ทำไม บริษัท เทคกำลังใช้มนุษย์มาช่วยไอ เบนดิกสัน

"Andrew Ingram" เป็นผู้ช่วยดิจิตอลที่สแกนอีเมลของคุณให้ความคิดกำหนดเวลาสำหรับการประชุมและการนัดหมายที่คุณพูดคุยกับเพื่อนร่วมงานของคุณตั้งค่างานและส่งคำเชิญไปยังบุคคลที่เกี่ยวข้องด้วยความช่วยเหลือน้อยมาก มันใช้ความสามารถปัญญาประดิษฐ์ขั้นสูงของ X.ai, ใหม่ นิวยอร์กตาม เริ่มต้นที่เชี่ยวชาญในการพัฒนาผู้ช่วย AI ปัญหาที่แก้ได้สามารถประหยัดเวลาและความยุ่งยากให้กับผู้คน (อย่างฉัน) ที่มีตารางงานยุ่ง

แต่จากเรื่องราวของ Wired ที่ตีพิมพ์เมื่อเดือนพฤษภาคมข่าวกรองเบื้องหลังแอนดรูว์อินแกรมนั้นไม่ได้ถูกประดิษฐ์ขึ้นทั้งหมด มันได้รับการสนับสนุนจากกลุ่มชาวฟิลิปปินส์ 40 คนในอาคารที่มีความปลอดภัยสูงในเขตรอบนอกของกรุงมะนิลาซึ่งคอยตรวจสอบพฤติกรรมของ AI และรับช่วงต่อทุกครั้งที่ผู้ช่วยพบกรณีที่ไม่สามารถจัดการได้

ในขณะที่ความคิดที่ว่าอีเมลของคุณกำลังถูกสแกนโดยคนจริงอาจฟังดูน่าขนลุก แต่เป็นวิธีปฏิบัติทั่วไปในหลาย ๆ บริษัท ที่ให้บริการ AI แก่ลูกค้า บทความล่าสุดใน The Wall Street Journal เปิดเผย บริษัท หลายแห่งที่ให้พนักงานของพวกเขาเข้าถึงและอ่านอีเมลลูกค้าเพื่อสร้างคุณสมบัติใหม่และฝึกอบรม AI ในกรณีที่ไม่เคยเห็นมาก่อน

เรียกว่าเทคนิค "Wizard of Oz" หรือหลอก AI การปฏิบัติของมนุษย์โดยใช้ความเงียบเพื่อชดเชยข้อบกพร่องของอัลกอริทึม AI ทำให้เข้าใจถึงความท้าทายที่ลึกที่สุดที่อุตสาหกรรม AI เผชิญอยู่

AI ไม่พร้อมสำหรับปัญหาในวงกว้าง

เบื้องหลังนวัตกรรม AI ส่วนใหญ่ในช่วงไม่กี่ปีที่ผ่านมาคืออัลกอริธึมการเรียนรู้ลึกและเครือข่ายประสาท เครือข่าย Deep-Neural นั้นมีประสิทธิภาพในการจำแนกข้อมูล ในหลายกรณีเช่นการจดจำเสียงและใบหน้าหรือการระบุมะเร็งใน MRI และ CT scan พวกเขาสามารถมีประสิทธิภาพสูงกว่ามนุษย์

แต่นั่นไม่ได้หมายความว่าการเรียนรู้อย่างลึกล้ำและโครงข่ายประสาทเทียมสามารถบรรลุภารกิจใด ๆ ที่มนุษย์ทำได้

โจนาธานมุแกนผู้ร่วมก่อตั้งและซีอีโอของ DeepGrammar กล่าวว่า“ การเรียนรู้อย่างลึกซึ้งช่วยให้เราสามารถแก้ปัญหาการรับรู้นี่เป็นเรื่องใหญ่เพราะการรับรู้มี จำกัด AI ตั้งแต่เริ่มก่อตั้งเมื่อ 60 ปีที่แล้ว” "การแก้ปัญหาการรับรู้ทำให้ AI มีประโยชน์สำหรับสิ่งต่าง ๆ เช่นการจดจำเสียงและหุ่นยนต์"

อย่างไรก็ตาม Mugan ตั้งข้อสังเกตว่าการรับรู้ไม่ได้เป็นปัญหาเดียว การเรียนรู้อย่างลึกซึ้งดิ้นรนที่มีเหตุผลและความเข้าใจร่วมกัน

“ การเรียนรู้อย่างลึกซึ้งไม่ได้ช่วยเราในปัญหานี้” เขากล่าว "เรามีความก้าวหน้าใน NLP (การประมวลผลภาษาธรรมชาติ) โดยการใช้ภาษาเป็นปัญหาการรับรู้เช่นการแปลงคำและประโยคเป็นเวกเตอร์สิ่งนี้ช่วยให้เราสามารถแสดงข้อความสำหรับการจำแนกและการแปลด้วยเครื่องได้ดีขึ้น (เมื่อมีจำนวนมาก ข้อมูล) แต่มันไม่ได้ช่วยในการให้เหตุผลที่สอดคล้องกันนี่คือเหตุผลที่ chatbots ส่วนใหญ่ล้มเหลว "

ปัญหาหลักอย่างหนึ่งที่แอปพลิเคชั่นการเรียนรู้ลึกทั้งหมดเผชิญคือการรวบรวมข้อมูลที่ถูกต้องเพื่อฝึกฝนโมเดล AI ของพวกเขา ความพยายามและข้อมูลที่จะเข้ารับการฝึกอบรมเครือข่ายประสาทเทียมในการปฏิบัติงานขึ้นอยู่กับพื้นที่ปัญหาที่กว้างและระดับความแม่นยำที่ต้องการ

ตัวอย่างเช่นแอปพลิเคชันการจัดประเภทรูปภาพเช่นแอป Not Hotdog จาก Silicon Valley ของ HBO นั้นเป็นงานที่แคบและเจาะจงมาก: มันบอกคุณว่ากล้องของสมาร์ทโฟนของคุณกำลังแสดงฮอทดอกหรือไม่ ด้วยภาพฮอทด็อกที่เพียงพอ AI ของแอปสามารถทำงานได้อย่างสำคัญกับความแม่นยำระดับสูง และถึงแม้ว่ามันจะทำผิดพลาดทุกครั้งในขณะที่มันจะไม่ทำร้ายใคร

แต่แอปพลิเคชั่น AI อื่น ๆ เช่น X.ai กำลังสร้างกำลังแก้ปัญหาที่กว้างขึ้นซึ่งหมายความว่าพวกเขาต้องการตัวอย่างที่มีคุณภาพมากมาย นอกจากนี้ความอดทนของพวกเขาสำหรับข้อผิดพลาดจะต่ำกว่ามาก มีความแตกต่างอย่างสิ้นเชิงระหว่างการเข้าใจแตงกวาสำหรับฮอทดอกและการจัดกำหนดการประชุมทางธุรกิจที่สำคัญในเวลาที่ผิด

น่าเสียดายที่ข้อมูลคุณภาพไม่ใช่สินค้าที่ทุก บริษัท มี

ดร. สตีฟมาร์ชกล่าวว่ากฎของหัวแม่มือคือปัญหาที่ AI กำลังพยายามจัดการอยู่นั้นยิ่งมีปัญหามากขึ้นหรือมีพฤติกรรมผิดปกติเกิดขึ้นมากขึ้นย่อมหมายความว่าคุณต้องมีตัวอย่างการฝึกอบรมที่ครอบคลุมอย่างมาก CTO ที่ Geospock "โดยทั่วไปการเริ่มต้นไม่สามารถเข้าถึงข้อมูลการฝึกอบรมจำนวนมากได้ดังนั้นโมเดลที่พวกเขาสามารถสร้างได้อย่างเหมาะสมจะเป็นกลุ่มที่มีความเปราะและเปราะบางซึ่งโดยปกติแล้วจะไม่เป็นไปตามความคาดหวังของพวกเขา"

ความมั่งคั่งของข้อมูลดังกล่าวอยู่ในความครอบครองของ บริษัท ขนาดใหญ่เช่น Facebook และ Google ซึ่งได้รวบรวมข้อมูลของผู้ใช้หลายพันล้านคนมานานหลายปี บริษัท ขนาดเล็กต้องจ่ายเงินก้อนโตเพื่อขอรับหรือสร้างข้อมูลการฝึกอบรมและทำให้การเปิดตัวแอปพลิเคชันล่าช้า ทางเลือกคือการเปิดตัวต่อไปและเริ่มฝึกอบรม AI ของพวกเขาได้ทันทีโดยใช้ผู้ฝึกสอนมนุษย์และข้อมูลลูกค้าสดและหวังว่าในที่สุด AI จะกลายเป็นที่พึ่งของมนุษย์น้อยลง

ตัวอย่างเช่นซอฟต์แวร์ Edison ซึ่งเป็น บริษัท ในแคลิฟอร์เนียที่พัฒนาแอพสำหรับจัดการอีเมลให้พนักงานอ่านอีเมลของลูกค้าเพื่อพัฒนาคุณสมบัติ "การตอบกลับอัจฉริยะ" เพราะพวกเขาไม่มีข้อมูลเพียงพอที่จะฝึกอัลกอริทึมของ บริษัท CEO กล่าวกับ The Wall Street Journal การสร้างการตอบกลับอัจฉริยะเป็นงานที่กว้างขวางและท้าทาย แม้แต่ Google ที่สามารถเข้าถึงอีเมลของผู้ใช้หลายพันล้านคนก็สามารถตอบกลับอย่างฉลาดได้ในกรณีที่แคบมาก

แต่การใช้คนเพื่อฝึกอบรม AI ด้วยข้อมูลผู้ใช้สดไม่ จำกัด เฉพาะ บริษัท ขนาดเล็ก

ในปี 2015 Facebook เปิดตัว M ซึ่งเป็น chatbot AI ที่สามารถเข้าใจและตอบสนองต่อความแตกต่างของการสนทนาและทำงานหลายอย่างให้สำเร็จ Facebook ทำให้ M มีผู้ใช้งานจำนวน จำกัด ในแคลิฟอร์เนียและจัดตั้งเจ้าหน้าที่ของผู้ปฏิบัติงานมนุษย์ที่จะตรวจสอบประสิทธิภาพของ AI และแทรกแซงเพื่อแก้ไขให้ถูกต้องเมื่อไม่เข้าใจคำขอของผู้ใช้ แผนเดิมมีไว้สำหรับผู้ปฏิบัติงานมนุษย์เพื่อช่วยสอนผู้ช่วยในการตอบโต้คดีที่ไม่เคยเห็นมาก่อน เมื่อเวลาผ่านไป M จะสามารถทำงานได้โดยปราศจากความช่วยเหลือจากมนุษย์

เป้าหมายที่ไม่สามารถบรรลุได้?

ยังไม่ชัดเจนว่าจะใช้เวลานานเท่าใดสำหรับ Edison Software, X.ai และ บริษัท อื่น ๆ ที่เปิดตัวระบบ Human-in-the-Loop เพื่อทำให้ AI ของพวกเขาอัตโนมัติ นอกจากนี้ยังมีข้อสงสัยว่าแนวโน้มปัจจุบันของ AI สามารถเข้าถึงจุดที่น่าสนใจในโดเมนที่กว้างขึ้นได้หรือไม่

ในปีพ. ศ. 2561 Facebook ปิดตัว M โดยไม่ต้องปรับใช้ทุกครั้ง บริษัท ไม่ได้แชร์รายละเอียด แต่เป็นที่ชัดเจนว่าการสร้าง chatbot ที่สามารถมีส่วนร่วมในการสนทนาในวงกว้างนั้นเป็นเรื่องยากมาก และการทำให้ M มีอยู่สำหรับผู้ใช้ Facebook สองพันล้านคนโดยที่ไม่ทำให้มันสามารถตอบสนองต่อการสนทนาทุกประเภทได้โดยอัตโนมัติจะต้องใช้โซเชียลมีเดียยักษ์ใหญ่ในการจ้างพนักงานจำนวนมากของมนุษย์เพื่อเติมเต็มช่องว่างของ M

Mugan ของ DeepGrammar เชื่อว่าในท้ายที่สุดเราจะสามารถสร้าง AI ที่สามารถแก้ปัญหาการใช้เหตุผลทั่วไปสิ่งที่คนอื่นจัดว่าเป็น AI ทั่วไป แต่มันจะไม่เกิดขึ้นทุกเวลาเร็ว ๆ นี้ “ ปัจจุบันยังไม่มีวิธีการบนขอบฟ้าที่จะทำให้คอมพิวเตอร์เข้าใจสิ่งที่เด็กเล็กรู้ได้” Mugan กล่าว "หากปราศจากความเข้าใจพื้นฐานนี้คอมพิวเตอร์จะไม่สามารถทำงานหลายอย่างได้เป็นอย่างดี 100 เปอร์เซ็นต์ของเวลา"

เพื่อที่จะนำไปสู่มุมมองผู้เชี่ยวชาญของ OpenAI ได้พัฒนา Dactyl ซึ่งเป็นมือหุ่นยนต์ที่สามารถจัดการวัตถุได้ นี่เป็นภารกิจที่เด็กมนุษย์คนใดเรียนรู้ที่จะปฏิบัติโดยไม่รู้ตัวตั้งแต่อายุยังน้อย แต่ใช้ Dactyl 6, 144 CPU และ 8 GPUs และประสบการณ์ประมาณหนึ่งร้อยปีในการพัฒนาทักษะเดียวกัน แม้ว่ามันจะเป็นความสำเร็จที่น่าทึ่ง แต่ก็ยังเน้นถึงความแตกต่างอย่างสิ้นเชิงระหว่าง AI ที่แคบและวิธีที่สมองของมนุษย์ทำงาน

"เราอยู่ไกลจากการมีปัญญาประดิษฐ์โดยทั่วไปและน่าจะเป็นไปได้ว่า AGI จะเป็นการผสมผสานและประสานงานของ AI ที่แคบหรือแอพพลิเคชั่นหลายประเภท" Marsh กล่าว "ฉันคิดว่ามีแนวโน้มที่จะทำให้ขีดความสามารถของ AI มากเกินไปในขณะนี้ แต่ฉันก็เห็นว่ามีค่ามหาศาลในการทำตามขั้นตอนแรกเริ่มต้นและใช้โมเดลการเรียนรู้ของเครื่องดั้งเดิม"

ฤดูหนาว AI อื่นกำลังจะมาถึงหรือไม่?

ในปี 1984 สมาคมปัญญาประดิษฐ์อเมริกัน (ภายหลังเปลี่ยนชื่อเป็นสมาคมเพื่อความก้าวหน้าของปัญญาประดิษฐ์) เตือนชุมชนธุรกิจที่ขัดต่อ hype และความกระตือรือร้นรอบ AI จะนำไปสู่ความผิดหวังในที่สุด ไม่นานหลังจากนั้นการลงทุนและความสนใจใน AI ก็ลดลงนำไปสู่ยุคที่รู้จักกันดีในชื่อ "AI winter"

ตั้งแต่ต้นปี 2010 ความสนใจและการลงทุนในสาขาได้เพิ่มขึ้นอีกครั้ง ผู้เชี่ยวชาญบางคนกลัวว่าหากแอปพลิเคชั่น AI ต่ำกว่าและไม่สามารถตอบสนองความต้องการได้ AI ฤดูหนาวอื่นก็จะตามมา แต่ผู้เชี่ยวชาญที่เราพูดถึงเชื่อว่า AI ได้รวมเข้าด้วยกันในชีวิตของเราแล้ว

“ ฉันไม่คิดว่าเรากำลังตกอยู่ในอันตรายของฤดูหนาวเอไอเหมือนเมื่อก่อนเพราะเอไอกำลังส่งมอบคุณค่าที่แท้จริงไม่ใช่เพียงแค่สมมุติตามตัวอักษรเท่านั้น” Mugan กล่าว “ อย่างไรก็ตามหากเรายังคงบอกต่อสาธารณชนต่อไปว่าคอมพิวเตอร์นั้นฉลาดเหมือนมนุษย์เราก็เสี่ยงต่อการถูกฟันเฟืองเราจะไม่กลับไปใช้การเรียนรู้เชิงลึกเพื่อการรับรู้ จะต้องเรียกมันอย่างอื่น "

สิ่งที่แน่นอนคืออย่างน้อยที่สุดยุคแห่งความท้อแท้ยืนอยู่ต่อหน้าเรา เรากำลังจะเรียนรู้ขอบเขตที่เราสามารถไว้วางใจการผสมผสานของ AI ในด้านต่าง ๆ

"สิ่งที่ฉันคาดหวังคือบาง บริษัท รู้สึกประหลาดใจด้วยความรวดเร็วว่าพวกเขาสามารถให้บริการ AI สำหรับบริการด้วยตนเองและมีราคาแพงได้ก่อนหน้านี้และ บริษัท อื่น ๆ จะพบว่าใช้เวลานานกว่าที่พวกเขาคาดหวังว่าจะรวบรวมข้อมูลเพียงพอ ทำงานได้ทางการเงิน "James Bergstra ผู้ร่วมก่อตั้งและหัวหน้าฝ่ายวิจัยของ Kindred.ai กล่าว "หากมีจำนวนหลังมากเกินไปและไม่เพียงพอในอดีตมันอาจทำให้เกิดฤดูหนาว AI อีกครั้งในหมู่นักลงทุน"

• ปัญญาประดิษฐ์มีปัญหาอคติและมันเป็นความผิดของเราปัญญาประดิษฐ์มีปัญหาอคติและมันเป็นความผิดของเรา
• ทำไมการสอน AI ถึงเล่นเกมเป็นสิ่งสำคัญทำไมการสอน AI ถึงเล่นเกมจึงมีความสำคัญ
• AI เสนอศักยภาพมหาศาล แต่มันจะไม่เกิดขึ้นข้ามคืน AI เสนอศักยภาพมาก แต่จะไม่เกิดขึ้นข้ามคืน

มาร์ชของ Geospock ทำนายว่าในขณะที่การระดมทุนจะไม่ลดน้อยลง เนื่องจากนักลงทุนตระหนักว่าความเชี่ยวชาญที่แท้จริงนั้นหายากและมีเพียงผู้ที่เข้าถึงข้อมูลเพื่อฝึกอบรมนางแบบเท่านั้นที่จะแตกต่างในอุตสาหกรรมจะมีการควบรวมกิจการในตลาดใหญ่และผู้ที่เพิ่งเริ่มกิจการน้อยกว่าจะได้รับเงินทุน

"สำหรับผู้เริ่มต้นระบบ AI หลายคนที่ไม่มีแอพพลิเคชั่นการตลาดเฉพาะกลุ่มหรือมีข้อมูลจำนวนมหาศาล: ฤดูหนาวกำลังจะมาถึง" มาร์ชสรุป