Tech

กระตือรือร้นสำหรับ AI? ขั้นแรกคุณต้องฝึกมัน

Transform Technology Summits เริ่มต้นวันที่ 13 ตุลาคมด้วย Low-Code/No Code: เปิดใช้งาน Enterprise Agility สมัครตอนนี้!


ปัญญาประดิษฐ์เป็นเทคโนโลยีที่เป็นหัวใจหลัก แต่วิธีการรวมเข้ากับระบบนิเวศข้อมูลขององค์กรนั้นไม่เหมือนกับเทคโนโลยีใดๆ ที่ได้มาก่อน ประการหนึ่ง AI จะสามารถทำอะไรได้น้อยมากทันทีที่แกะกล่อง เพื่อให้มันทำงานได้อย่างถูกต้อง คุณต้องฝึกอบรม และดูเหมือนว่า มีเพียงไม่กี่องค์กรที่เข้าใจอย่างถ่องแท้ ช่างเป็นงานที่ยาวและซับซ้อน นั่นคือ

ในหลาย ๆ ด้าน เราสามารถวาดแนวระหว่างการเปิดตัว AI ในปัจจุบันกับการเปิดตัวพีซีสำหรับผู้บริโภคในช่วงต้นยุค 80 ท้ายที่สุดแล้ว พีซีกำลังจะสร้างชีวิตใหม่อย่างที่เรารู้โดยการจัดการงบประมาณ จัดระเบียบค่าใช้จ่าย เก็บรายการซื้อของ ช่วยทำการบ้าน และมอบความประหลาดใจอื่นๆ ให้มากมาย สิ่งที่พวกเขาไม่ได้บอกเราก็คือเราต้องทำงานเล็กๆ น้อยๆ ที่เรียกว่าการป้อนข้อมูล ก่อนที่คอมพิวเตอร์จะทำสิ่งมหัศจรรย์เหล่านี้ได้ และอีกไม่นาน แทบทุกบ้านในโลกที่พัฒนาแล้วก็มีพีซีอยู่ที่มุมห้องนั่งเล่นเพื่อเก็บฝุ่น การสอนบอท

AI ไม่น่าจะประสบชะตากรรมเดียวกันเพราะจะมี (หรือควร) มีทีมงานมืออาชีพที่ทุ่มเทให้กับการทำงาน คือการทำให้มันทำงาน แต่กระบวนการฝึกอบรมยังต้องใช้เวลาอีกสักระยะ และอาจต้องใช้เวลาสักระยะกว่าจะได้ผลลัพธ์เพียงเล็กน้อย

ในระดับกลาง ผู้เขียน Sherise Tan กล่าวว่าความเร็วและประสิทธิภาพของกระบวนการฝึกอบรมมาจากปัจจัยหลักสี่ประการ ได้แก่ ฮาร์ดแวร์ การเพิ่มประสิทธิภาพ จำนวนเลเยอร์ในโครงข่ายประสาทเทียม และ ขนาดของชุดข้อมูล ยิ่งฮาร์ดแวร์ดีขึ้นเท่าไรและยิ่งสามารถทำงานเป็นเอนทิตีเดียวได้มากเท่าไร กระบวนการก็จะยิ่งง่ายขึ้นเท่านั้น โครงข่ายประสาทเทียมที่ซับซ้อนมากขึ้นและข้อมูลที่ต้องกระทืบมากขึ้นมักจะทำให้สิ่งต่างๆ ช้าลง อย่างไรก็ตาม ในท้ายที่สุด การฝึกอบรมประกอบด้วยการเสริมแรงทั้งทางบวกและทางลบ — ทำให้ได้คำตอบที่ถูกต้องและกีดกันคนที่ไม่ถูกต้อง

สิ่งสำคัญคือต้องทราบด้วยว่าการฝึกเบื้องต้น เป็นเพียงขั้นตอนแรกในกระบวนการเท่านั้น ต้องสำรองข้อมูลด้วยการตรวจสอบและทดสอบ แต่ละขั้นตอนต้องใช้หลายรอบด้วยการปรับพารามิเตอร์อย่างต่อเนื่องเพื่อให้แน่ใจว่า AI คาดการณ์ได้อย่างแม่นยำในแต่ละรอบใหม่

เมื่อพูดถึงฮาร์ดแวร์ บางบริษัท ไม่รอให้ผู้ผลิตดั้งเดิมพัฒนาผลิตภัณฑ์ที่เหมาะสมสำหรับการฝึกอบรม AI ตัวอย่างเช่น เทสลา เพิ่งเปิดตัวโปรเซสเซอร์ใหม่ที่มีทรานซิสเตอร์ 50 พันล้านตัวโดยเฉพาะเพื่อรันรอบการฝึกอบรมสำหรับ AI ของตัวเอง โปรแกรม D1 Dojo ขยายพลังการประมวลผลได้มากถึง 360 เทราฟลอปโดยใช้ซีพียู 64 บิตที่มีขนาด 645 ตารางมิลลิเมตร ซึ่งค่อนข้างใหญ่เท่าชิป เห็นได้ชัดว่าบริษัทตัดสินใจสร้างอุปกรณ์ของตัวเองหลังจากพิจารณาแล้วว่าข้อเสนอเชิงพาณิชย์ของ Intel, Nvidia และอื่นๆ ไม่เหมาะกับความต้องการเฉพาะของกระบวนการที่ขับเคลื่อนด้วย AI

บทเรียนที่ผิด?

พลังประมวลผลเพียงอย่างเดียวจะไม่ทำให้ AI ประสบความสำเร็จ วิธีการฝึกอบรมจะมีผลกระทบมากขึ้น และวิธีการฝึกอบรมส่วนใหญ่ยังคงมีข้อบกพร่องอย่างร้ายแรง ตามที่ทีมนักวิจัยของ Google กล่าว ตามที่ หัวหน้านักวิจัย Alex D’Amour อธิบายกับ MIT Technology Review ปัญหาพื้นฐานคือข้อมูลที่ใช้ใน การฝึกอบรมแทบจะไม่เพียงพอที่จะชี้นำ AI ผ่านสถานการณ์ในชีวิตจริง ส่งผลให้ AI ไม่เพียงแค่ผ่านวงจรการฝึกอบรมแล้วล้มเหลวในทางปฏิบัติ แต่ยังล้มเหลวในลักษณะที่ทั้ง AI และผู้ปฏิบัติงานที่เป็นมนุษย์ไม่สังเกตเห็น และอาจส่งผลกระทบร้ายแรงต่อการใช้งานต่างๆ ตั้งแต่การขนส่งไปจนถึงการถ่ายภาพทางการแพทย์

สิ่งที่จำเป็น กล่าว ผู้เขียนและนักวิจัย AI Melanie Mitchell

เป็นวิธีที่จะทำให้ AI คิดในการเปรียบเทียบเช่นเดียวกับสมองของมนุษย์ ตามที่เธออธิบายกับนิตยสาร Quanta เมื่อเร็วๆ นี้ เมื่อผู้คนพบกับสถานการณ์ที่แปลกใหม่ พวกเขาใช้การเปรียบเทียบจากประสบการณ์ในอดีตเพื่อแก้ไข ด้วยการสร้างการฝึกอบรม AI เกี่ยวกับตรรกะและการเขียนโปรแกรม เราสามารถสอนโครงข่ายประสาทเทียมให้รู้จักรูปภาพของสะพาน แต่ไม่เข้าใจลักษณะนามธรรมของคำว่า “สะพาน” ในรูปแบบอื่นๆ เช่นเดียวกับใน “สะพานเชื่อมช่องว่างทางเพศ” หากไม่มีความสามารถนั้น เธอกล่าวว่า AI ไม่สามารถให้ผลลัพธ์เชิงคาดการณ์และสามัญสำนึกที่เราคาดหวังได้

ตอนนี้ แนวคิดของการฝึกอบรมเชิงนามธรรมอยู่ใน ระยะตั้งไข่มาก แต่ถ้าประสบความสำเร็จ Mitchell แย้งว่าจะไม่เพียงแต่สร้างรูปแบบ AI ที่ดีขึ้นและมีคุณค่ามากขึ้นเท่านั้น แต่จะลดความซับซ้อนของกระบวนการฝึกอบรมด้วยเพราะเราจะไม่ต้องการชุดข้อมูลนับพันอีกต่อไปเพื่อถ่ายทอดแนวคิดและแนวคิดที่ค่อนข้างง่าย

ไม่ว่าจะเป็นปัญญาประดิษฐ์หรือชีวภาพ การฝึกอบรมไม่ใช่เรื่องง่าย เพียงแค่ถามครูในโรงเรียน ท้ายที่สุดแล้ว ต้องใช้เวลา 16 ปีหรือประมาณนั้นในการฝึกสมองของมนุษย์เพื่อทำงานระดับเริ่มต้นในบริษัทส่วนใหญ่ในปัจจุบัน

AI สามารถดูดซับข้อมูลได้มากมาย ในช่วงเวลาสั้น ๆ แล้วตอบสนองตามสิ่งที่ได้เรียนรู้ แต่นี่เป็นหนทางไกลจากความฉลาดที่แท้จริง ผู้บริหารองค์กรควรระลึกไว้เสมอว่าไม่ว่า AI จะได้รับการฝึกอบรมมามากเพียงใด หรือดูฉลาดเพียงไร ก็ยังเป็นเพียงอัลกอริทึม

  • VentureBeat

    ภารกิจของ VentureBeat คือการเป็นจัตุรัสกลางเมืองดิจิทัลสำหรับผู้มีอำนาจตัดสินใจด้านเทคนิคเพื่อรับความรู้เกี่ยวกับเทคโนโลยีที่เปลี่ยนแปลงและการทำธุรกรรม ไซต์ของเราให้ข้อมูลที่จำเป็นเกี่ยวกับเทคโนโลยีข้อมูลและกลยุทธ์เพื่อเป็นแนวทางในการเป็นผู้นำองค์กรของคุณ เราขอเชิญคุณเข้าร่วมเป็นสมาชิกชุมชนของเราเพื่อเข้าถึง:

    • ข้อมูลล่าสุดในเรื่องที่คุณสนใจ
    • จดหมายข่าวของเรา
    • ปิดกั้นเนื้อหาผู้นำทางความคิดและส่วนลดในการเข้าถึงกิจกรรมล้ำค่าของเรา เช่น Transform 2021: เรียนรู้เพิ่มเติม

  • คุณสมบัติเครือข่ายและอื่น ๆ

    กลายเป็นสมาชิก

  • อาหาร
  • ไลฟ์สไตล์
  • เทค
  • การตลาดดิจิทัล (การตลาดดิจิทัล)
  • Back to top button