كمبريدج ، ماساتشوستس. - يتفوق التعلم الآلي على البيانات الضخمة في عمليات بحث Google ، لكن الضجة حوله أنظمة الذكاء الاصطناعي قد لا يكون مبالغا فيه بما فيه الكفاية.
إريك برينجولفسون و أندرو مكافي ، المؤلفين المشاركين في القادمة الآلة ، المنصة ، الحشد: تسخير مستقبلنا الرقمي, قال إن بعض خوارزميات التعلم الآلي تتحسن بشكل أسرع مما كان متوقعًا ، وذلك بفضل مجموعات البيانات الهائلة والوصول إلى المزيد من قوة الحوسبة. ويفتح معدل التغيير السريع آفاقًا جديدة للآلات وفرصًا جديدة لرؤساء تقنية المعلومات.
برينجولفسون، مدير مبادرة معهد ماساتشوستس للتكنولوجيا حول الاقتصاد الرقمي (IDE)و McAfee، العالم الرئيسي والمدير المشارك لمعهد ماساتشوستس للتكنولوجيا IDE ، شارك في محادثة على النار في الآونة الأخيرة ندوة MIT Sloan CIO، حيث قالوا إنهم قللوا من شأن القدرات التخريبية للأتمتة وناقشوا ما أطلقوا عليه الموجة الثانية من عصر الآلة الثاني. فبدلاً من قيام البشر بتدوين المعرفة للآلات ، فإن الآلات قادرة على التعلم بمفردها.
قال برينجولفسون: "نعتقد أنه ربما يكون أهم شيء سيؤثر على الاقتصاد والمجتمع خلال العقد القادم".
قال مكافي إن أحد الأمثلة الجامحة هو AlphaGo، نظام تم بناؤه بواسطة جوجل DeepMind أن تفوقت على بطل العالم من لعبة الإستراتيجية التجريدية الآسيوية Go. قال: "غرد بطل Chinese Go على موقع تويتر الصيني بعد فترة قصيرة ،" لا أعتقد أن إنسانًا واحدًا قد لمس حافة لعبة Go ". في أقل من خمس سنوات ، ربما تكون الآلات قد تجاوزت 2,500 عام من الدراسة والمعرفة المتراكمة للعبة من قبل البشر.
ولا يقتصر التحسين في أنظمة التعلم الآلي على إستراتيجية اللعبة. تقنيات التعرف على الكلام والصورة ، على سبيل المثال ، تعمل بدقة على مستوى الإنسان وتتعلم بمعدل غير مسبوق. غوغل تم الكشف عنها في مؤتمر مطوري Google I / O 2017 قال برينجولفسون إن تقنية التعرف على الكلام الخاصة بها تحسنت من معدل خطأ 8٪ إلى حوالي 4٪ معدل خطأ - ليس في 10 سنوات ، ولكن في 10 أشهر.
تعمل هذه التطورات على جعل أنظمة التعلم الآلي بمثابة مركز قوة لعالم البرمجيات ، حيث تجلس أسفل واجهة المستخدم لكل منها الدردشة بوت، مركبة مستقلة ونظام التعرف على الوجه. ووفقًا للباحثين ، فإن الوتيرة التي تتطور بها أنظمة التعلم الآلي تمثل موقفًا فريدًا لمدراء تقنية المعلومات ، الذين لا ينبغي أن يجلسوا بشكل سلبي ويتركوا التكنولوجيا تقود.
في الواقع ، قال برينجولفسون إن شركات مثل Microsoft و Google وخبراء التعلم الآلي المشهورين يحبون أندرو نغ صف ما يحدث على أنه "اندفاع على الأرض تقريبًا".
قال برينجولفسون: "هناك الكثير من الفرص التي لم يستغلها الناس بعد". "والعقبة الآن هي في الواقع تحديد المشاكل والفرص التي يمكن تطبيق هذه التقنيات عليها بشكل أكثر فعالية."
التجريب - مثل قيام Google بتحرير خوارزمية الألعاب في مركز البيانات لتقليل استهلاك الطاقة - هو المفتاح. قال مكافي: "الخطأ الرئيسي الذي سترتكبه الكثير من الشركات هو الاستقراء من الماضي والاستمرار في فعل ما كانوا يفعلونه بدقة أفضل قليلاً أو دقة أفضل قليلاً".
أنظمة التعلم الآلي والقوى العاملة
لكن التعامل مع أنظمة التعلم الآلي لا يتعلق فقط بالتعلم كيف تستغل التكنولوجيا. سيتطلب إعادة التفكير في قطاعات كاملة من التوظيف ، من الوظائف الوضيعة إلى الوظائف التي تتطلب مهارات عالية.
In آلة العمر الثاني، الذي نُشر في عام 2014 ، كتب الباحثون عن "الفصل الكبير" بين الأجور والإنتاجية. "على مدى 200 عام ، ارتفع [متوسط الأجور] جنبًا إلى جنب مع الإنتاجية ، لكنهم الآن في حالة ركود ، "قال برينجولفسون. مع آثار وخيمة. أشار برينجولفسون إلى بحث آن كيس وأنجوس ديتون حول ارتفاع الوفيات الناجمة عن الانتحار وتعاطي المخدرات وإدمان الكحول والاكتئاب - أو ، على حد تعبيره ، "الوفيات الناجمة عن اليأس".
ومع التقدم في أنظمة التعلم الآلي ، ليست المهمات عن ظهر قلب فقط هي الأهداف الرئيسية للأتمتة. الوظائف التي تتطلب سنوات من التدريب معرضة للخطر أيضًا ، مثل التعرف على الأنماط أو تحليل الصور الذي يقوم به علماء الأمراض وأخصائيي الأشعة. قال برينجولفسون: "يمكن للآلات الآن التعرف على الصور السرطانية المحتملة بشكل أفضل مما يستطيع البشر التعرف عليه".
من الصعب التنبؤ بمدى تأثير أنظمة التعلم الآلي على الوظائف والمهن. متي جايسون بونتين، ورئيس تحرير وناشر جريدة معهد ماساتشوستس للتكنولوجيا تكنولوجي ريفيو وطلب مدير الدردشة الجانبية من الأكاديميين وضع نسبة مئوية على عدد الوظائف التي يمكن إلغاؤها في السنوات العشر إلى الخمس عشرة القادمة ، أجاب برينجولفسون بالقول: "هذا هو السؤال الذي تبلغ قيمته عدة مليارات من الدولارات".
وأضاف المؤلفون أن هناك شيئًا واحدًا مؤكدًا: الآلات ليست جيدة في كل شيء. لا يزال أداء المهام التي تتطلب تفكيرًا إبداعيًا أو اتصالات شخصية أو حل مشكلات على نطاق واسع أو تخطيطًا معقدًا أفضل من قبل البشر - على الأقل في الوقت الحالي. وتقدم التطورات في أنظمة التعلم الآلي فرصة وظيفية ، خاصة للأشخاص الذين يمتلكون ذكاءً في الكمبيوتر.
في مجال تكنولوجيا المعلومات ، سينظر مدراء تقنية المعلومات التطلعون إلى كيفية تسليح موظفيهم بالمهارات اللازمة للبقاء على صلة باقتصاد التعلم الآلي ، مثل التعلم TensorFlowقال برينجولفسون ، مكتبة البرامج مفتوحة المصدر للتعلم الآلي التي طورتها Google.
أفلاطون. Web3 مُعاد تصوره. تضخيم ذكاء البيانات.
