Desideroso di AI? Per prima cosa devi allenarlo

0
4

I Transform Technology Summit iniziano il 13 ottobre con Low-Code/No Code: Enabling Enterprise Agility. Iscriviti ora!

L'intelligenza artificiale è una tecnologia in fondo, ma il modo in cui si integra nell'ecosistema dei dati aziendali è diverso da qualsiasi altra tecnologia mai vista prima. Per prima cosa, l'intelligenza artificiale sarà in grado di fare ben poco immediatamente. Per farlo funzionare correttamente, devi addestrarlo e sembra che poche organizzazioni comprendano appieno quanto sia lungo e complesso il lavoro.

In molti modi, possiamo tracciare paralleli tra l'introduzione dell'intelligenza artificiale oggi e l'introduzione del PC consumer nei primi anni '80. Il PC, dopotutto, stava per rifare la vita come la conosciamo gestendo i nostri budget, organizzando le nostre bollette, tenendo le nostre liste della spesa, aiutando con i compiti e offrendo una cornucopia di altre sorprese. Quello che non ci hanno detto è che dovevamo eseguire un piccolo compito chiamato inserimento dati prima che il computer potesse fare tutte queste cose magiche. E in poco tempo, praticamente ogni casa nel mondo sviluppato aveva un PC nell'angolo del soggiorno che raccoglieva polvere.

Insegnare al bot

È improbabile che l'IA subisca la stessa sorte perché avrà (o dovrebbe) avere un team di professionisti dedicati il ​​cui compito è farlo funzionare. Ma il processo di formazione richiederà ancora del tempo, e potrebbe volerci un po' di tempo prima che produca risultati anche marginali.

Su Medium, la scrittrice Sherise Tan afferma che la velocità e l'efficacia del processo di formazione dipendono da quattro fattori chiave: hardware, ottimizzazione, numero di livelli nella rete neurale e dimensione del set di dati. Migliore è l'hardware e maggiore è il grado in cui può funzionare come una singola entità, più facile sarà il processo. Una rete neurale più complicata e più dati da sgranocchiare tenderanno a rallentare le cose. Alla fine, però, l'allenamento consiste in rinforzi positivi e negativi, facendo in modo che produca risposte corrette e scoraggiando quelle errate.

È anche importante notare che la formazione iniziale è solo il primo passo nel processo. Deve essere supportato da convalida e test. Ogni passaggio richiede più cicli con una regolazione costante dei parametri per garantire che l'intelligenza artificiale esegua previsioni accurate con ogni nuovo ciclo.

Quando si tratta di hardware, alcune aziende non aspettano che i produttori tradizionali sviluppino i prodotti giusti per la formazione sull'intelligenza artificiale. Tesla, ad esempio, ha recentemente presentato un nuovo processore contenente 50 miliardi di transistor appositamente per eseguire cicli di addestramento per i propri programmi di intelligenza artificiale. Il D1 Dojo aumenta fino a più di 360 teraflop di potenza di calcolo utilizzando una mesh di CPU a 64 bit che misurano 645 millimetri quadrati, che è piuttosto grande per quanto riguarda i chip. Apparentemente, la società ha deciso di creare il proprio dispositivo dopo aver determinato che le offerte commerciali di Intel, Nvidia e altri non soddisfacevano le esigenze uniche dei suoi processi basati sull'intelligenza artificiale.

La lezione sbagliata?

Tuttavia, la sola potenza di calcolo non renderà l'IA un successo. Il modo in cui viene condotta la formazione avrà l'impatto maggiore e finora la maggior parte dei metodi di formazione sono gravemente imperfetti, secondo un team di ricercatori di Google. Come ha spiegato il ricercatore capo Alex D'Amour al MIT Technology Review, il problema fondamentale è che i dati utilizzati nella formazione sono raramente, se non mai, adeguati a guidare l'IA in una situazione di vita reale. Ciò si traduce nel fatto che l'IA non si limita a superare i suoi cicli di addestramento e quindi fallisce nella pratica, ma fallisce in modi che né l'IA né i suoi operatori umani avrebbero notato. E questo potrebbe avere conseguenze devastanti per applicazioni che vanno dal trasporto all'imaging medico.

Ciò che serve, afferma l'autrice e ricercatrice di intelligenza artificiale Melanie Mitchell, è un modo per far pensare l'intelligenza artificiale per analogie, come fa un cervello umano. Come ha spiegato di recente a Quanta Magazine, quando le persone incontrano situazioni nuove per loro, usano analogie di esperienze passate per risolverle. Sviluppando la formazione sull'intelligenza artificiale sulla logica e sulla programmazione, possiamo insegnare a una rete neurale a riconoscere l'immagine di un ponte ma non a comprendere la natura astratta di altre forme della parola "ponte", come in "colmare il divario di genere". Senza questa capacità, dice, l'intelligenza artificiale non può fornire gli output predittivi e di buon senso che ci aspettiamo.

In questo momento, l'idea di formazione astratta è in una fase molto nascente. Ma in caso di successo, Mitchell sostiene che non solo creerà forme di intelligenza artificiale migliori e più preziose, ma semplificherà il processo di formazione stesso perché non avremo più bisogno di migliaia e migliaia di set di dati per trasmettere idee e concetti relativamente semplici.

Che un'intelligenza sia artificiale o biologica, addestrarla non è un compito facile: basta chiedere a qualsiasi insegnante di scuola. Dopotutto, ci vogliono ben 16 anni circa per addestrare il cervello umano a svolgere compiti di livello base nella maggior parte delle aziende di questi tempi.

L'intelligenza artificiale può assorbire molte informazioni in un breve periodo di tempo e quindi reagire di conseguenza a ciò che ha appreso, ma questo è molto diverso dall'intelligenza reale. I dirigenti aziendali farebbero bene a ricordare che non importa quanta formazione ha ricevuto un'intelligenza artificiale o quanto sembri intelligente, è ancora solo un algoritmo.

VentureBeat

La missione di VentureBeat è quella di essere una piazza cittadina digitale per i responsabili delle decisioni tecniche per acquisire conoscenze sulla tecnologia trasformativa e sulle transazioni.

Il nostro sito fornisce informazioni essenziali sulle tecnologie e sulle strategie dei dati per guidarti nella guida delle tue organizzazioni. Ti invitiamo a diventare un membro della nostra community, per accedere a:

  • informazioni aggiornate sugli argomenti di tuo interesse
  • le nostre newsletter
  • contenuti gated leader di pensiero e accesso scontato ai nostri eventi preziosi, come Trasforma 2021: Per saperne di più
  • funzioni di rete e altro

Diventare socio

LASCIA UN COMMENTO

Per favore inserisci il tuo commento!
Per favore inserisci il tuo nome qui