Es war einmal, da wurde KI (künstliche Intelligenz) zum Schlagwort vieler Unternehmen. Ganz gleich, in welcher Branche das Unternehmen tätig war oder um welche Art von Unternehmen es sich handelte, es schien, als wäre es ohne KI nicht mehr zeitgemäß. Die Medien waren jeden Tag voll mit verschiedenen KI-Berichten und wir hatten es satt, sie zu hören. Hier könnten wir genauso gut IBM, Google und Amazon, die branchenweit anerkannten Vertreter der KI bzw. Technologie bzw. des Marktes, als Beispiele nehmen, um zu sehen, wie es um die Technologie und den Markt der KI bestellt ist? IBM Watson: Verdacht auf Spielerei mit hohen Vermarktungskosten und ohne wirkliche Wirkung Apropos Watson: Dieses sogenannte KI-System hat unzählige Schlagzeilen gemacht, seit es vor sechs Jahren in der amerikanischen Quizshow Jeopardy menschliche Kandidaten besiegte und das erste war, das kommerzialisiert wurde (es wird hauptsächlich zur Erkennung und Vorbeugung von Krebs im medizinischen Bereich eingesetzt). Im Laufe der Zeit wurde Watson jedoch von der Branche immer wieder in Frage gestellt. So veröffentlichte etwa James Kisner, Analyst bei der Wall-Street-Investmentbank Jefferies, einen Forschungsbericht zu IBMs künstlicher Intelligenz „Watson“. Darin stellte er fest, dass IBMs Investition in Watson den Aktionären wahrscheinlich keine Wertrendite bringen werde, und führte Fälle an, um die weitverbreiteten Probleme mit IBM Watson zu veranschaulichen. Der Fall stammt aus der Zusammenarbeit zwischen IBM Watson und dem MD Anderson Cancer Center. Nachdem 60 Millionen Dollar für das Watson-Projekt verschwendet worden waren, beendete das MD Anderson Cancer Center schließlich seine diesbezügliche Zusammenarbeit mit IBM und räumte ein, dass die Technologie noch nicht für den klinischen Einsatz bereit sei. Die Situation im MD Anderson Cancer Center ist kein Einzelfall. Mehrere Unternehmer im Bereich der künstlichen Intelligenz sagten, dass ihre Kunden aus den Bereichen Finanzdienstleistungen und Biotechnologie im Umgang mit IBM ähnliche Erfahrungen gemacht hätten.Verglichen mit der Analyse der Wall-Street-Investmentbanken machte der Risikokapitalgeber Chamath Palihapitiy im Mai dieses Jahres in der Finanzmarktbeobachtungskolumne „Closing Bell“ von CNBC eine noch schockierendere Aussage: „Ehrlich gesagt ist Watson ein Witz. Ich denke, IBM ist sehr gut darin, Verkaufs- und Marketingmethoden einzusetzen, um Menschen mit Informationsasymmetrie dazu zu bewegen, ihr Portemonnaie zu öffnen.“ Roge Schank, Gründer der American Cognitive Science Society, ist jedoch der Ansicht, dass Watson überhaupt kein kognitives Computersystem sei und IBM der Übertreibung verdächtigt werde. Er führte außerdem folgendes Argument an: Um Watsons außergewöhnliche Intelligenz zu demonstrieren, platziert IBM seit 2015 Watson-Werbung in beliebten Fernsehsendungen. In der Werbung führt das Watson-Programm ein Gespräch mit der Rocklegende Bob Dylan. Schank wies daraufhin darauf hin, dass die Anzeige lediglich zeige, dass Watson Dylans Arbeit überhaupt nicht verstehe. Obwohl Wörter wie „die Zeit vergeht“ häufig in Dylans Werken auftauchen, weiß jeder, der mit Dylans Werken vertraut ist, dass Dylan ein Protestsänger ist, dessen Lieder sich vor allem mit Themen wie Bürgerrechten und Antikriegsthemen befassen. Allerdings handelt es sich in Dylans Texten nicht explizit um „Antikriegslieder“ oder „Bürgerrechtsbewegung“. Watson fand das „Vergehen der Zeit“ und die „verblassende Liebe“ lediglich auf der Grundlage von Wortfrequenzstatistiken und anderen Methoden, ohne das wahre Thema von Dylans Werk wirklich zu verstehen. Google DeepMind: Abgesehen von Go sind die Technologie- und Vermarktungsaussichten von „Watson“ unklar. Was Google betrifft, so setzte AlphaGo im vergangenen Jahr auf künstliche Intelligenz, um Go herauszufordern, das als das schwierigste menschliche Spiel gilt, und war ein großer Erfolg. Dadurch wurde das „Deep Learning“ hinter der künstlichen Intelligenz weithin bekannt und DeepMind, das zuvor von Google übernommene KI-Technologieunternehmen, an die Öffentlichkeit gebracht. In dieser Hinsicht sei es, wie Rui Yong, ehemaliger Executive Vice President von Microsoft Research Asia, sagte, noch ein langer Weg bis zur Erlangung echter künstlicher Intelligenz. Heutzutage basiert fast die gesamte künstliche Intelligenz auf den Big Data der menschlichen Vergangenheit. Keine Fähigkeit in irgendeinem Bereich kommt von Selbsterkenntnis. Ob Schach oder Go, Computer lernen aus früheren Schachrekorden der Menschen. Wenn man AlphaGo bitten würde, Dame zu spielen, wäre das völliger Blödsinn. Selbst wenn das Go-Brett leicht modifiziert wird, wird AlphaGo damit nicht zurechtkommen, der Mensch wird jedoch keine Probleme haben. AlphaGo kann den Dreißiger Lee Sedol schlagen, aber seine Lernfähigkeit ist nicht so gut wie die eines fünfjährigen Kindes. Es besteht ein großer Unterschied zwischen den beiden. Im Vergleich zu Watson ist DeepMind gerade erst in den kommerziellen Bereich eingetreten. Im vergangenen Juli gab Google bekannt, dass DeepMind einen Weg gefunden habe, den Stromverbrauch zur Kühlung der Google-Rechenzentren um zwei Fünftel zu senken. Sein Algorithmus analysiert zunächst die Betriebsprotokolle des Rechenzentrums, um die Aufgaben zu verstehen, und optimiert dann den Prozess durch wiederholtes Ausführen von Simulationen. In ähnlicher Weise hat DeepMind auch den medizinischen Sektor erobert. Im vergangenen November gewann das Unternehmen sein erstes bezahltes Projekt und unterzeichnete einen Fünfjahresvertrag mit dem Royal Free London, einem öffentlichen Krankenhaus des NHS, zur Verarbeitung von 1,7 Millionen Patientenakten. Darüber hinaus hat DeepMind Zugriff auf zwei Datenbanken anderer Londoner Krankenhäuser erhalten. DeepMind analysierte mithilfe von KI-Software etwa eine Million Netzhautscanberichte und fand erfolgreich frühe Anzeichen degenerativer Augenerkrankungen. Oder nutzte Bilder von Kopf- und Halskrebs, damit die KI-Software lernte, zwischen gesundem und krebsartigem Gewebe zu unterscheiden. Gemessen an der oben erwähnten Kommerzialisierung von DeepMind ist es, ähnlich wie bei Watson, zunächst notwendig, Big Data aus der realen Welt zu beschaffen. Selbst für Google, das große Datenmengen verarbeiten muss, ist es sehr wichtig, die spezifischen Betriebsdaten des Unternehmens zu erfassen, wenn es KI- und maschinelle Lerntechnologien zur Verbesserung von Systemen wie Krankenhäusern, Stromnetzen und Fabriken einsetzt. Der Grund ist einfach. Ohne von Menschen bereitgestellte Hintergrunddaten ist die bestehende KI-Technologie nicht einmal in der Lage, die einfachsten Herausforderungen zu bewältigen. Daher ist die aktuelle KI-Technologie nicht wirklich „intelligent“ und kein universeller Problemlöser. Apropos Daten: Vor dem Kampf Mensch gegen Maschine hat DeepMind mehrere Jahre damit verbracht, Go zu lernen. Für Watson, der an der Sendung „Jeopardy!“ teilnahm. Quiz: Entwickler geben Terabytes an Daten über Quizshows und Beispiele in natürlicher Sprache ein, um dem Programm beim Verstehen der Frage- und Antwortmuster der Show zu helfen. Nur durch ein solch gezieltes und intensives „Training“ durch den Menschen können diese Maschinen eine so hohe Leistung erbringen. Scheinbar einfache Anwendungen wie der Terminplanungsassistent X.ai brauchten Jahre, um sich mit der Terminplanung vertraut zu machen und kommerziell rentabel zu werden. Der Prozess, mit dem sie arbeiten, ähnelt eher einer Big Data-Analyse und -Ausgabe auf der Grundlage erhöhter Rechenleistung und ist weit entfernt von kreativem Denken. Es ist eine bekannte Tatsache, dass die Fähigkeiten der Maschinen bei der Datenverarbeitung (die eigentlich eine Art Hochgeschwindigkeitsberechnung ist) die des Menschen schon lange übertroffen haben. In diesem Zusammenhang sagten einige Analysten, dass DeepMind in Zukunft möglicherweise nicht in der Lage sein wird, große Einnahmen zu erzielen, indem es einfach KI-Programme zur Lösung komplexer Probleme einsetzt. Die nützlichen Informationen, die die DeepMind-KI-Software durch Datenanalyse erhält, reichen jedoch aus, um Googles enorme Investition in das ursprüngliche Angebot lohnenswert zu machen. Nachdem ich dies gelesen habe, glaube ich, dass die Leute in der Branche die Natur von DeepMind und den wahren Zweck von Google unter dem Banner der KI kennen sollten. Amazon Alexa: Immer noch schnelle Informationsabfrage, aber keine natürliche Spracherkennung. Schauen wir uns zum Schluss Amazon an. Seine sogenannte KI ist der Branche durch die Verkaufsschlager der Echo-Lautsprecher bekannt geworden, die die intelligente Sprachtechnologie Alexa verwenden, und stellt in gewissem Maße auch das Niveau der KI von Amazon dar. Doch gemessen an den Anwendungen liegt der Anwendungsbereich intelligenter Sprachdienste hauptsächlich in der Informationsbeschaffung und hilft Benutzern, Informationen zu erhalten. Der überwiegende Großteil der Inhalte besteht aus abfragebasierten Informationsdiensten, die kein „folgerndes Denken“ (Verstehen der natürlichen Sprache des Benutzers) erfordern. Wenn der Benutzer Fragen stellt, die über grundlegende Informationen hinausgehende Schlussfolgerungen erfordern, ist nicht nur Alexa, sondern fast jede intelligente Spracherkennung (einschließlich Google und Microsoft) machtlos. Nehmen Sie als Beispiel Amazons Alexa. Letztes Jahr bestellte ein sechsjähriges Mädchen versehentlich Spielzeug im Wert von 170 Dollar und eine 1,8 kg schwere Schachtel Kekse, während es mit Alexa, dem in Echo integrierten Sprachassistenten mit künstlicher Intelligenz, chattete. Obwohl die Mutter des Kindes die Bestellung sofort stornierte, nachdem sie einen Anruf mit der Bestellbestätigung aus unbekannter Quelle erhalten hatte, war die Bestellung bereits bearbeitet und am nächsten Tag wurde eine Puppe geliefert, die fast so groß war wie das Kind. Schließlich beschlossen sie schweren Herzens, die Puppe dem örtlichen Kinderkrankenhaus zu spenden. Ein weiteres Beispiel ist, dass Amazon Alexa Befehle falsch versteht und Kindern Inhalte für Erwachsene bereitstellt. Das heißt, ein Kind gab Amazon Alexa einen Befehl: „Alexa, bitte spiele ‚Digger Digger (ein Kinderlied)‘.“ Anschließend erkannte Amazons persönlicher Assistent dies über einen Algorithmus und ging tatsächlich davon aus, dass das Kind pornografische Inhalte anhören wollte. Den Eltern des Kindes wurde der Vorfall erst später klar, doch leider konnten sie Alexa nicht davon abhalten, den Ton abzuspielen. Das Obige zeigt, dass die „Schwierigkeit“ der natürlichen Sprache (echte KI-Fähigkeiten) noch lange nicht gelöst ist. Denn unterschiedliche Anwendungen (Fragen und Antworten, Stimmungsanalyse, maschinelle Übersetzung, partielle Sprachkennzeichnung) erfordern unterschiedliche Modellarchitekturen: stark überwachtes neuronales Speichernetzwerk, baumförmiges Langzeit-Kurzzeitgedächtnisnetzwerk, bidirektionales LSTM-eingeschränktes Zufallsfeld (CRF), dynamisches Speichernetzwerk usw. Obwohl in der Forschung einige sehr vielversprechende neue Ideen aufgetaucht sind, sind das Design, die technische Synthese und die skalierbaren Dialogsysteme, die diese Ideen kombinieren, noch sehr komplex und weit von einer kommerziellen Nutzung entfernt. Auf die Frage, wann wir in der Lage sein werden, mit digitalen Assistenten über natürliche Sprache zu kommunizieren und zufriedenstellende Antworten zu erhalten, können selbst Spitzenwissenschaftler wie Andrew Ng keine eindeutige Antwort geben. Selbst für die fortschrittlichsten Wissenschaftler auf dem Gebiet neuronaler Netzwerke birgt die Technologie noch immer viele Geheimnisse. Viele Aufgaben lassen sich nur durch Ausprobieren verbessern und niemand kann garantieren, welche Folgen eine bestimmte technische Anpassung haben kann. Basierend auf den vorhandenen Technologien und Methoden wird dieser Prozess mehrere Jahre dauern. Unter der Ermutigung dieser Technologiegiganten tendiert die KI zur Verallgemeinerung. Statistiken zufolge hatten bis Ende letzten Jahres 180 der Fortune 500-Unternehmen angekündigt, entsprechende Projekte im Bereich der künstlichen Intelligenz zu starten. Einige Werbeforschungsinstitute wagen sogar die kühne Prognose, dass bis 2020 künstliche Intelligenz in der Werbung für fast alle neuen Technologieprodukte zum Einsatz kommen könnte. Gartner hat 1.000 Technologieanbieter untersucht, die angaben, künstliche Intelligenz einzusetzen. Dabei stellte das Unternehmen fest, dass die meisten der sogenannten Technologien für künstliche Intelligenz immer noch auf grundlegenden, regelbasierten Technologien für maschinelles Lernen und Analysen basieren (wie etwa Watson von IBM und DeepMind von Google, die oben erwähnt wurden). Diese Technologien kamen in der Industrie schon lange vor der Popularität des Konzepts der künstlichen Intelligenz zum Einsatz und wurden auch dort eingesetzt. Noch wichtiger ist, dass die Fähigkeiten dieser Technologien noch lange nicht als „künstliche Intelligenz“ bezeichnet werden können. Gleichzeitig mit der Verkündung des „Entwicklungsplans für künstliche Intelligenz der neuen Generation“ durch den Staatsrat zeigt die chinesische Regierung zwar Weitsicht und Entschlossenheit, in der Wissenschafts- und Technologiebranche erfolgreich zu sein, doch sollten wir auch vor dem aktuellen Trend zur allgemeinen Verbreitung von KI in der Branche auf der Hut sein, insbesondere in China, wo jedes Mal, wenn eine wichtige industriefreundliche Politik oder ein Konzept eingeführt wird, viel Schlamm und Sand auf uns zukommt. Wir dürfen nicht zulassen, dass die echte KI in der Verallgemeinerung der KI untergeht. Als Gewinner des Qingyun-Plans von Toutiao und des Bai+-Plans von Baijiahao, des Baidu-Digitalautors des Jahres 2019, des beliebtesten Autors von Baijiahao im Technologiebereich, des Sogou-Autors für Technologie und Kultur 2019 und des einflussreichsten Schöpfers des Baijiahao-Vierteljahrs 2021 hat er viele Auszeichnungen gewonnen, darunter den Sohu Best Industry Media Person 2013, den dritten Platz beim China New Media Entrepreneurship Competition Beijing 2015, den Guangmang Experience Award 2015, den dritten Platz im Finale des China New Media Entrepreneurship Competition 2015 und den Baidu Dynamic Annual Powerful Celebrity 2018. |
<<: Beschwerden bleiben hoch, Mercedes-Benz GLC steckt in „Bruchtür“ fest
Der Sommer ist die Jahreszeit, in der viele Mensc...
Heute ist Silvester Wo verbringen Sie den Winter ...
Yoga-Bewegungen sind relativ einfach und leicht z...
Bewegung hat viele Vorteile für unseren Körper. R...
Der Begriff „Walfall“ tauchte erstmals 1991 auf, ...
Ich glaube, viele Leute möchten wissen, wie sie b...
Wie führt man diese Beckenbodenübung durch? In de...
1. Schnellladetrends von Batterien mit unterschie...
Laut Business Insider sagen Experten, dass selbst...
Anmerkung des Herausgebers: Die Ernährungsrichtli...
Produziert von: Science Popularization China Auto...
Sit-ups haben für Mädchen viele Vorteile. Sie kön...
Aerobic ist für viele Menschen eine Sportart, die...
Menschen müssen normalerweise bei vielen Dingen i...
Science Times-Reporter Wu Tong In einem kürzlich ...