Pada Kecerdasan Buatan Praktis

Mulai dari robot pembunuh hingga pengganti manusia, " kecerdasan buatan " adalah kata kunci yang harus diadaptasi setiap orang, atau mati. Menurut Andrew Ng , kepala ilmuwan di Baidu Research, “Lima tahun dari sekarang akan ada sejumlah CEO S & P 500 yang berharap mereka mulai berpikir lebih awal tentang strategi AI mereka.” Jadi apa yang sebenarnya dilakukan AI, dan mengapa harus kamu pergi untuk itu? Dan yang lebih penting, bagaimana caranya?

Banyak yang kita lakukan adalah bodoh. Ambil iklan sebagai contoh. Pemasar berpikir bahwa mereka hanya perlu menyampaikan pesan mereka di depan mata yang tepat. Karena itu, iklan invasif muncul dari mana-mana untuk menyampaikan pesan iklan yang tidak relevan kepada pengguna yang menghindari apa pun yang menyerupai iklan. Ketika saya menghadapi iklan YouTube yang tidak dapat dilewati, saya melepas headset saya dan beralih ke tab lain sampai iklan itu hilang.

Jelas, metode ini tidak berfungsi. Ini telah menyamaratakan konsep manusia dan mengabaikan fakta bahwa ada begitu banyak orang di luar sana dengan suka dan sikap yang berbeda yang tidak dapat dikategorikan hanya berdasarkan kata kunci tertentu. Di sinilah AI masuk ke dalam gambar.

Dengan AI, kami memiliki kemampuan untuk secara potensial membuat setiap pesan sesuai dengan individu yang ditargetkan. Variasi teknik ini digunakan oleh Cambridge Analytica untuk mempengaruhi pemilih politik, menghasilkan hasil yang baik dari perspektif pemasaran.

AI ITU BODOH
Meskipun AI mendapatkan hasil yang signifikan, bahkan mengalahkan manusia dalam kompetisi , AI dalam bentuknya saat ini tidak lebih dari statistik. Deep Learning sedikit berbeda, tetapi juga akhirnya bermuara pada matriks tombol besar, masing-masing disetel untuk mencapai hasil yang spesifik. Apa yang dilakukan AI adalah pengenalan pola - apakah itu pola wajah manusia (deteksi wajah) atau pola dalam email spam (deteksi spam). Tetapi AI tidak memiliki pemahaman tentang apa yang dilakukannya, dan itulah keindahan di baliknya - bagaimana bilangan itu sendiri bisa 'cerdas'.

Karena AI sangat bergantung pada statistik, ia membutuhkan dua hal: banyak data (disebut "set pelatihan"), dan cara untuk menafsirkan data tersebut. Menurut Christopher Wylie, Cambridge Analytica mengembangkan 253 algoritme yang berbeda berdasarkan profil Facebook yang diambil. Itu karena algoritme yang berbeda memiliki hasil dan akurasi yang berbeda, dan terserah kepada manusia untuk menentukan algoritme mana yang paling berhasil (itulah sebabnya mengapa mereka juga memiliki "rangkaian pengujian").

CONTOH PRAKTIS
Mari kita ambil classifier spam sebagai contoh, yang mudah ditangani menggunakan algoritma Naïve Bayes . Konsepnya sederhana: mengambil dua potongan email (spam dan non-spam) dan mengklasifikasikan setiap kata. Ini berarti bahwa, misalnya, kita akan belajar bahwa kata "Hello" muncul 100 kali dalam email spam dan "50" kali dalam email non-spam. Karena itu, jika kita melihat kata "halo" di email, itu lebih mungkin menjadi spam. Tentu saja, ini dikombinasikan dengan ribuan kata lain sebelum algoritma Naïve Bayes menentukan skor akhir, memberi kita pemahaman menyeluruh tentang apakah email yang dimaksud lebih cenderung menjadi spam atau non-spam. Sesederhana itu .

Tentu saja, ada cara untuk membuat ini lebih akurat - misalnya, dengan menghapus kata - kata berhenti atau mendeteksi n-gram . Tetapi idenya adalah ketika kita memiliki data dalam jumlah yang sangat besar, pola mulai muncul dari formula yang menghasilkan hasil yang sangat mengejutkan meskipun kesederhanaannya.

MASALAH DENGAN AI
Setiap ahli otomasi perangkat lunak dapat memberi tahu Anda bahwa sama seperti setiap pengkodean, apa yang kita otomatisasi secara praktis mengulangi, mengotomatisasi dan mengoptimalkan apa yang telah dilakukan manusia sebelumnya. AI tidak kreatif; itu berulang. Jadi, sebelum menerapkan AI, Anda harus yakin untuk mengajukan pertanyaan yang tepat.

Kemajuan dalam AI telah memberi kami akses ke Pemrosesan Bahasa Alami dan pengenalan gambar, mudah tersedia dan black-boxed melalui API. Tetapi alih-alih mengharuskan AI untuk berpikir seperti manusia, kita mencapai hasil terbaik ketika kita melihat bagaimana AI dapat meningkatkan perilaku manusia. Misalnya, jika saya ingin audiens yang spesifik untuk melihat posting blog saya, daripada membuat AI yang akan melintasi aktivitas media sosial mereka dan mencoba memahami pola pikir mereka dengan NLP, saya dapat menggunakan statistik untuk melihat posting mana yang paling banyak mereka bagikan, atau ketika mereka paling aktif di Twitter. Pendekatan ini mudah dibuat dan menawarkan pengembalian cepat, sementara yang pertama akan membutuhkan waktu lama untuk dikembangkan. Cambridge Analytica menggunakan konsep ini dan menerapkannya ke Facebook "suka" untuk membentuk profil psikologis targetnya.

Hambatan kedua untuk AI adalah landasannya: data. Dengan kemajuan GDPR , perusahaan tidak dapat memanen informasi pengguna secara longgar seperti sebelumnya - mereka harus memiliki persetujuan pengguna, menyimpan data mereka dengan aman, dan memberi mereka hak untuk menghapus datanya. Sementara ini dapat memperlambat kemajuan AI, itu pasti melayani etiket penanganan data yang lebih tinggi. Bagaimanapun, GDPR adalah tentang bagaimana Anda mengumpulkan dan mengelola data, bukan berapa banyak yang Anda miliki. Anda harus yakin untuk mendapatkan persetujuan pengguna Anda untuk mengumpulkan dan menyimpan informasi mereka, dan pastikan untuk menyimpannya dengan aman dan memberikan hak kepada pengguna untuk mengambil data mereka dan untuk dilupakan.

UNTUK AI ATAU TIDAK KE AI
Anda sekarang harus memiliki pemahaman tentang apa itu AI dan bagaimana itu dapat digunakan paling baik (setidaknya untuk saat ini). AI kemungkinan akan berevolusi, dan spekulasi seputar Kecerdasan Umum dan Kecerdasan Buatan menunjukkan usia pertumbuhan eksplosif di mana satu AI akan menciptakan AI yang lebih cerdas. Tetapi sebelum kita sampai di sana, kita dapat menggunakan statistik untuk membuat kita lebih cerdas.
Share: