- NR Narayana Murthy, „Infosys“ bendraįkūrėjas, abejoja AI sukeltų vilčių tikrumu, pabrėždamas tendenciją įprastą programavimą vaizduoti kaip AI proveržius.
- Pasak Murthy, tikra AI priklauso nuo mašininio mokymosi ir gilaus mokymosi, atskleidžiant juos nuo paprasčių algoritmų taikymų.
- Mašininis mokymasis naudoja duomenis, kad tiksliai prognozuotų būsimus įvykius, o gilus mokymasis imituoja žmogiško smegenų procesus, leidžiant nekontroliuojamą mokymąsi ir savievoliškumą.
- Murthy įspėja apie darbo vietų praradimą dėl AI, tačiau įsivaizduoja AI kaip ekonominio augimo ir naujų užimtumo galimybių variklį.
- Jis ragina verslininkus kurti naujoves, skatindamas darbo vietų kūrimą kaip tvarų sprendimą skurdui, pabrėždamas, kad technologinis pažangumas turi būti siejamas su atsakomybe.
- Murthy pastebėjimai suteikia aiškumo, ragindami suinteresuotąsias šalis inovuoti atsakingai, besivystančio AI poveikio kontekste.
Gausiose „TiECon Mumbai“ koridoriuose, ryžtingas balsas pakilo tarp AI euforijos triukšmo. NR Narayana Murthy, „Infosys“ bendraįkūrėjas ir ikona pasaulio technologijų pasaulyje, pateikė realybės patikrinimą, kuris nuskambėjo kaip skambutis. Jis ragino entuziastingą verslininkų auditoriją atskirti esmę nuo šou augančiame dirbtinio intelekto (AI) pasaulyje.
Konferencijų salėje tvyrojo laukimo atmosfera, kai Murthy, žinomas dėl savo vizionieriškų įžvalgų, pateikė aštrią kritiką plačiai paplitusiam AI pasakojimui, kuris sulaikė Indiją. Jis pastebėjo tendenciją, kai įprasti programavimo laimėjimai kartais neteisingai apibūdinami kaip naujausi AI proveržiai. Atrodo, kad terminas „AI“ tapo madinga žodžių fraze—dažnai taikoma apibūdinti sistemoms, kurios yra tik kasdieniai algoritmai.
Norėdamas apšviesti painiavą, Murthy apibrėžė tikro AI esmę, pabrėždamas jo priklausomybę nuo dviejų pagrindinių ramščių: mašininio mokymosi ir gilaus mokymosi. Pasak Murthy, mašininis mokymasis suteikia galimybę kurti dideles koreliacijas, kurios tiksliai numato būsimus įvykius. Tuo tarpu gilus mokymasis veikia aukštesniu lygiu, imituodamas sudėtingus žmogiško smegenų procesus per nekontroliuojamus algoritmus. Ši technologija pažada nuostabių žmogiškų gebėjimų, įkvepiančių tiek tyrėjus, tiek verslus.
Murthy pažymėjo, kad daug kas, kas apsimeta AI, neturi tos sudėtingumo, kuri susijusi su giliu mokymusi, galinčiu dinamiškai generuoti naujus sprendimų šakos ir autonomiškai evoliucionuoti. Priešingai, tradicinis mašininis mokymasis pirmiausia naudoja prižiūrimus duomenis, kad modeliuotų rezultatus. Gilaus mokymosi potencialas vykdyti nekontroliuojamus algoritmus pristato įdomią pažangą, kur AI gali pereiti nuo statiškų struktūrų į savigaminimo ir prisitaikymo sritį.
Vis dėlto AI atsiradimas neatneša iššūkių. Murthy pripažino, kad neįmanoma išvengti tam tikrų darbo vietų praradimo, kai technologijos tobulėja. Nepaisant to, jis pristatė vilties ir galimybių viziją, teigdamas, kad gerai integruota AI aplinka gali žymiai padidinti ekonominį augimą. Murthy ragino verslininkus nebijoti šių pokyčių, o išnaudoti AI galimybes, kad sukurtų naujas ekonomines paradigmas.
Pagrindinė Murthy žinutė buvo apie inovacijas, kurios skatina plačią užimtumą. Jis išreiškė tvirtą įsitikinimą, kad verslumo dvasia gali sukurti daugybę naujų darbo vietų—tai esminis žingsnis kovojant su skurdu. Vietoj to, kad remtųsi laikinais sprendimais, siekti apčiuopiamos ekonominės pažangos per verslumą, teigė Murthy, yra tikras kelias į klestėjimą.
Era, kurioje AI dažnai perdedamas, Narayana Murthy įžvalgos tarnauja kaip švyturys, ragindamos mus naviguoti su aiškumu ir tikslu. Jo žodžiai pabrėžia pažangos ir atsakomybės pažadą, kuris lydi technologinį pažangą, reikalaujant apmąstyti ir veikti iš visų suinteresuotųjų šalių. Kad pokalbis apie AI ir toliau vystytųsi, Murthy perspektyva prisotina mus esminiais principais, kurie turėtų vadovauti šiems transformaciniams siekiams.
Už hype: AI realybės atskleidimas ir jos poveikis ateityje
Dirbtinio intelekto esmė
Greitai besikeičiančiame technologijų pasaulyje AI tapo madinga žodžių fraze, dažnai neteisingai suprantama ar apibūdinama. AI esmėje yra du pagrindiniai ramščiai: mašininis mokymasis ir gilus mokymasis. Nors abu yra AI komponentai, jie atlieka skirtingas funkcijas ir veikia skirtingais sudėtingumo lygiais.
Mašininis mokymasis vs. Gilus mokymasis: Tikras skirtumas
– Mašininis mokymasis: Tai algoritmų naudojimas, kad analizuotų duomenis, mokytųsi iš jų, o tada priimtų informuotus sprendimus. Jis naudoja prižiūrimą mokymąsi, kur modeliai mokomi pagal pažymėtus duomenų rinkinius. Tai puikiai tinka užduotims, tokioms kaip klasifikacija ir prognozavimas, kai aiškiai matomi duomenų modeliai.
– Gilias mokymasis: Imituodamas žmogaus smegenų struktūrą, jis naudoja neuroninius tinklus duomenims analizuoti su tokiu sudėtingumu ir abstrakcija, kurios neįmanoma pasiekti su tradiciniais algoritmais. Jis puikiai atlieka užduotis, tokias kaip vaizdų ir kalbos atpažinimas, bei natūralios kalbos apdorojimas.
NR Narayana Murthy pabrėžia, kad tikrasis AI potencialas slypi gilaus mokymosi gebėjime evoliucionuoti ir prisitaikyti naudojant nekontroliuojamus duomenis, laužant statinius pagrindus ir pereinant prie savarankiškų sistemų.
Dirbtinio intelekto realaus pasaulio naudojimas ir nauda
– Sveikatos priežiūra: AI gali supaprastinti diagnostikos procesus, individualizuoti gydymo planus ir netgi prognozuoti pacientų rezultatus naudojant didelius medicininių duomenų kiekius.
– Finansai: Mašininiai mokymosi algoritmai naudojami sukčiavimo nustatymui, klientų aptarnavimo automatizavimui, kredito vertinimui ir algoritmų prekybai.
– Gamyba: AI pagerina prognozuojamą priežiūrą, kokybės kontrolę ir procesų optimizavimą.
– Prekyba: Įmonės naudoja AI inventoriaus valdymui, individualizuotoms rekomendacijoms ir klientų aptarnavimui per chatbot’us.
AI diegimo problemos ir apribojimai
Nors AI atneša daug privalumų, yra kai kurių esminių iššūkių:
– Darbo vietų praradimas: Automatizacija gali padaryti kai kurias tradicines roles pasenusiomis. Tačiau, kaip teigia Murthy, tai taip pat suteikia galimybių sukurti naujų tipų darbo vietas, skatinančių ekonominį augimą.
– Etiniai klausimai: Protingesnių sistemų reikalauja tvirtų sistemų, kad būtų sprendžiami privatumo, šališkumo ir sprendimų autonomijos klausimai.
– Techniniai iššūkiai: AI sistemų skalavimas ir užtikrinimas, kad jos būtų saugios nuo priešingų atakų, išlieka svarbios problemos.
Rinkos tendencijos ir ateities prognozės
AI rinka ir toliau sparčiai auga, numatomi naujovės autonominėse sistemose, asmeniniuose AI palydovuose ir integruotesnėje AI naudojimo praktikoje įvairiose pramonės šakose.
Pasak „Grand View Research“ ataskaitos, pasaulinė AI rinkos vertė 2020 metais buvo 62,35 milijardo USD, ir tikimasi, kad ji augs 40,2% compound annual growth rate (CAGR) nuo 2021 iki 2028 metų.
Veiksmingi pasiūlymai
1. Verslininkai: Išnaudojo AI, kad kurtų naujoves, kurios padidina našumą ir sukuria naujas rolės žmogui greta mašinų.
2. Specialistai: Tobulinkite įgūdžius AI susijusiose srityse, tokiose kaip duomenų mokslas, mašininis mokymasis ir neuroniniai tinklai, kad išliktumėte konkurencingi darbo rinkoje.
3. Politikos formuotojai: Investuokite į švietimo ir mokymo programas, kurios paruoš darbuotojus AI integracijai.
4. Įmonės: Analizuokite AI naudojimo atvejus, specifinius savo pramonei, siekiant pagerinti operacijas ir klientų aptarnavimą.
Orientuodamiesi į autentiškas AI galimybes ir vengdami perdėtų pasakojimų, galime geriau panaudoti jo potencialą ekonominiam ir socialiniam progresui. Daugiau informacijos apie AI ir kaip jis veikia įvairiose srityse rasite apsilankę Infosys.