Doanh nghiệp nghìn tỷ đô la tiếp theo mà bạn chưa từng đọc

Định nghĩa phổ biến được chấp nhận về trí tuệ nhân tạo (AI) là khả năng của máy tính để quyết định mà không cần sự can thiệp của con người. Hãy suy nghĩ về điều này một chút: Nếu tôi dạy một máy tính rằng 2 cộng 2 bằng 4, thì từ lúc đó trên máy tính này sẽ có thể trả lời câu hỏi “2 cộng 2 bằng bao nhiêu?” mà không có sự can thiệp của con người.

Điều này có nghĩa là nó có khả năng AI? Đại loại là vậy, nhưng nó hơi giống gian lận vì sự can thiệp của con người đã diễn ra, chỉ trong quá khứ. Máy tính chỉ có thể giải quyết các câu hỏi cụ thể mà nó đã được hướng dẫn để trả lời.

Con người đã dành 50 năm qua để cung cấp cho máy tính hàng triệu hướng dẫn dưới dạng thuật toán. Kết quả là, ngày nay máy tính có thể hoạt động trong nhiều tình huống được xác định rõ ràng, chẳng hạn như tính toán quỹ đạo của tàu vũ trụ, khai thuế, cân đối kế toán, v.v.

Vì vậy, nó có phải là AI? Về mặt hình thức là có, nhưng đó không thực sự là ý của mọi người khi họ nói AI ngày nay.

Điều kỳ diệu thực sự mà mọi người đang nói đến là khả năng máy tính học cách tự suy nghĩ và giải quyết vấn đề – mà không cần được cung cấp hướng dẫn cụ thể.

Đây là phần hấp dẫn nhất của AI, được gọi là Học máy (ML).

Cũng giống như con người, máy tính cần được đào tạo về cách học những điều mới và hành động trong những tình huống mới. Tương tự như bộ não con người, mạng lưới thần kinh máy tính cần được đào tạo để sử dụng một số con đường tối ưu khi đưa ra quyết định. Đây được gọi là đào tạo.

Ngày nay máy tính học như thế nào?

Thông thường, mọi người nghe về ML và tưởng tượng ra một cách tiếp cận plug-and-play. Họ thử nó, nhưng nó không hoạt động.

Vâng, hãy công bằng với máy tính. Hãy tưởng tượng việc dạy một đứa trẻ một số khái niệm phức tạp mà không dạy chúng trước những điều cơ bản như đọc và viết. Ngay cả đứa trẻ thông minh nhất cũng sẽ thất bại.

Thật không may, đây là những gì một số người làm với máy tính. Chúng tôi đào tạo máy tính trên dữ liệu phức tạp (thực), khiến máy tính bị nhầm lẫn. Chúng ta không làm điều này khi dạy mọi người – tại sao vậy, chúng ta chỉ đơn giản là ném máy tính vào đáy sâu?

Một lý do là chúng ta cần và muốn thấy kết quả ngay lập tức. Hơn nữa, nhiều công ty chỉ đơn giản là không có dữ liệu, kiến ​​thức chuyên môn hoặc nguồn lực cần thiết để sử dụng một máy tính thông qua tất cả các bước cần thiết để đào tạo thích hợp.

Một số công ty đã thực hiện một bước đi đúng hướng bằng cách xây dựng dữ liệu nhân tạo để đào tạo máy tính, bao gồm Mạng giảng dạy chung và Học tập tiến bộ phương pháp luận. Ở trong Andrew NgTrong phiên họp gần đây, người đồng sáng lập Google Brain đã chỉ ra những lợi ích của việc chú trọng hơn vào việc chuẩn bị dữ liệu.

Rõ ràng, mỗi ngành và dự án trong lĩnh vực này đều cần được đào tạo. Lớp đào tạo này có thể được ví như kiến ​​thức ở trình độ đại học và nên nằm trên cùng của nền tảng đã học trước đó.

Vì vậy, đào tạo ML nên trông như thế nào để thực sự hoạt động?

Bước 1: Bắt đầu với những điều cơ bản.

Trước khi một học sinh có thể học đại số, họ cần phải có khả năng đếm.

ML đào tạo máy tính cũng nên bắt đầu với dữ liệu đơn giản. Hãy nghĩ đến nhà trẻ máy tính. Từ từ, độ phức tạp của dữ liệu được tăng lên, hoạt động như sử dụng dữ liệu thực.

Liên quan: 3 ứng dụng kinh doanh của trí tuệ nhân tạo sẽ thay đổi doanh nghiệp của bạn

Bước 2: Xây dựng nền móng.

Trẻ em thường được dạy về “sự nguy hiểm của người lạ”, điều này khuyến khích những người trẻ tuổi tin tưởng vào cha mẹ của chúng và một số nhân vật có thẩm quyền đối với một người mà chúng không quen biết. Đối với máy móc, điều quan trọng cần hiểu là không phải tất cả dữ liệu đều được tạo ra như nhau. ML cần được hướng dẫn cách nhận ra các nguồn đáng tin cậy.

Liên quan: Cách tận dụng trí tuệ nhân tạo trong quan hệ công chúng

Bước 3: Chuyên môn hóa.

Trẻ em vào nhà trẻ đều mang theo một “bảng trống”. Tất cả họ đều được dạy những thông tin cơ bản giống nhau: các chữ cái trong bảng chữ cái, cách đếm và người để tin tưởng. Đến khi đi học, các em có thể cầm một cuốn sách đơn giản và thực hiện các phép tính cơ bản.

Từ từ, trong suốt hành trình giáo dục của mình, mỗi đứa trẻ bắt đầu phát triển thêm kiến ​​thức về một môn học cụ thể. Một đứa trẻ giỏi khoa học hơn, trong khi một đứa trẻ khác giỏi nghệ thuật hơn. Ở cấp độ cao đẳng, sinh viên được giảng dạy chuyên sâu về một chủ đề trong một lĩnh vực hẹp.

Tương tự, cách tiếp cận được đo lường này phải được áp dụng khi đào tạo một ứng dụng ML. Để đào tạo máy tính trong các lĩnh vực cụ thể như ngân hàng, bán lẻ hoặc y học, trước tiên bạn phải xây dựng nền tảng trên dữ liệu nhân tạo đơn giản, thêm các lớp thông tin mới cho đến khi ứng dụng cuối cùng đã sẵn sàng để được đào tạo cho ngành cụ thể.

Dự đoán cho doanh nghiệp nghìn tỷ đô la tiếp theo.

Mặc dù bước đầu tiên trong đào tạo ML có vẻ rõ ràng, nhưng nó không dễ thực hiện, vì:

1. Chúng tôi không có thời gian
2. Chúng tôi không đủ điều kiện để xây dựng các chương trình giáo dục mầm non cho máy tính
3. Đó là một công việc rất tốn kém

Hơn nữa, độ phức tạp chỉ tăng lên với mỗi bước bổ sung trong quá trình đào tạo ML.

Tất cả những điều này để nói, tôi dự đoán công ty nghìn tỷ đô la tiếp theo sẽ là một hệ thống các cơ sở giáo dục công cho ML. Đây là nơi các máy tính trong tương lai sẽ được đào tạo để gia nhập lực lượng lao động.

Liên quan: Những Điều Mọi Doanh Nhân Phải Biết Về Trí Tuệ Nhân Tạo