Может ли AI оставить ваш бизнес без поддержки? Экспертные инсайты от IoT-лидеров

Марк Троестер, VP стратегии в Progress недавно признал, что быстрая адаптация AI в индустрии Интернета вещей (IoT) может быть преждевременной. Как опытный IoT-разработчик и провайдер инструментов, перспектива Троестера укоренена в real-world вызовах развертывания.

Фрилансер IT-писатель Ник Бут эхом эти заботы, отмечая растущий скептицизм о роли AI на рабочем месте. Он указывает на отчет Workforce Futures от Fuze, который раскрывает, что 40% работников уже испытывают AI в своей компании, однако удивительные 84% предпочли бы говорить с человеком, а не с машиной. Этот разрыв подчеркивает постоянную ценность человеческой экспертизы.

Почему AI начинает позади человеческого интеллекта

AI-системы фундаментально ограничены областью знаний их создателей. Даже самые передовые модели обучаются на узком срезе человеческого опыта, означая, что они могут только аппроксимировать, никогда не реплицировать глубину человеческого когнитивизма. Более того, пока люди обладают спектром стилей обучения — сенсорным, визуальным, активным, рефлексивным, последовательным и глобальным — машинное обучение опирается на линейные, математически-движимые процессы, которые не могут полностью захватить это разнообразие.

Является ли AI одномерным?

Машинное обучение отлично справляется с распознаванием паттернов и крупномасштабным number crunching, но ему не хватает контекстуального нюанса, приходящего от варированных модальностей обучения. Пока AI может обрабатывать данные быстрее людей, он не может еще предвосхищать сложные, часто неструктурированные вызовы, возникающие в real-world IoT-развертываниях.

Многие компании, в их спешке автоматизировать, убрали существенные human touchpoints из своих IoT-систем поддержки, предполагая, что каждая проблема может быть обработана машиной. Троестер предостерегает, что этот подход «jumping the gun» может оставить бизнесы уязвимыми.

Преодоление разрыва: делая AI доступным

Несмотря на свои ограничения, AI становится более доступным. Всплеск умных, подключенных сенсоров генерирует гранулярные данные, в то время как масштабируемые платформы теперь позволяют mass-scale сбор, хранение и обработку. Троестер подсвечивает автоматизацию жизненного цикла data-science — по сути «применение AI к AI» — как game-changer. Автоматизируя обучение и валидацию моделей, дата-сайентисты могут фокусироваться на стратегическом анализе вместо повторяющихся задач, увеличивая осязаемую ценность AI.

Данные из исследования Fuze показывают 26% работников верят, что AI будет иметь biggest genuine влияние на рабочее место, цифра в пять раз выше проектируемого влияния блокчейна. В то время как только 8% IT-профессионалов видят AI как самый overhyped тех 2018 года, и 23% считают виртуальную реальность самой pretentious.

Самый раскрывающий инсайт исследования — что молодые поколения самые скептичны к AI-технологиям — обнадеживающий знак, что следующая волна талантов будет требовать thoughtful, human-centric AI-решения.

Автор: Ник Бут, фрилансер IT и коммуникаций писатель.