24.06.2023 | ИИ - не волшебная палочка для производительности: почему нужно быть реалистами |
Многие развитые страны сталкиваются с самым низким ростом производительности за последние 60 лет. Поэтому неудивительно, что некоторые видят в искусственном интеллекте (ИИ) спасение для производительности. СМИ анонсируют новую эру высокой производительности, обеспеченной ИИ, особенно генеративными ИИ-инструментами, такими как ChatGPT и DALL-E. Ведущие научные журналы полны примеров того, как ИИ позволил совершить прорывные открытия в исследованиях. Машинное обучение использовалось, например, для предсказания формы белков по информации о ДНК или для управления формой перегретой плазмы в ядерной фузионной реакции. Одна команда из CSIRO разработала автономную систему на основе ИИ, которая может изготавливать и тестировать 12 000 дизайнов солнечных элементов в течение 24 часов. Значит ли это, что мы можем переключить выключатель, оставить его на автомате и отправиться на пляж? Не совсем. Не панацея для производительностиВышеупомянутые примеры внушают надежду, но также отвлекают от многих приложений ИИ, которые не сработали. Это те случаи, где использование ИИ было дорогостоящим и затратным по времени и не привело к желаемому результату. Они часто не фиксируются в журналах и СМИ. В 2021 году сообщество ИИ пришлось сделать паузу, когда 62 опубликованных исследования, которые использовали машинное обучение для диагностики COVID-19 по рентгеновским снимкам грудной клетки, оказались ненадежными и непригодными для клинического применения, в основном из-за проблем с входными данными. Это было острым напоминанием о том, что ИИ ошибается. Это не значит, что ИИ нельзя использовать для повышения производительности - просто это не готовое решение для наших проблем с производительностью. ИИ не может волшебным образом исправить проблемы, связанные с неэффективными процессами, плохим управлением и негативной культурой. Если вы бросите передовой ИИ в глупую организацию, искусственный мозг не сделает компанию умной. ИИ просто поможет организации делать глупые вещи более эффективно (то есть быстрее). Это вряд ли приведет к росту производительности. Где работают приложения ИИОдно недавнее исследование Национального бюро экономических исследований США показало, что производительность сотрудников службы поддержки, которые использовали ИИ-инструмент для помощи в ведении разговоров, увеличилась на 14%. В Австралии Westpac заявляет, что ИИ обеспечил рост производительности программистов на 46% без потери качества работы. Во многих отношениях эти примеры не удивительны. Очевидно, что ИИ может повысить производительность, если использовать его эффективно; Google Maps явно лучше, чем старый атлас дорог, когда нужно добраться из точки А в точку Б. Так что же общего у ситуаций, в которых ИИ работает хорошо? Успешные приложения ИИ, как правило, характеризуются четкой потребностью и функцией для ИИ-системы. Они хорошо интегрированы в более широкие процессы бизнеса или организации и не мешают выполнению других задач сотрудниками. Неудачи ИИ-приложений: причины и пути преодоления |
Проверить безопасность сайта