מדוע חברות טק משתמשות בבני אדם כדי לעזור ai | בן דיקסון

"אנדרו אינגרם" הוא עוזר דיגיטלי הסורק את הודעות הדוא"ל שלך, נותן רעיונות לתזמון לפגישות והפגישות בהן אתה משוחח עם עמיתיך לעבודה, מגדיר משימות ושולח הזמנות לגורמים הרלוונטיים במעט מאוד עזרה. הוא משתמש ביכולות הבינה המלאכותית המתקדמות של X.ai, חדש מבוססת יורק סטארט-אפ המתמחה בפיתוח עוזרי AI. הבעיות שהיא פותרת יכולות לחסוך הרבה זמן ותסכול לאנשים (כמוני) שיש להם לוח זמנים מבולגן.

אך על פי סיפור Wired שפורסם במאי, האינטליגנציה שמאחורי אנדרו אינגרם אינה מלאכותית לחלוטין. זה מגובה על ידי קבוצה של 40 פיליפינים בבניין מאובטח מאוד בפאתי מנילה שעוקבים אחר התנהגות ה- AI ומשתלטים בכל פעם שהעוזר נתקל בתיק שהוא לא מסוגל להתמודד איתו.

למרות שהרעיון שדוא"ל שלך נסרק על ידי אנשים אמיתיים עשוי להישמע מצמרר, הוא הפך למקובל בקרב חברות רבות המספקות שירותי AI ללקוחות שלהם. מאמר שפורסם לאחרונה ב"וול סטריט ג'ורנל " חשף כמה חברות שמאפשרות לעובדיהם לגשת ולקרוא מיילים של לקוחות כדי לבנות פיצ'רים חדשים ולהכשיר את ה- AI שלהם על מקרים שהוא לא ראה עד כה.

המכונה טכניקת "הקוסם מארץ עוץ" או פסאודו-איי, הנוהג להשתמש בשקט בשקט בבני אדם כדי לפצות על החסרונות באלגוריתמים של AI שופך אור על כמה מהאתגרים העמוקים ביותר שעומדים בפני תעשיית ה- AI.

AI אינו מוכן לבעיות רחבות

מאחורי מרבית חידושי ה- AI בשנים האחרונות עומדים אלגוריתמים למידה עמוקה ורשתות עצביות. רשתות עצביות עמוק יעילות מאוד בסיווג המידע. במקרים רבים, כמו זיהוי קול ופנים או זיהוי סרטן בסריקות MRI ו- CT, הם יכולים להעלות על ביצועים טובים יותר מבני אדם.

אך אין זה אומר שלמידה מעמיקה ורשתות עצביות יכולות לבצע כל משימה שבני אדם יכולים לבצע.

"למידה מעמיקה מאפשרת לנו לפתור את בעיית התפיסה. זה עניין גדול מכיוון שהתפיסה הגבילה את ה- AI מאז הקמתה לפני למעלה מ -60 שנה", אומר ג'ונתן מוגן, מייסד ומנכ"ל DeepGrammar. "פיתרון בעיית התפיסה הפך סוף סוף את השימוש ב- AI לדברים כמו זיהוי קולי ורובוטיקה."

עם זאת, מציין מוגן, התפיסה אינה הבעיה היחידה. מאבקי למידה עמוקים שבהם מעורבים חשיבה והבנה מחושבות.

"למידה עמוקה לא עוזרת לנו בבעיה זו", הוא אומר. "התקדמנו מעט ב- NLP (עיבוד שפה טבעית) על ידי התייחסות לשפה כבעיית תפיסה; כלומר המרת מילים ומשפטים לווקטורים. זה איפשר לנו לייצג טוב יותר טקסט לסיווג ותרגום מכונה (כשיש הרבה נתונים), אך זה לא עוזר בהנמקת המחשבה. זו הסיבה שבטח צ'אט בוטים נכשלו."

אחת הבעיות העיקריות שעומדות בפני כל יישומי הלמידה העמוקה היא איסוף הנתונים הנכונים להדרכת דגמי ה- AI שלהם. המאמץ והנתונים שעוברים להכשרת רשת עצבית לביצוע משימה תלויים עד כמה מרחב הבעיה רחב ואיזו רמת דיוק נדרשת.

לדוגמה, אפליקציית סיווג תמונות כמו אפליקציית Not Hotdog ממס עמק הסיליקון של HBO עושה משימה צרה וספציפית מאוד: היא מגלה אם המצלמה של הטלפון החכם שלך מציגה נקניקייה או לא. עם מספיק תמונות נקניקיות, ה- AI של האפליקציה יכול לבצע את הפונקציה החשובה מאוד שלה ברמת דיוק גבוהה. וגם אם זה יטעה מדי פעם, זה לא יפגע באף אחד.

אבל יישומי AI אחרים, כמו ה- X.ai בונה, מתמודדים עם בעיות רחבות הרבה יותר, מה שאומר שהם דורשים הרבה דוגמאות איכותיות. כמו כן, הסובלנות שלהם לטעויות נמוכה בהרבה. יש הבדל בולט בין טעות במלפפון לכלב נקניקיות לתזמון פגישה עסקית חשובה בזמן לא נכון.

לרוע המזל, נתוני איכות אינם מצרך שיש לכל החברות.

"כלל האצבע הוא שככל שמערכת AI מנסה להתמודד יותר, כך מקרים או התנהגויות חריגות יותר שיכולים להתרחש. זה אומר בהכרח שאתה צריך דוגמאות אימונים הרבה יותר בכיסוי הכל", אומר ד"ר סטיב מארש, CTO בגיאוספוק. "לחברות סטארט-אפ בדרך כלל אין גישה לכמויות אדירות של נתוני אימונים, כך שהמודלים שהם יכולים לבנות באופן אפשרי יהיו אלה נישה ושבירות, שלרוב לא עומדות בציפיות שלהם."

שפע של מידע כזה מצוי ברשותם של חברות גדולות כמו פייסבוק וגוגל, שאוספות נתונים של מיליארדי משתמשים מזה שנים. חברות קטנות יותר צריכות לשלם סכומים גדולים כדי להשיג או ליצור נתוני הדרכה, וזה מעכב את השקות היישום שלהן. האלטרנטיבה היא להפעיל בכל מקרה ולהתחיל לאמן את ה- AI שלהם תוך כדי תנועה, להשתמש במאמנים אנושיים ובנתוני לקוחות חיים ולקוות שבסופו של דבר ה- AI ייסתמך פחות על בני אדם.

לדוגמה, אדיסון תוכנה, חברה שבסיסה בקליפורניה שמפתחת אפליקציות לניהול דוא"ל, קיבלה עובדיה לקרוא את הדוא"ל של לקוחותיה כדי לפתח תכונה של "תשובה חכמה" מכיוון שלא היו להם מספיק נתונים להכשיר את האלגוריתם, החברה המנכ"ל אמר לוול סטריט ג'ורנל. יצירת תשובות חכמות היא משימה רחבה ומאתגרת. אפילו גוגל, שיש לה גישה למיילים של מיליארדי משתמשים, מספקת תשובות חכמות למקרים צרים מאוד.

אולם השימוש בבני אדם לאימון AI עם נתוני משתמשים חיים אינו מוגבל לחברות קטנות יותר.

בשנת 2015, פייסבוק השיקה את M, צ'טוט AI שיכול להבין ולהגיב לניואנסים שונים של שיחות ולהשיג משימות רבות. פייסבוק העמידה את M לרשות מספר מוגבל של משתמשים בקליפורניה והקימה צוות של מפעילי אנוש שיעקוב אחר ביצועי ה- AI ויתערב כדי לתקן אותה כאשר היא לא תוכל להבין את בקשת המשתמש. התוכנית המקורית נועדה למפעילים האנושיים לעזור ללמד את העוזר להגיב למקרי קצה שלא ראתה לפני כן. עם הזמן M יכול היה לפעול ללא עזרה של בני אדם.

מטרה שלא ניתן להעלות על הדעת?

לא ברור כמה זמן ייקח עד לאדיסון תוכנה, X.ai וחברות אחרות שהשיקו מערכות אנושיות בתוך הלולאה כדי להפוך את ה- AI לאוטומטי לחלוטין. יש גם ספק אם המגמות הנוכחיות של AI אי פעם יכולות להגיע לנקודה של עיסוק בתחומים רחבים יותר.

בשנת 2018, כיבתה פייסבוק את M מבלי שכל אחת תפרוס אותה באופן רשמי. החברה לא שיתפה פרטים, אך ברור שיצירת צ'אט בוט שיכולה לנהל שיחות רחבות היא קשה מאוד. והפיכת M לזמינה לכל שני מיליארד המשתמשים בפייסבוק מבלי שתאפשר לראשונה את היכולת המלאה להגיב אוטומטית לכל מיני שיחות, הייתה מחייבת את ענקית המדיה החברתית לשכור צוות ענק של בני אדם כדי למלא את הפערים של M.

המוגן של DeepGrammar מאמין שבסופו של דבר נוכל ליצור AI שיכול לפתור את הנמקת המחשבה, מה שאחרים מסווגים כ- AI כללי. אבל זה לא יקרה בקרוב. "אין כרגע שיטות באופק שיאפשרו למחשב להבין את מה שילד קטן יודע", אומר מוגן. "ללא הבנה בסיסית זו, מחשבים לא יוכלו לבצע משימות רבות היטב במאה אחוז מהזמן."

כדי להכניס את זה לפרספקטיבה, מומחים ב- OpenAI פיתחו לאחרונה את Dactyl, יד רובוטית שיכולה להתמודד עם חפצים. זו משימה שכל ילד אנושי לומד לבצע באופן מודע בגיל צעיר. אך דרוש ניסיון של כ -144 מעבדים ו -8 GPU ו- Dactyl היה ניסיון של כמאה שנה כדי לפתח את אותם כישורים. אף שמדובר בהישג מרתק, הוא מדגיש גם את ההבדלים הקשים בין AI צר לצורת העבודה של המוח האנושי.

"אנחנו דרך ארוכה מאוד מלהיות בינה כללית מלאכותית, וסביר מאוד ש- AGI יהיה השילוב והתיאום של סוגים רבים ושונים של מכשירי AI צרים או ספציפיים ליישום", אומר מארש. "אני כן חושב שיש נטייה להפיץ יתר על המידה את היכולות של AI כרגע, אבל אני גם רואה שיש ערך עצום פשוט לבצע את הצעדים הראשונים הראשונים ולהטמיע מודלים מסורתיים של Machine Learning."

האם חורף AI נוסף מתקרב?

בשנת 1984, האיגוד האמריקני לבינה מלאכותית (ששמה לאחר מכן הוחלף לאיגוד לקידום בינה מלאכותית) הזהיר את הקהילה העסקית כי ההייפ וההתלהבות סביב AI יביאו בסופו של דבר לאכזבה. זמן קצר לאחר מכן קרסו ההשקעות והעניין ב- AI, מה שהוביל לעידן הידוע יותר בשם "החורף של AI".

מאז תחילת 2010, העניין וההשקעה בתחום הולכים וגוברים. חלק מהמומחים חוששים שאם יישומי AI אינם מציגים ביצועים טובים יותר ולא מצליחים לעמוד בציפיות, יתקיים עוד חורף AI. אבל המומחים שדיברנו איתם מאמינים כי AI כבר השתלבה מדי בחיינו בכדי לחזור על צעדיו.

מוגן אומר כי "אני לא חושב שאנחנו בסכנה של חורף AI כמו שהיה לפני כן. AI מספקת כעת ערך אמיתי ולא רק ערך היפותטי". "עם זאת, אם אנו ממשיכים לומר לקהל הרחב כי מחשבים חכמים כמו בני אדם, אנו מסתכנים בפיגוע. לא נחזור לא להשתמש בלמידה מעמיקה לצורך תפיסה, אך ניתן יהיה להשפיע על המונח 'AI', ואנחנו היה צריך לקרוא לזה משהו אחר."

מה שבטוח הוא שלפחות, עידן של התפכחות עומד לפנינו. אנו עומדים ללמוד עד כמה אנו יכולים לסמוך על תערובות נוכחיות של AI בתחומים שונים.

"מה שאני מצפה לראות זה שחברות מסוימות מופתעות לטובה מהמהירות שבה הן יכולות לספק AI לשירות ידני ויקר בעבר, ושחברות אחרות יגלו שזה לוקח זמן רב יותר ממה שציפו לאסוף מספיק נתונים כדי להפוך קיימא מבחינה כלכלית ", אומר ג'יימס ברגסטרה, ממייסד ומנהל מחקר ב- Kindred.ai. "אם יש יותר מדי מהאחרונים ולא מספיק עם הראשון, זה עשוי לעורר חורף AI נוסף בקרב המשקיעים."

• לבינה מלאכותית יש בעיית הטיה, וזה התקלה שלנו. לבינה מלאכותית יש בעיית הטיה, וזה התקלה שלנו
• מדוע חשוב ללמד את AI לשחק במשחקים מדוע ללמד את ה- AI לשחק משחקים זה דבר חשוב
• AI מציע פוטנציאל עצום, אבל זה לא יקרה בן לילה AI מציע פוטנציאל ענק, אבל זה לא יקרה בן לילה

מארש של Geospock צופה כי בעוד שהמימון לא ישכך, יהיו כמה התאמות לדינמיקה שלו. ככל שהמשקיעים מבינים שמומחיות אמיתית היא נדירה ורק אלה עם גישה לנתונים להדרכת הדגמים יהיו שונים בתעשייה, תהיה איחוד גדול בשוק והרבה פחות סטארטאפים יקבלו מימון.

"להרבה חברות סטארט-אפ AI ללא יישום שוק נישה או כמויות עצומות של נתונים: החורף מגיע", מסכם מארש.