Video: Getting Started with AI using IBM Watson, week (1-4) All Quiz with Answers. (Gruodis 2024)
Šis „Fast Forward“ epizodas buvo įrašytas „IBM Watson Experience Center“, Niujorko mieste. Mano svečias buvo Robas High'as, „IBM Watson“ viceprezidentas ir vyriausiasis technologijų vadovas.
Danas Costa: Kokia yra vyraujanti klaidinga nuomonė apie dirbtinį intelektą?
Robas Aukštas: Manau, kad dažniausiai pasitaikanti problema, su kuria susiduriame kalbėdami apie PG, yra tai, kad jie vis dar gyvena pasaulyje, kuriame, manau, Holivudas išplėtė šią mintį, kad kognityvinė kompiuterija, AI, yra atkartoti žmogaus protą, ir tai tikrai ne. Tokie dalykai, kaip Turingo testas, linkę patvirtinti, kad mes įvertiname idėją, kad PG galėtų konkuruoti su kvailinančiais žmonėmis manydama, kad tai, ką jūs liečiate, yra kitas žmogus, bet to dar nebuvo, kai radome didžiausias naudingumas.
Tai net grįžta prie to, kad jei pažvelgsite į beveik visus kitus kada nors sukurtus įrankius, mūsų įrankiai dažniausiai būna vertingiausi, kai jie mus stiprina, kai plečia mūsų galimybes, kai jie didina mūsų jėgą, kai jie leidžia mums daryti dalykus, kurių negalime padaryti patys kaip žmonės. Tikrai taip ir turime galvoti apie PG ir tiek, kiek mes iš tikrųjų vadiname tai padidintu intelektu, o ne dirbtiniu intelektu.
Pakalbėkime šiek tiek apie tą poslinkį, nes tai visiškai naujas kompiuterio tipas. Tai skaičiavimo raida nuo to, su kuo mes abu užaugome, nuo programinio skaičiavimo, kai naudodamiesi skaičiavimu norėtumėte pasiekti ir atsakyti naudodami labai sudėtingą procesą, iki pažintinio skaičiavimo, kuris veikia šiek tiek kitaip. Ar galite paaiškinti tą perėjimą?
Tikriausiai didžiausias pastebimas skirtumas yra tas, kad tai labai tikimybė, tuo tarpu užprogramuotas skaičiavimas iš tikrųjų reiškia visų sąlyginių teiginių, apibrėžiančių dalykus, į kuriuos atkreipi dėmesį, ir kaip į juos reaguoti, išdėstymą. Tai labai determinuota. Tai labai matematiškai tikslu. Turėdami klasikinį užprogramuotą kompiuterį, galite suprojektuoti programinės įrangos dalį. Kadangi žinote, koks yra matematinis modelis, kurį jis vaizduoja, galite jį išbandyti matematiškai. Galite įrodyti jo teisingumą.
Kognityviniai skaičiavimai yra daug labiau tikėtini. Tai daugiausia susiję su erdvių, į kurias mes kreipiame dėmesį, regėjimu, kalba ar kalba, signalais ir bandymu surasti tų signalų prasmės modelius. Net tada niekada nebūna visiško tikrumo. Dabar tai iš dalies todėl, kad taip yra skaičiuojama, bet ir todėl, kad tai yra žmogaus patirties pobūdis. Jei galvojate apie viską, ką sakome, matome ar girdime, skanaujame, liečiame ar kvepia, ar ką nors, kas yra mūsų jutimo dalis, mes, kaip žmonės, visada bandome įvertinti, kas tai yra iš tikrųjų, ir kartais mes nesuprantame to teisingai.
Kokia tikimybė, kad kai išgirdau tą garsų seką, tai iš tikrųjų reiškė šį žodį? Kokia tikimybė, kad kai pamačiau šią žodžių seką, jis reiškė šį teiginį? Kokia tikimybė, kad kai matau šią formą ir vaizdą, į kurį žiūriu, tai yra tas objektas? Net žmonėms tai yra tikimybinė problema, ir tam tikru mastu šios kognityvinės sistemos taip pat veikia.
Jei kas nors ateina pas jus ir susiduria su problema, kurią jie nori išspręsti, jie mano, kad tam yra kognityvinis kompiuterinis sprendimas, jie ateina į Watsoną ir sako: „Žiūrėk, mes naudosime Watsoną bandydami išspręsti Ši problema." Watsonas nelabai ką daro. Jie turi išmokyti tai, kaip išspręsti savo problemą. Ar galite kalbėti apie tą įjungimo procesą?
Tiesą sakant, turėtume kalbėti apie dvi šios dimensijos. Viena yra tai, kad prieš kurį laiką mes supratome, kad šis dalykas, vadinamas kognityviniu kompiuteriu, yra tikrai didesnis už mus, jis buvo didesnis nei IBM, jis buvo didesnis nei bet kuris pramonės pardavėjas, jis buvo didesnis už bet kurį iš vieno ar dviejų skirtingų sprendimų sričių. kad mes buvome susitelkę ir turėjome tai atverti, tai buvo tada, kai mes perėjome nuo dėmesio sutelkimo į sprendimus, iš tikrųjų susijusius su daugiau paslaugų platforma, kur kiekviena paslauga iš tikrųjų yra atskirai nukreipta į skirtingą probleminė erdvė. Tai komponentas, kuris kalbėjimo atveju yra sutelktas tik į problemą, bandant perimti jūsų kalbą ir atpažinti, kokius žodžius išsakėte toje kalboje, arba nufotografuoti ir pabandyti nustatyti, kas yra atvaizde, ar imtis kalbą ir bandykite suprasti, kokia jos prasmė, arba kalbėtis ir joje dalyvauti.
Visų pirma, tai, apie ką mes dabar kalbame, yra paslaugų rinkinys, kiekvienas iš kurių teikia kažką labai specifinio, kiekvienas iš jų stengiasi susidoroti su skirtinga mūsų žmogiškosios patirties dalimi ir su mintimi, kad kas nors kuria programą, kas nori išspręsti socialinę ar vartotojišką ar verslo problemą, gali tai padaryti pasinaudojęs mūsų paslaugomis, tada sukomponuodamas tai į programą. Tai vienas punktas.
Antras punktas yra tas, nuo kurio pradėjote, ir viskas gerai dabar, kai gavau paslaugą, kaip mums tai padaryti, kad padarytume tai, ko norime, kad jis gerai darytųsi? Technika iš tikrųjų yra mokymo priemonė. Tikimybinis šių sistemų pobūdis yra pagrįstas tuo, kad jos yra pagrįstos mašininiu mokymu arba giliu mokymu, o tuos algoritmus reikia išmokyti atpažinti signalų rinkinyje prasmę atspindinčius šablonus, kuriuos darote teikdami duomenis, duomenys, vaizduojantys tokios situacijos pavyzdžius, kokie jūs buvote anksčiau, kai jūs galėjote tai pažymėti kaip sakančią: „Kai girdžiu tą garsų derinį, tai reiškia šį žodį. Kai matau šį pikselių derinį, tai reiškia, kad objektas “. Kai turėjau tuos pavyzdžius, dabar galiu jus supažindinti su pažinimo sistema, tomis pažintinėmis paslaugomis ir išmokyti juos, kaip geriau atpažinti, ką mes norime.
Manau, vienas iš pavyzdžių, kuris tai gerai iliustruoja, yra medicinos erdvėje, kur Watsonas padeda gydytojams priimti sprendimus ir nagrinėja didelius duomenų kiekius, tačiau galiausiai bendradarbiauja su jais nustatant diagnozę. Ar galite šiek tiek pakalbėti apie tai, kaip vyksta šie mokymai, ir kaip sprendimas gali padėti pasiekti geresnių rezultatų?
Darbas, kurį atlikome onkologijoje, yra geras pavyzdys, kai tai iš tikrųjų yra daugybė skirtingų rūšių algoritmų, kurie turi būti naudojami skirtingais būdais. Pradedame, pavyzdžiui, žiūrėdami į ligos istoriją, peržvelgdami jūsų ligos istoriją ir naudodamiesi kognityvine sistema, norėdami peržvelgti visas pastabas, kurias gydytojai per daugelį metų ėmėsi dirbdami su jumis, ir surasdami tai, ką mes vadiname svarbi klinikinė informacija. Kokia informacija yra tose medicinos pastabose, kurios dabar yra svarbios konsultacijai, į kurią ruošiatės? Atsižvelgiant į tai, atlikdami gyventojų panašumo analizę, bandydami surasti kitus pacientus, tas kitas grupes, kurios labai panašios į jus, nes tai informuos gydytoją, kaip galvoti apie skirtingą gydymą ir kaip tas gydymas gali būti jums tinkamas. ir kaip jūs reaguosite į tuos gydymo metodus.
Tada mes einame į tai, ką mes vadiname priežiūros praktikos standartu, kuris yra gana tiksliai apibrėžtas būdas, kuriuo gydytojai naudojasi, kaip jie gydo skirtingus pacientus dėl įvairių ligų, pripažindami, kad jie tikrai skirti paprastam žmogui. Tada mes dedame ant to, ką vadiname klinikine patirtimi. Geriausių įvairių ligų gydytojų išmokyti, ko reikia ieškoti ir kur yra pašalinės vertės, ir kaip pagrįsti skirtingą priežiūros praktikos standartą, kuris iš jų yra tinkamiausias arba kaip pasirinkti skirtingus gydymo būdus per tas skirtingas priežiūros praktikas ir dabar pritaikykite juos geriausiu įmanomu būdu, tačiau galiausiai apsilankykite ir pažiūrėkite į klinikinę literatūrą visus šimtus tūkstančių, 600 000 „PubMed“ straipsnių apie mokslo pažangą toje srityje, kurie yra svarbūs dabar teikiant šią gydymo rekomendaciją.
Tai yra skirtingi algoritmų, kuriuos taikome skirtinguose šio proceso etapuose, aspektai. Visi šie dalykai buvo išmokyti priešais šias sistemas pasirodžius geriausiems pasaulio gydytojams ir juos naudojant sistemą bei pataisant sistemą. kai jie mato, kad kažkas negerai, ir kad sistema iš esmės išmoktų per tai panaudoti, kaip pagerinti savo našumą. Mes tai naudojame būtent onkologijos atveju, kad padėtume informuoti šios srities gydytojus apie gydymo galimybes, kurios jiems gali būti nepažįstamos, arba net jei jie yra šiek tiek susipažinę, galbūt neturėjo jokios realios patirties ir neturi tikrai suprantu, kaip jų pacientai reaguos į tai ir kaip gauti efektyviausią atsakymą iš savo pacientų.
Tai, ką iš esmės padarė, yra demokratizuota patirtis. Mes galime priimti geriausius „Memorial Sloan Kettering“ gydytojus, kuriems buvo naudinga per metus tiesiogine prasme pamatyti tūkstančius pacientų, sergančių ta pačia liga, iš kurios jie įgijo šią didžiulę kompetenciją, užfiksuoti tai pažinimo sistemoje, išvesti tai į bendruomenę ar regioninės klinikos aplinka, kurioje gydytojai galbūt neturėjo tiek laiko dirbdami su ta pačia liga daugybei skirtingų pacientų, suteikdami jiems galimybę pasinaudoti ta patirtimi, kuri dabar užfiksuota pažinimo sistemoje.
Manau, kad mintis paskirstyti tą patirtį, visų pirma, ją užfiksuoti, nėra nekasdieniška užduotis, bet tada, kai jau padarysi tai, galėdamas ją tikrai išplatinti visoje planetoje, turėsi žinių apie geriausius „Memorial Sloan Kettering“ gydytojus galima pristatyti Kinijoje, Indijoje, mažose klinikose, ir aš manau, kad tai gana nepaprasta.
Tai daro didžiulį socialinį poveikį mūsų gerovei, sveikatai ir dalykams, kurie bus naudingi mums, kaip visuomenei.
Kalbant apie dirbtinį intelektą, žmonėms rūpi tai, kad jie pakeis žmones, tai pakeis darbus. Tai susieta su automatizavimo judėjimu. Dalykas, kuris mane stebina, yra buvimas medicinos erdvėje, radiologai. Radiologai per dieną peržiūri šimtus ir šimtus skaidrių. „Watson“ arba AI pagrįsta sistema galėtų atkartoti tą patį diagnozės ir vaizdo analizės tipą. Ar manote, kad po dešimties metų JAV bus daugiau ar mažiau žmonių radiologų? Koks toks poveikis pramonės šakoms?
Iš tikrųjų poveikis yra padėti žmonėms padaryti geresnį darbą. Tai iš tikrųjų… imkitės to gydytojo atveju. Jei gydytojas dabar gali priimti labiau informuotus sprendimus, pagrįstus tikrais įrodymais, paremtus naujausiais mokslo faktais, labiau pritaikytus ir būdingus konkrečiam pacientui, tai leidžia jiems iš tikrųjų geriau atlikti savo darbą. Radiologams tai gali leisti paveikslėlyje pamatyti dalykus, kurių jie kitaip gali praleisti ar priblokšti. Tai nėra jų pakeitimas. Tai yra padėti jiems geriau atlikti savo darbą.
Jo dinamika yra tokia pati, kaip ir kiekvieno įrankio, kurį kada nors sukūrėme visuomenėje. Aš norėčiau pasakyti, jei jūs pažvelgsite į paskutinius 10 000 šiuolaikinės visuomenės metų nuo žemės ūkio revoliucijos pradžios, mes buvome žmonių visuomenės kūrimo įrankiai, plaktukai, kastuvai, hidraulika, skriemuliai, svirtys ir daug kas. iš šių priemonių buvo patvariausios tada, kai tai, ką jie iš tikrųjų daro, yra sustiprinti žmones, sustiprinti mūsų jėgą, sustiprinti mąstymą, sustiprinti pasiekiamumą.
Tai tikrai būdas galvoti apie šią medžiagą, nes ji turės didžiausią naudą, kai leis mums daryti tai, ką darome geriau, nei galėtume patys, kai žmogaus ir įrankio derinys kartu yra didesnis nei bet kuris iš jų iš jų būtų buvę patys. Mes iš tikrųjų taip galvojame apie tai. Štai kaip mes tobuliname technologijas. Štai kur bus ekonominis naudingumas.
Aš visiškai sutinku, bet manau, kad bus pramonės šakų, kurios vengia dėl šių intelektualių sistemų įdiegto efektyvumo.
Jie bus pakeisti. Taip, jie bus pakeisti. Nenoriu sumenkinti šio punkto, sakydamas tai taip, bet taip pat noriu būti tikras, kad mes negalvojame apie tai kaip apie darbo vietų panaikinimą. Tai yra darbas, kurį žmonės atlieka, pertvarkymas. Pateiksiu pavyzdį. Daug diskusijų apie tai, kaip tai gali atimti iš darbo skambučių centre. Na, atspėk ką? Skambučių centro agentai dirba daug darbų, kurių jiems nereikia daryti, jie nemėgsta daryti, o tai atima iš jų galimybę daryti įdomesnius dalykus.
Skambinimą, kurį matome skambučių centruose, daugiausia lemia tai, kad jei galvojate apie skambučių centro agento darbą, jūs visą dieną sėdite telefono skambučio pabaigoje klausydamiesi pasipiktinusių klientų ir užduodate tą patį klausimą. ir vėl, ir sunku grįžti namo naktį, jaustis tikrai gerai, ką padarei tą dieną. Sunku girtis savo draugams ir šeimos nariams apie šį darbą, kurį turite ir kaip gerai jį darote, kai tokia situacija esate.
Jei mes galime pasiekti, kad kognityvinė sistema per pokalbio agentą atsikratytų tam tikro procento, tarkime, kad 30 procentų skambučių ateina ir greitai, efektyviai atsakys į dažniausiai klientams rūpimus klausimus ir pasirūpins tuo kasdieniu darbu, tada kas likę po to, kai buvo pasirūpinta tuo, kad žmonėms kyla klausimų, kurie iš esmės reikalauja daugiau žmogaus prisilietimo, kurį tada perduosite tam skambučių centro agentui. Problema, su kuria jie susiduria tam klientui, yra įdomesnė, sudėtingesnė, reikalaujanti daugiau intelektualinių pastangų, tačiau ji taip pat turi reikalų su klientu, kuris yra patenkintas. Jie ateina šiek tiek laimingesni. Jie visiškai nesigilina į savo problemą.
Skambučių centro agentui tai iš tikrųjų pagerino jų darbą. Tai iš tikrųjų suteikia jiems galimybę geriau atlikti savo darbą ir tuo labiau pasitarnauti. Tuo tarpu klientui, vartotojui svarbiausios problemos buvo išspręstos greitai. Jie 10 minučių nesėdi sustoję. Jie nelaukia, kol bus nukreipti į reikiamą žmogų, turint tik reikiamas žinias. Jie gauna lengviausiai reikalingą informaciją ir gali tęsti savo gyvenimą, turbūt priimdami geresnį sprendimą, tikrai geresnę informaciją arba bent jau nuoseklesnę informaciją. Tai iš tikrųjų naudinga abiem šios lygties pusėms.
Tai įdomu. Kai kurie iš šiandien matytų demonstracinių variantų yra tai, kad skambučių centro programos gali numatyti ir aptikti žmonių, kurie skambina, emocinę būseną gana efektyviai, taigi, tai nėra vien tik operacija. Tai iš tikrųjų gana gerai gali perskaityti žmogaus būseną kitame eilutės gale.
Kas yra tikrai būtina, jei pagalvojate; pokalbis turi du elementus. Viena yra tai, kad tai, ką žmonės sako pradedantys, paprastai nėra tai, ko jie iš tikrųjų yra. Jei sakau: „Koks mano balansas?“ Na, tai tikrai nėra mano problema. Taip, aš turiu žinoti savo sąskaitos likutį, turiu žinoti, kiek pinigų turiu, bet mano problema yra tai, kad bandau ką nors nusipirkti arba bandau išsiaiškinti, kaip gauti pinigus tinkamoje padėtyje mokėti mano šio mėnesio sąskaitos arba bandau sutaupyti dėl savo vaikų išsilavinimo. Mano problema yra didesnė nei tas, kurį uždaviau pirmąjį klausimą, ir pokalbis turėtų būti apie tai, kaip išspręsti šią tikrąją problemą.
Antra bendra pokalbio ypatybė yra tai, kad paprastai jis yra tam tikras emocinis lankas. Žmonės ateina į tam tikrą emocinę būseną, o pokalbio dalis yra judinti juos per emocinį poslinkį, kuris dažnai reiškia perėjimą nuo pykčio iki dabar pasitenkinimo. Kai kuriuose pokalbiuose galime į tai įsitraukti. Tai iš tikrųjų gali šiek tiek įkaisti. Pamatysite emocinį lanką, kuris prasideda galbūt ramus, o tada pereina prie ginčytinesnės diskusijos, kuri galiausiai išsisprendžia.
Būti jautriu ir žinoti emocinę būseną dalyvaujančiose pusėse yra svarbu, kad jis veiksmingai bendrautų.
Kokios yra kitos šiandien jūsų turimos programos, kurios, jūsų manymu, yra permainingos?
Manau, kad bet kuris iš jų, tai, ką mes darome, įtraukia vartotoją, klientą tokiu būdu, kuris juos įkvepia. Galų gale ir vėl grįždamas prie pokalbių kaip pavyzdžio, paprastai, kai žmonės pradeda pokalbį, prie stalo ateiname su idėja. Jūs turite idėją. Aš turiu idėją. Ta pradinė idėja yra pokalbio pradžia, o pokalbio metu mes vystome tas idėjas. Mes juos sumaišome. Mes juos sujungiame. Galbūt mes jas nuolaidą arba padidinsime. Mes tikimės, kad išeidami iš pokalbio turėsime geresnę idėją. Idealiu atveju.
Tam reikia ne tik duoti ir imti, bet ir kaip įkvėpti ką nors? Kaip priverčiate žmones suaktyvinti vaizduotę? Kaip priversti juos susimąstyti apie tai, apie ką anksčiau negalvojo, ar pamatyti kažką šviesoje, apie kurią anksčiau negalvojo, ar pamatyti kitą požiūrio tašką, kuris nustumia kelią, kurio jie net nežinojo galvoti, užduoti klausimus, apie kuriuos jie negalvoja užduoti? Tai yra pavyzdžiai, mano manymu, perspektyviausios yra tos situacijos, kurios žmonėms duos didžiausią naudą.
Ar tai vyksta šiandien, ar tik tai, kas turi įvykti, tobulėjant technologijoms?
Ne, tai vyksta. Turime to įvykio pavyzdžių dabar. Iš tikrųjų, grįžtant prie onkologijos, kaip pavyzdinio, geriausių pasaulio gydytojų, siūlomos gydymo galimybės jiems gali būti akivaizdžios. Gali būti vienas iš dešimties atvejų, kai jie gali pasakyti: „Na, palauk minutę, tai buvo įdomi mintis“. Tai nebus taip dažnai, bet, kaip jūs jau sakėte anksčiau, jei dabar atsižvelgsime į bendruomenės, regionines aplinkybes ir tose vietose, kur nėra tokio lygio kompetencijos, tai, kad sistema gali pateikti naujų idėjų, naujos gydymo galimybės, tai tikrai yra naujų idėjų pateikimas. Mes tai jau matome.
Tada, žinoma, perėjimas prie to, kas, mano manymu, tapo klasikiniu „chatbot“ scenarijumi, kurį, manau, kai kurie iš mūsų pradeda matyti skirtingais pavyzdžiais, kad dabar situacija, kai kas nors pateikia įspėjimą apie kredito kortelės sukčiavimą savo kredito kortelėje ir jie eina į Šiandien pokalbis gali būti tiesiog paprastas: "Ar tą operaciją jūs padarėte, ar ne? Jei taip, tada gerai. Jei ne, tada mes ką nors padarysime atšaukdami operaciją" į dabar ", gerai, jums reikia naujos kreditinės kortelės. Kur yra geriausia vieta ją gauti? Ar turėtume jums ją išsiųsti? Ar neturėtume jums jos išsiųsti? O, jūs ruošiatės vykti į šią kelionę. Tada aišku, kad mes esame negalėsime jums to atsiųsti. Mes turime su jumis susisiekti greičiau.
"O, jūs einate į užsienį. Gal čia yra kreditinės kortelės galimybė, su kuria anksčiau nebuvote susidūrę, nežinojote, kur geriau tvarkome valiutų keitimą jūsų naudai. O, jūs naudojate tai verslui Tai kelionė į užsienį. Jūs tai naudojate verslo išlaidoms padengti. Na, čia yra kreditinė kortelė, kuriai yra tinkamesnė palūkanų norma. " Tai visi labai paprasti pavyzdžiai, tačiau kiekvienas iš jų atveria naują idėjų rinkinį, kuris paprastai neįvyksta jūsų paprastame pokalbių knygelėje ir kuris iš tikrųjų gali suteikti žmonėms daug naudos.
Įdomus dalykas yra tas, kad praeityje tai būtų scenarijus, kai jūs einate į visas šias parinktis. Būtų scenarijus su pora šakų. Tai būtų iš anksto nustatyta. Tai visai kitas dalykas, kai pokalbių programa daro tai, kas iš tikrųjų reaguoja į jūsų pateiktą informaciją ir jūsų jau pateiktą informaciją ir veda jus žemyn keliais, kurie nebuvo scenarijai. Jis žino, kad keliaujate, bet nebūtinai to sakėte. Ji rado šią informaciją iš jūsų el. Pašto istorijos.
Jis gali rasti dalykų apie jus, kuriuos atrado pakeliui.
Mes kalbėjome apie onkologiją, nes tai puikus pavyzdys. Mes kalbėjome apie pokalbių svetaines, nes dauguma žmonių su jais šiek tiek bendravo. Bet tai yra technologija, kuri iš tikrųjų tinka visoms pramonės šakoms. Sunku galvoti apie industriją, kurioje nebus kažkokio pažintinio komponento. Ar yra pavyzdžių, kurie yra tiesiog išeitis, apie kuriuos žmonės dar negalvojo?
Mane stebina tai, kaip kiekvieną dieną kažkas sugalvoja vis naują idėją. Štai kodėl aš manau, kad esame tokiame labai įdomiame etape, nes sutelkę dėmesį į tai, ką turime kognityvinių galimybių srityje, skaidydami į blokų paslaugas, tai iš tikrųjų išlaisvina žmones pasitelkti savo fantaziją ir tęsti mūsų turimas idėjas. niekada anksčiau nebuvo gerai apgalvota, ar tai vizualinis atpažinimas naudojamas apžiūrint kraštovaizdį.
Pvz., Kalifornijoje įmonė naudoja vizualinį atpažinimą, norėdama pamatyti topografiją ir topologiją ir atvaizde atpažinti betono paviršiaus, asfalto stogo paviršiaus, žolės paviršiaus, medžių ir krūmų bei šių dalykų skirtumus. kaip pavyzdį įvertinkite, kiek vandens sunaudojama ir kur gali būti vandens nutekėjimų, ir ką būtų galima padaryti siekiant pagerinti efektyvų vandens naudojimą.
Arba legalioje arenoje naudodamiesi šiais dalykais galite padėti advokatams perskaityti milijonus puslapių foninės medžiagos, kuri yra tarsi adatos radimas šieno kapavietėje. Kur yra tas vienas popieriaus lapas, kuris iš tikrųjų yra svarbus šiuo konkrečiu atveju? Bandydamas visa tai sutvarkyti. Galimybės yra tiesiog milžiniškos.
Manau, kad viena iš šių kvalifikacijų yra didelis duomenų kiekis, kurį reikia analizuoti. Jūs kalbėjote apie medicinos įrašus ir galimybę nuskaityti medicinos įrašus, kad gautumėte reikiamos informacijos. Tie įrašai per visą jūsų gyvenimą gali būti daugybė šimtų puslapių. Galbūt jūsų šeimos gydytojas tai turi, bet jie neprisimins viso to, tuo tarpu sistema niekada to nepamiršta.
Taip. Gydytojas gali turėti penkias, o gal dešimt minučių, peržvelgti tą ligos istoriją prieš ateidamas ir pasikonsultuodamas su jumis. Vis dėlto yra visos labai svarbios informacijos, kuri gali būti jūsų istorijoje, jūsų praeityje, kurios bet kokiomis kitomis aplinkybėmis jie praleistų tiesiog nes jie neturi laiko, jei jie turėtų, tai pakeistų.
Pagalvokite apie situaciją, kai moteris būtų pasakiusi gydytojui, kad jos mama prieš dvejus metus mirė nuo krūties vėžio. Na, tikėtina, kad gydytojas tai pažymės tame įraše, tačiau šiuo metu, jei šiai moteriai bus pristatyta vienkartinė krūtis ir jei tas gydytojas to nemato, gerai, tai labai svarbus dalykas. informacija. Galbūt jie tai sužinos iš naujo kalbėdami su pacientu, bet galbūt ne. Ar tikrai norite rizikuoti, kad to nesužinote, kai kažkas panašaus yra toks populiarus?
Svarbiausias bruožas, kai ši medžiaga yra linkusi būti naudinga, yra tai, kad paminėjote daug duomenų. Taip, bet iš tikrųjų tai yra tada, kai kuris iš tų aspektų, kas mes esame žmonės, yra tas, kuriame mūsų pažinimo galimybės pradeda pasiekti savo ribą. Mes gerai skaitome. Mes galime ką nors perskaityti. Mes galime tai įsisavinti. Mes galime prisitaikyti prie informacijos ir ja naudotis labai galingais būdais kaip žmonės. Bet mes nelabai gerai skaitome daugybę duomenų. Negalime daugiau nei… Idėja per dieną perskaityti dešimtis tūkstančių, šimtus tūkstančių, milijonus puslapių literatūros peržengia mūsų galimybes.
Kyla klausimas, kai augame į pasaulį, kuriame kasdien auga informacijos kiekis, augantis eksponentiškai, kiek daugiau tos informacijos nesinaudojame tuo, kurioje yra informacijos, ar mažai informacijos, kad yra be galo kritiškas sprendimas, kurį turime priimti, ar nesiekiame? Jei ne skaitomos informacijos kiekis, tai: kiek mes įsisaviname? Kiek mes galime priminti? Ar mes galime įžvelgti mažus modelius, kurie yra svarbūs toje informacijoje mūsų sprendimams?
Yra daug dalykų, kurie mums, žmonėms, yra geri. Taip pat yra daug dalykų, kurie mums nėra labai geri, ir aš manau, kad ten, kur kognityvinis kompiuteris iš tikrųjų pradeda daryti didžiulį skirtumą, yra tada, kai jis gali įveikti tą atstumą, kad užpildytų tą spragą.
Atrodo gana aišku, kad tai yra pasaulis, į kurį mes judame. Kaip mes pasiruošę? Kaip jūs žiūrite į mūsų švietimo sistemą, ekonomiką, politines struktūras? Ar gerai pasiruošę gyventi pasaulyje, kurio komponentas yra šio tipo pažintinis kompiuteris?
Tai įdomu. Tai remiasi vienu pagrindinių vertybinių punktų, kuriuos turime kaip žmonės, tai yra mūsų sugebėjimas prisitaikyti. Jei pažvelgsite į tai visiškai atskirai, kur tai vyksta, ir jei mes turėtume žengti 10 metų į priekį, pažvelgti į tai ir pasakyti: „Kur mes būsime 10 metų? Ar mes tam pasiruošę?“ atsakymas tikriausiai bus, ne. Turime nuveikti dar daug ką. Bet žmonės turi šį puikų sugebėjimą prisitaikyti skriejant ir augant su aplink vykstančiais pokyčiais.
Pagalvokite prieš 10 metų, kai išmanusis telefonas iš tikrųjų tik pradėjo būti prieinamas mums, jau nekalbant apie populiarumą, ir apie tai, kiek permainų visuomenėje išgyvenome per pastaruosius 10 metų. Galvok apie tai, koks yra tavo gyvenimas kasdien su savo išmaniuoju telefonu ir be jo. Galime skųstis dėl to, kiek tai gali atimti iš kitų patirčių, ir tai gali būti tiesa, tačiau esmė ta, kad prieš 10 metų daug laiko praleidome laisvalaikiu, ar buvome pasirengę kaip visuomenė, nors iš tikrųjų per pastaruosius 10 metų mes išgyvenome daugybę pokyčių, apie kuriuos greičiausiai dar nežinojome, nes įsisavinome šį technologijos pokytį ir pradėjome jį naudoti labai veiksmingai.
Turime nuveikti labai daug. Laikui bėgant daug ką padarysime, augimą, kurį išgyvensime, daug švietimo ir politikos bei kitų dalykų, kuriuos turime išgyventi, bet turėsime.
Mes pateiksime paskutinius mano klausimus. Kokia technologinė tendencija jus domina labiausiai? Ar yra kas nors, kas tave prižiūri naktį?
Manau, kad šiuo metu man didžiausias rūpestis yra tai, kad žmonės turi prisiimti atsakomybę. Mes, kaip inžinieriai ir technologijų tiekėjai, technologijos vartotojai, žmonės, atsakingi už technologijos reguliavimą, iš tikrųjų turime būti sąmoningi ir apgalvoti, ką norime padaryti, kad apsisaugotume ir pasiruoštume kylantiems pokyčiams. Taip nebus, nes mes prie jo neprisitaikysime. Mes. Problema, be abejo, yra jos pritaikymo procese, mes taip pat nesuvoksime, ką tai daro ir kaip tai veikia mus, ir kur žmonės gali naudoti šią technologiją mums nepatinkančiais būdais, kad mes nesame sukurti. Jums nepatinka ar retrospektyviai mes to nenorime.
Manau, kad turime būti sąmoningi ir galvoti apie tai, ką darome, ir nenorime, kad su šia technologija mūsų gyvenime atsitiktų. Konkrečiai kalbant, pardavėjai, mes, kaip šios technologijos tiekėjai, ir žmonės, kurie vartojame šias technologijos sudedamąsias dalis ir kuria iš jo technologijas, šiuo metu turėtų prisiimti atsakomybę už mūsų etišką elgesį ar elgesį, kuris kyla iš etinių vertybių.
Kaip pavyzdį mes primygtinai rekomenduojame bet kuriam mūsų programų kūrėjui, bet kuriai institucijai, kuriančiai programas naudojant šias technologijas, kad jie būtų labai skaidrūs savo galutiniams vartotojams apie tai, kad tai yra pažintinė programa, tai yra kompiuteris ir nebandykite maskuoti kaip tikras žmogus, pvz. Negalima apsimesti. Neleisk, kad šis dalykas apsimestų.
Nemėgdžiokite.
Negalima jo mėgdžioti ir neleisk, kad tavo klientai kada nors klaidintų manydami, kad tai yra tikras žmogus. Etiškai neteisinga. Manau, kad tai sukuria pažeidžiamumo riziką. Žmogus, sąveikaujantis su žmogumi, gali padaryti tam tikras prielaidas apie mūsų ydas, apie mūsų nesugebėjimą iš tikrųjų išsaugoti daug informacijos, kai, dirbdami su kognityvine sistema, turime nepamiršti, kad tą pažintį teikiantys žmonės Sprendimas yra atsakingas už mūsų teikiamos informacijos privatumą ir apsaugą. Neturėtume niekada pamiršti to fakto.
Kalbant apie aukščiau esančias technologijas, kokias technologijas jūs naudojate kiekvieną dieną, o tai tiesiog kelia nuostabą? Kas pakeitė tavo gyvenimą?
Manau, kad dabar galiu gauti prieigą prie informacijos, kad net jei galėčiau ją gauti internete, jau seniai turėjome informacijos internete, tačiau dažnai mes nustojame bandyti gauti šią informaciją, nes tai pribloškia. Aš ieškojau kameros įrangos ir tiesiog bandžiau priimti sprendimus dėl kompromisų tarp skirtingų fotoaparatų -
Aš atsiųsiu jums nuorodą į mūsų pirkėjų vadovą.
Štai. Tai tampa stulbinančiu, ir vis dėlto jūs turite pasikliauti kitais žmonėmis, kad jums pateiktų tą patarimą, ir manyti, kad jie atliko tyrimus už jus, tačiau net ir tada jie tai daro remdamiesi tam tikromis prielaidomis, kurias padarė jums reikia ir kas jums rūpi. Tam tikru momentu jūs tiesiog atsisakote ir sakote: „Gerai, gerai, tiesiog pasakyk man, ką daryti, aš padarysiu“. Arba jūs einate į daugybę svetainių ir matote visas šias nuomones, kurios tampa painios ir prieštaringos, ir jūs sakote: „Na, o štai su visomis jomis. Aš tiesiog einu su tuo, kas man atrodo gerai."
Kadangi šios sistemos gali kaupti ir įsisavinti bei kaupti didžiulį informacijos kiekį net žmonėms, teikiantiems rekomendacijas, net patarėjams, tai jiems naudinga, nes padeda geriau atlikti darbą. Man patinka pasakyti, kad tai ne mūsų mąstymas, o tyrimas mūsų labui, kad galėtume geriau mąstyti. Tai galioja ir mums, kaip galutiniams vartotojams, ir patarėjams. Tai pasakytina apie bet kurį analitiko vaidmenį.
Aš galvoju apie paraišką, nes mes visada stengiamės padėti žmonėms priimti pirkimo sprendimus. Mes nesame toli nuo sistemos, kuri galėtų peržiūrėti visas nuotraukas, kurias padarėte per pastaruosius penkerius metus, pamatyti, ar jums patinka fotografuoti laukinius gyvūnus ar gėlių vaizdus, ir tada pateiktų fotoaparato rekomendacijas, remiantis nuotraukomis, kurios Tu imk.
Teisingai. Flamingos. Nežinau kodėl.
Tai yra geriausia fotoaparatas, skirtas fotografuoti flamingus.
Flamingos, tiesa.
Mes jau beveik ten. Ši technologija egzistuoja, ji tiesiog dar nebuvo užprogramuota.
Taip.
Arba mokoma, kaip mes darome šiomis dienomis. Robas Aukštas, labai ačiū už tai.
Labai ačiū.
Norėdami daugiau su „Dan Costa“, užsisakykite podcast'ą. „IOS“ versijoje atsisiųskite „Apple“ transliacijų programą, ieškokite „Greitas pirmyn“ ir užsiprenumeruokite. „Android“ sistemoje atsisiųskite „Stitcher Radio“, skirtą „Podcast“ programai, per „Google Play“.
