מאחורי ההייפ של הבינה המלאכותית: העמדה הכנה של נאראיאנה מורתי על בינה מלאכותית אמיתית

• NR Narayana Murthy, מייסד שותף של אינפוסיס, מערער על ההייפ הסובב את AI, מדגיש את הנטייה לתייג תכנות מסורתי כה breakthroughs של AI.
• AI אמיתי, כפי שמסביר מורטי, תלוי במידול מכונה ולמידה עמוקה, ומבחין ביניהם לבין יישומים אלגוריתמיים רגילים.
• למידה במכונה משתמשת בנתונים כדי לחזות אירועים עתידיים בדיוק, בעוד שלמידה עמוקה מדמה את תהליכי המוח האנושי, מאפשרת למידה בלתי ממומנת ואבולוציה עצמית.
• מורטי מזהיר על פיטורין מעבודה בשל AI אך מדמיין את AI כקטליזטור לצמיחה כלכלית והזדמנויות תעסוקה חדשות.
• הוא קורא ליזמים לחדש, לעודד יצירת מקומות עבודה כפתרון בר קיימא לעוני, ומדגיש שההתקדמות הטכנולוגית חייבת להיות משולבת באחריות.
• התובנות של מורטי מספקות בהירות, קוראות לגורמים המעורבים לחדש באחריות בעידן ההשפעה ההולכת וגוברת של AI.

במסדרונות העמוסים של TiECon במומבאי, התייצב קול מגדיר בין רעש ההתרגשות סביב AI. NR Narayana Murthy, מייסד שותף של אינפוסיס ואיקון בנוף הטכנולוגי הגלובלי, סיפק חיוב אמיתי שהמהדהד כמו קריאה לצורך. הוא קרא לקהל של יזמים eager להבחין בין תוכן לראווה בעידן המשתדרג של אינטליגנציה מלאכותית (AI).

האולם היה טעון בהתרגשות כאשר מורטי, ידוע בתובנותיו הוויזיונריות, ביצע ביקורת חד על הנרטיב המדבק סביב AI המשלוט בהודו. הוא הבחין במגמה שבה הישגים של תכנות רגיל לעיתים קרובות מתויגים בטעות כהתקדמות AI מתקדמת. המונח "AI," נראה, הפך לשם עובר—שנשמע לעיתים קרובות כדי לתאר מערכות שאינן יותר מאשר אלגוריתמים שגרתיים.

כדי להבהיר את הבלבול, מורטי הסביר את מהות ה-AI האמיתי, מדגיש את התלות שלו בשני עמודים קריטיים: למידת מכונה ולמידה עמוקה. למידת מכונה, על פי מורטי, מאפשרת יצירה של מתודולוגיות נרחבות שמניחות חיזויים על אירועים עתידיים בצורה מרשימה. בינתיים, למידה עמוקה פועלת ברמה גבוהה יותר, מחקה את התהליכים המורכבים של המוח האנושי באמצעות אלגוריתמים בלתי ממומנים. טכנולוגיה זו מציעה יכולות דמוי אנושי בצורה מרשימה, תופסת את הדמיון של חוקרים ומבצעים כאחד.

מורטי ציין כי הרבה ממה שמתחזה ל-AI חסר את המורכבות הקשורה ללמידה עמוקה, שמסוגלת ליצור דינמיקה חדשה של החלטות ולהתפתח באופן עצמאי. השווא בזה עם למידת מכונה כלשהי, אשר בעיקר מכניסה נתונים ממומנים כדי לדגם תוצאות. הפוטנציאל של למידה עמוקה לגייס אלגוריתמים בלתי ממומנים מציע גבול מרגש שבו AI יכול לעבור מעבר למסגרות סטטיות לתחום של הרכבה עצמית והסתגלות.

עם זאת, הופעת ה-AI לא מגיעה מבלי האתגרים שלה. מורטי הכיר בעקביות בפיטורי עובדים מסוימים עם התקדמות טכנולוגיות AI. עם זאת, הוא פרסם חזון של תקווה והזדמנות, מציע כי נוף AI משולב היטב יכול לתמוך באופן משמעותי בצמיחה כלכלית. מורטי עידוד את היזמים לא לפחד משינוי זה, אלא לנצל את יכולות AI כדי ליצור פרדיגמות כלכליות חדשות.

לב ליבו של המסר של מורטי היה הקריאה שלו לחדשנות שמעוררת תעסוקה רחבה. הוא הביע אמונה חזקה כי רוח היזמות יכולה לייצר הזדמנויות חדשות רבות—צעד קריטי במאבק בעוני. במקום להסתמך על אמצעים זמניים, להקפיד על התקדמות כלכלית מוחשית דרך יזמות, טען מורטי, היא הכרטיס האמיתי לשגשוג.

בעידן שבו AI לעיתים קרובות מוגזם מעבר ליכולתו האמיתית, התובנות של Narayana Murthy משמשות כפנס, קוראות לנו לנווט בבירור ובמטרה. דבריו מדגישים את ההבטחה והאחריות המלווים את ההתקדמות הטכנולוגית, דורש התבוננות ומעשה מחושבים מכל הגורמים המעורבים. כאשר השיחה סביב ה-AI ממשיכה להתפתח, פרספקטיבת מורטי קושרת אותנו לעקרונות הבסיסיים שצריכים להנחות את העיסוקים המהפכניים הללו.

מעבר להייפ: לחשוף את המציאות של AI והשפעתה על העתיד

הבנת הליבה של אינטליגנציה מלאכותית

בעולם הטכנולוגי המשתנה במהירות, AI הפך למושג חם, לעיתים קרובות misunderstood או mischaracterized. עיקר ה-AI הוא שני עמודים עיקריים: למידת מכונה ולמידה עמוקה. בזמן ששני אלו הם רכיבים של AI, הם משרתים מטרות שונות ופועלים ברמות שונות של מורכבות.

למידת מכונה מול למידה עמוקה: ההבדל האמיתי

– למידת מכונה: היא כוללת את השימוש באלגוריתמים כדי לפרט נתונים, ללמוד מהם, ואז לקבל החלטות מושכלות. היא משתמשת בלמידה במונח, כאשר מודלים מאומנים על מערכי נתונים מסומנים. היא מצוינת עבור משימות כמו סיווג וחיזוי כאשר יש דפוסי נתונים ברורים.

– למידה עמוקה: מחקה את מבנה המוח האנושי, היא מנצלת רשתות עצביות כדי לנתח נתונים ברמה של מורכבות ואבстраקציה שלא ניתן להשיג עם אלגוריתמים מסורתיים. היא מצטיינת במשימות כמו זיהוי תמונות ודיבור, ועיבוד שפה טבעית.

NR Narayana Murthy מדגיש שהפוטנציאל האמיתי של AI טמון ביכולתה של הלמידה העמוקה להתפתח ולהסתגל באמצעות נתונים בלתי ממומנים, לשבור מתוך מסגרות סטטיות לתוך מערכות אוטונומיות.

שימושים ובחינות מעשיות של אינטליגנציה מלאכותית

– בריאות: AI יכולה לייעל תהליכים אבחנתיים, להותאם תוכניות טיפוליות, ואפילו לחזות תוצאות של מטופלים באמצעות כמות רבה של נתוני רפואה.
– פיננסים: אלגוריתמים של למידת מכונה משמשים לזיהוי הונאה, אוטומציה של שירות לקוחות, דירוג אשראי, ואחר כך מסחר אלגוריתמי.
– תעשייה: AI משפרת תחזוקה חיזויית, בקרת איכות, ואופטימיזציה של תהליכים.
– קמעונאות: עסקים משתמשים ב-AI לניהול מלאי, המלצות מותאמות אישית, ושירות לקוחות דרך צ'אט-בוטים.

חששות ומגבלות של יישום AI

בעוד ש-AI מביאה אין ספור יתרונות, ישנם אתגרים בסיסיים:

– פיטורין מעבודה: אוטומציה עשויה להפוך חלק מהתפקידים המסורתיים למיושנים. עם זאת, כפי שמציע מורטי, זה גם מציע הזדמנויות ליצור סוגים חדשים של עבודות, מעודד צמיחה כלכלית.

– חששות אתיים: מערכות חכמות יותר דורשות מסגרות חזקות כדי לטפל בפרטיות, הטיות, ואוטונומיית קבלת ההחלטות.

– אתגרים טכניים: הגדלת מערכות AI והבטחתן מפני התקפות עוינות נשארות בעיות דחופות.

מגמות שוק ונבואות לעתיד

שוק ה-AI ממשיך לגדול במהרה, עם התקדמויות צפויות במערכות אוטונומיות, בני לוויה AI מותאמים אישית, ויותר אינטגרציה של AI בין תחומים שונים.

על פי דוח של Grand View Research, גודל השוק הגלובלי של AI היה 62.35 מיליארד דולר בשנת 2020 וצפוי להתרחב בקצב צמיחה שנתי מצטבר (CAGR) של 40.2% בשנת 2021 עד 2028.

המלצות מעשיות

1. יזמים: לנצל את AI כדי לחדש בדרכים שמגברות על פרודוקטיביות ויוצרות תפקידים חדשים עבור בני אדם לצידה של המכונות.

2. מומחים: לשדרג את הכישורים בתחומים הקשורים ל-AI כמו מדעי הנתונים, למידת מכונה, ורשתות עצביות כדי להישאר תחרותיים בשוק העבודה.

3. מחוקקים: להשקיע במערכות חינוך והכשרה שמכינות את העובדים לאינטגרציית AI.

4. עסקים: לנתח שימושים ל-AI ספציפיים לתעשייה שלהם כדי לשפר תפעול ושירות לקוחות.

על ידי מיקוד ביכולות האותנטיות של AI והימנעות מהנרטיבים המוגזמים, נוכל לנצל טוב יותר את הפוטנציאל שלו כדי להניע התקדמות כלכלית וחברתית. למידע נוסף על AI וכיצד הוא משפיע על תחומים שונים, בקרו באתר Infosys.