2019年12月12日夜8時01分○○秒
これは、問題を評価するために、あらゆる角度からの一連の記事である:「私のビジネスはAI AIを使用するためにも使用することができません??」
現在の角度を評価する - ブラックボックス
記事リストのシリーズ:
私のビジネスや他の利用人工知能?AIの導入前に、(a)は評価する必要があります
私のビジネスや他の利用人工知能?あなたは、AIの導入(b)の前に評価する必要があります
「ブラック・テクノロジーは、」どのように人工知能の着陸を議論し、ジョブに使用されます
ブラックボックスは、人工知能の欠点であります
すべてではないAIはブラックボックスである、我々はブラックボックスは、主に、現在最も人気のあるを参照していることを言って、効果が最高の「深い学習」です。
私が書いた前に「」65 PDFは「深い学習のPM包括的に理解できます:蛇口を通してたとえば、あなたが例から見ることができ、中には」学習の深さの作動原理は、(ルールベース)のロジックに関するものではありませんが、 (に基づいて精力的に奇跡の統計)。
精力的に奇跡の原因いくつかの結果:
- ディープ学習は唯一の「何」を伝えることができますが、「なぜ」を伝えることはできません
- 誰も、エラーが発生する状況を予測することができます
下の写真は、いくつかの人工知能がコミット表示されます「愚かな過ちを。」
最も恐ろしい事はある:我々はない救済の具体的な問題に、問題を見つけた場合。
この車の組み立て方法をコンピュータ科学における当社の過去のほとんどはルールベースで、多くの車のように、我々は明確に知っている、それが発見され、その交換に高齢化の一部であるタイトなレモンにねじの緩み、。あなたは右の救済を行うことができます。
学習の深さは、私たちが問題を見つけたとき、完全に異なっている、右の救済、できる唯一のグローバルな最適化を行うことはできません(例えば、より多くのデータを埋めるように)。
どのような問題は、「依存」AIに合わないのですか?
特性のブラックボックスの深さの調査以来、すべての問題が解決する深い学習に適しています。
我々はフィット感を評価する問題が何であるか、それは2つの視点から評価することができ、どのような問題に適合しません。
- 説明する必要が
- 許容誤差
我々は、これら二つの角度高い浸透AIアプリケーションを見て起動します。
私たちは、AIと人間の組み合わせのいくつかの特定のアプリケーションを見てみましょう。
最後に、AIのいくつかを見ては、着陸のシナリオには適していません。
次のように我々は、象限上のすべての上記の場合であれば:
だから、評価時の3つの原則があります。
- 深い学習のためのソリューションは、その背後にある理由を説明する必要があり、あまり適し
- 深い学習のための誤差の許容値を下げ、あまり適し
- 2以上、絶対的な基準ではないビジネス価値と費用対効果の高い、自動操縦と健康を見てする必要があります反例です。
ケーススタディ:医療
多くの痛みのポイントがあるので、それは、医療業界、医療業界における人工知能のアプリケーションで広く楽観的です。
- 医療資源の不足、特に高品質の医師
- 医療資源の配分が非常に不均一である、中国の多くの疾患は、北京を硬化させることができます
- 実際には、医師の誤診率は(40%の癌の誤診率、異所性器官の60%誤診率)も高いです
現在の人工知能は、診断を行い、治療を提供するために、人間を助けている可能性があります。
奇妙なことがある:解釈可能または医療診断の観点から許容誤差から人工知能には適していませんどちらか。
しかし、我々は人工知能は補助として、最終的には人間の判断に依存して行うことを決定します。人間とマシンが良い補完を形成することができます。
工場の開発も同様の経路です。
- 二機のほんの始まり、人材は最も重要です
- 機械化と自動化の程度は、マシンの役割を高め、ますます厳しくなってきました
- 最終的には誰も工場(すでに達成)
だから、「解釈可能」と「許容誤差」からの問題は、適切ではないかを評価することができ、「人工知能に完全に依存して。」
しかし限り、商業的価値が十分な大きさであるとして、解決方法があります - 人間と機械が共同で問題を解決するためにお互いを補完します。そして、技術の進歩として、人材の需要が減少。