde einige Beispiele dafür geben, wie der breite Einsatz bestimmter Technologien unsere Denkweise verändert hat. Wie sind wir von der Grundrechentechnik zu spezialisierten Entwicklungsunternehmen für künstliche Intelligenz gekommen?

Das Zeitalter der elektronischen Computer

Was Computer am besten können, ist Arithmetik. Vor den Computern, die wir heute kennen, wurde der Begriff „Computer“ für Menschen verwendet, die buchstäblich rechnen, was wir jetzt als „menschlichen Computer“ bezeichnen.

Mit den Fortschritten der Technologie wurde das Rechnen billiger und schneller, und wir fingen an, an alles in Bezug auf Arithmetik zu denken. Fotografie ist ein gutes Beispiel – historisch gesehen war das Modifizieren oder Anwenden visueller Effekte auf Fotos eine chemische Reaktion. Jetzt verwenden wir jedoch Algorithmen, die Künstlern und Fotografen über Softwarepakete zugänglich sind, um mathematisch Effekte auf Fotos anzuwenden.

Dies ist ein hervorragendes Beispiel dafür, wie wir denken, wenn die Kosten einer Ware/Dienstleistung sinken; Wir beginnen darüber nachzudenken, wie wir unsere aktuellen Probleme in Bezug auf diese neue Technologie lösen können. Dasselbe gilt für KI.

Das Zeitalter des Internets

Als das Internet seine weite Verbreitung fand, hat es in verschiedenen Branchen große Bewegungen gemacht, und es ging um die Reduzierung von Kosten in verschiedenen Bereichen. Beispielsweise wurden die Kosten für den Vertrieb von Waren und Dienstleistungen günstiger, was die Geburt der E-Commerce-Branche auslöste. Unternehmen änderten schließlich ihre Strategien und überlebten oder starben.

Sobald die Kosten für eine Ware oder Dienstleistung sinken, beginnen wir, sie häufiger zu nutzen, und wir können dies auch für das Internet beobachten. Dadurch ändert sich auch unser Mindset und wir verlagern ganze Branchen ins Internet. Neben eCommerce ist ein weiteres Beispiel in der Nutzung von Suchmaschinen zu sehen; Wir suchen nicht mehr in Lexika nach Informationen, sondern nutzen stattdessen Google oder andere Suchmaschinen.

Das Zeitalter der KI

Die Kosten für KI werden in Bezug auf Rechenleistung und Tools immer geringer. Jedes neue Tool/jede neue Bibliothek hilft den Entwicklern des maschinellen Lernens, weniger Zeit mit Vorhersageproblemen zu verbringen. Beispielhaft hierfür können beispielsweise Googles TensorFlow, AutoML oder auch scikit aufgezeigt werden. Wir können auch die verstärkte Nutzung von GPU-Computing als Beispiel für die Kostensenkung in der KI zeigen.

Die Umsatzprognose für das nächste Quartal eines Unternehmens ist ein offensichtliches Vorhersageproblem, aber die Entwicklung eines autonomen Fahrzeugs war vor einem Jahrzehnt kein Vorhersageproblem. Die Kostensenkung in der KI verändert unsere Denkweise, was bedeutet, dass wir angefangen haben, verschiedene Probleme als Vorhersageproblem zu betrachten. Wir haben bereits autonome Fahrzeuge in kontrollierten Umgebungen wie Fabriken eingesetzt, wo das Fahrzeug mit if-else Programmierbedingungen programmiert werden konnte. Die Denkweise zu ändern und dies als Vorhersageproblem zu betrachten, half den Ingenieuren, autonome Autos zu entwickeln, die in freier Wildbahn eingesetzt werden können.

So funktionierte es im Grunde; Ein Ingenieur brachte einer KI bei, was ein Mensch unter verschiedenen Bedingungen tun würde, und dies ermöglichte die Entwicklung einer Onboard-Software, die es den Fahrern ermöglicht, Autos über Tausende von Kilometern zu nutzen, anstatt nach ein paar Hundert müde zu werden. Die KI lernte, was ein Mensch tun würde, und begann vorherzusagen, was er tun sollte. Dies ist ein sehr gutes Beispiel dafür, wie man über ein Problem in Form von Vorhersagen nachdenkt.

Strategie

Hier ist eine wichtige Frage: Wird KI die Strategie und Geschäftsmodelle von Unternehmen beeinflussen? Wenn Sie KI als Vorhersagetool betrachten, das Ihnen hilft, Entscheidungen zu treffen, ist möglicherweise nicht klar, wie es sich auf die reine Strategie auswirkt, da es sich nur um ein weiteres Tool handelt, das Ihnen hilft, Entscheidungen zu treffen. Aber wenn Sie anfangen, KI als Vorhersagetool zu betrachten, das mit hoher Genauigkeit Vorhersagen machen kann, kann das die Strategien selbst ändern. Es gibt ein hervorragendes Beispiel in dem Buch Prediction Machines: The Simple Economics of Artificial Intelligence.

Wenn wir Waren bei Amazon einkaufen und kaufen, werden die Pakete an unser Büro/Haus versendet. Diese Methode kann also als Einkaufen-dann-Versand-Methode bezeichnet werden. Wir wissen auch, dass Amazon über eine Empfehlungsmaschine verfügt und Artikel empfiehlt, während Sie durch die Seiten navigieren. Wir kaufen nicht alle empfohlenen Artikel, aber es empfiehlt zumindest die Artikel, an denen wir interessiert sein könnten. Nehmen wir an, Amazon hat begonnen, mit hoher Genauigkeit vorherzusagen, was Sie kaufen werden. Wenn Sie angefangen haben, 80 % der empfohlenen Artikel zu kaufen, kann Amazon entscheiden, die Artikel zu versenden, bevor Sie sie überhaupt kaufen – nennen wir das Versand, dann Einkauf. Dies ist eine offensichtliche Änderung der Geschäftsstrategie, denn sobald die Artikel bei Ihnen zu Hause ankommen, senden Sie 20 % der Artikel zurück, und die aktuelle Amazon-Preismodellierung basiert nicht auf dieser Annahme. Vielleicht beschließt Amazon, einmal pro Woche einen LKW in Ihre Stadt zu schicken, um die zurückgegebenen Artikel abzuholen, und dies wird die Art und Weise, wie Amazon Ihre Kreditkarte belastet, wie es die Artikel verpackt und wie es mit den zurückgegebenen Artikeln umgeht, grundlegend ändern. All diese Strategieänderungen sind der Vorteil der künstlichen Intelligenz, die eine höhere Vorhersagegenauigkeit aufweist.

Ich glaube, wir können an weiteren Gedankenexperimenten wie dem vorherigen Amazon-Beispiel arbeiten, indem wir nur darüber nachdenken, was passieren würde, wenn KI mit höherer Genauigkeit vorhersagen könnte.

Interaktion zwischen Mensch und KI

Wie wird sich die Interaktion zwischen Mensch und KI in Zukunft entwickeln? Werden sie konkurrieren oder werden sie zusammenarbeiten? Ich werde mich auf diese Fragen konzentrieren, indem ich das Buch Human + Machine: Reimagining Work in the Age of AI durchblättere. Den Autoren zufolge wird es Szenarien geben, in denen Menschen KI ergänzen und KI Menschen ergänzen wird.

Menschen ergänzen KI

Menschen können KI in drei Bereichen ergänzen: Training, Erklärung und Erhaltung.

Ausbildung

Die KI benötigt Daten zum Lernen, was als Trainingsphase bezeichnet wird, damit sie Vorhersagen treffen kann.

In Zukunft werden wir möglicherweise Schulungsagenten haben, die sich ausschließlich auf die Schulung von KI basierend auf den Anforderungen dieses Unternehmens konzentrieren. Wenn es sich um eine Fabrik handelt, könnte ein Schulungsagent für die Schulung eines Roboters verantwortlich sein; Wenn es sich um ein E-Commerce-Geschäft handelt, könnte ein Schulungsagent für die Aggregation historischer Daten verantwortlich sein.

Erklären

Wir müssen verstehen, wie und warum KI eine bestimmte Antwort auf ein bestimmtes Problem gegeben hat.

Im Allgemeinen stehen wir vor einem Kompromiss zwischen der Erklärbarkeit und der Genauigkeit der KI. Die Black-Box-KI-Methoden haben eine höhere Genauigkeit im Vergleich zu Methoden, die leicht erklärt werden können. Obwohl es Tools gibt, die entwickelt wurden, um zu erklären, warum eine Black-Box-KI eine bestimmte Vorhersage gemacht hat, brauchen wir möglicherweise eine Arbeitsrolle, die die Ergebnisse der KI verstehen und erklären kann.

Erhalten

Wir müssen sicher sein, dass die KI wie erwartet funktioniert.

2015 packte ein Roboter in einer Volkswagen-Fabrik einen Arbeiter und zerquetschte ihn tödlich. Möglicherweise benötigen wir Rollen, deren Verantwortung darin besteht, sicherzustellen, dass KI-Systeme wie erwartet funktionieren.

KI ergänzt Menschen

Das Potenzial von KI verleiht Menschen Superkräfte, weil KI schneller und präziser Vorhersagen trifft, als Menschen es jemals könnten. Diese Superkräfte können in dem Wert ausgedrückt werden, den sie einer bestimmten Situation oder Handlung verleihen.

Verstärken

KI-Tools helfen Menschen, die Fähigkeiten des Menschseins zu steigern. In dem Buch Human + Machine: Reimagining Work in the Age of AI verwenden die Autoren das Beispiel der Dreamcatcher-Software von Autodesk, die genetische Algorithmen verwendet, um mögliche Designs zu durchlaufen.

Ein Designer kann mit Hilfe dieses Tools einen leichten, billigen und stabilen Stuhl entwerfen. KI versucht, ein Design zu erstellen, das auf den vorgegebenen Kriterien basiert, und liefert die Ergebnisse an den Designer. Der Designer wählt dann eines der vorgegebenen Designs aus und wendet seine Kreativität an diesem Design an, um den letzten Schliff zu geben.

Dies ähnelt dem, was Computer den Menschen im Computerzeitalter boten – nur auf einem neuen und aufregenden Leistungsniveau in Bezug darauf, bei welchen Dingen KI helfen kann.

Interagieren

KI kann als Assistent fungieren, um Menschen zu helfen, indem sie mit ihnen interagiert. Alexa von Amazon, Google Home und Siri von Apple sind prominente Beispiele für diese Art von interaktiven KI-Agenten. Da diese Agenten mit jeder Iteration verbessert werden, werden wir sie häufiger verwenden, und sie werden ein Teil von uns werden, wie eine tiefere Version dessen, was wir mit unseren Smartphones tun. Diese Agenten werden unsere privaten Assistenten sein und uns ergänzen.

Vermehren

Beispiele für KI-gestützte physische Augmentation finden sich in Fabriken. Obwohl Fabriken derzeit von Robotern betrieben werden, sind sie meist regelbasierte Systeme und werden – nur für den Fall – aus Sicherheitsgründen in einen Käfig gesteckt. Roboter werden Menschen als Mitarbeiter helfen und so konzipiert sein, dass sie Menschen nicht verletzen, während sie sich frei bewegen und in einer Fabrik arbeiten.

Fazit

Obwohl es einige Bedenken gibt, die besagen, dass „Roboter effizienter sind, so dass menschliche Arbeitskräfte in Zukunft ausgemustert werden“, sagt Markus Schaefer, Leiter der Produktionsplanung bei Mercedes, sagt Markus Schaefer, „Wir bewegen uns weg von dem Versuch, die Automatisierung zu maximieren, wobei die Menschen nehmen wieder einen größeren Anteil an industriellen Prozessen.“ Neue Technologien bringen monumentale Veränderungen in der Art und Weise, wie wir Dinge tun, aber die Erfindung des Pflugs hat den Bedarf an Landarbeitern nicht beseitigt, noch hat die Erfindung des Computers den Bedarf an Mathematikern beseitigt. Wie bei allen technologischen Revolutionen wird das Aufkommen der KI genutzt, um der Menschheit zu helfen, ein neues Paradigma zu erreichen, nicht um es vollständig zu ersetzen.

Bereit für mehr technisches KI-Wissen? Probieren Sie A Deep Dive into Reinforcement Learning aus, um zu erfahren, wie Sie einer KI beibringen, ein Auto einen Berg hinaufzufahren.