3 سوال برای جدا کردن هوش مصنوعی از تبلیغات تبلیغاتی

فروشندگان در همه جا پیشنهاد می کنند که ابزار آنها شامل نوعی هوش مصنوعی یا یادگیری ماشینی است. در اینجا سه ​​سوال برای جدا کردن فناوری از تبلیغات بازاریابی وجود دارد.

یکی از چالش‌های بی‌شمار پیشرو بودن در فناوری مدرن، جدا کردن تبلیغات بازاریابی از واقعیت است که زمان تهیه سخت‌افزار یا نرم‌افزار جدید فرا می‌رسد. بازاریابی محصول اغلب به سمت اغراق گرایش دارد و به جای منفی بر موارد مثبت تمرکز می کند. با محصولات فناوری، چین و چروک های اضافی از عناصر فنی پیچیده وجود دارد که نیاز به درک تخصصی دارد.

هیجان تاریخی بیشتر بازاریابی محصولات را با یک فناوری داغ مخلوط کنید، و مجبور می شوید از دیواری متراکم از وعده ها، شعارها و ادعاها عبور کنید تا مشخص کنید آیا یک محصول برای سازمان شما کار می کند یا خیر. این امر به ویژه در عصر هوش مصنوعی صادق است، جایی که به نظر می رسد همه چیز از نرم افزار زنجیره تامین گرفته تا مبلمان اداری ادعا می کند که برخی از عناصر هوش مصنوعی را در خود جای داده است. تقریباً می توان تصور کرد که یک میزبان اطلاعات تجاری اواخر شب فریاد می زند که محصولی را که شیلینگ می کند، فریاد می زند: “اکنون شامل 30٪ یادگیری ماشینی بیشتر است!”

دیدن: سیاست اخلاقی هوش مصنوعی (TechRepublic Premium)

مشکل در ارزیابی محصولاتی که شامل هوش مصنوعی می‌شوند این است که تعاریف آنچه که هوش مصنوعی را تشکیل می‌دهد می‌تواند بسیار متفاوت باشد. اگر تعریف شما الگوریتم‌های یادگیری را فرض می‌کند که داده‌های جدید را هوشمندانه دسته‌بندی می‌کنند، و فروشنده شما هوش مصنوعی را شامل کمی بیشتر از محاسبات فانتزی می‌داند، ناامید خواهید شد. برای اینکه منظور فروشنده‌تان را مشخص کنید وقتی به شما می‌گوید عناصری از هوش مصنوعی در محصولش گنجانده شده است، در اینجا سه ​​سؤال ساده وجود دارد که می‌تواند به جدا کردن تبلیغات از واقعیت کمک کند.

مدل هوش مصنوعی چگونه یاد می گیرد؟

یک عنصر اساسی بیشتر فناوری‌های هوش مصنوعی واقعی این است که بر اساس داده‌هایی که دریافت می‌کنند بهبود می‌یابند یا شامل فناوری‌هایی می‌شوند که نتایج بالقوه آینده را آزمایش می‌کنند و محاسبات خود را بر اساس آن نتایج تقویت می‌کنند. هوش مصنوعی بازی یک نمونه کلاسیک از این فناوری است، که در آن هوش مصنوعی می تواند انجام هزاران تکرار از یک بازی را شبیه سازی کند و عملکرد آن را بر اساس نتیجه هر بازی بهبود بخشد.

از فروشنده خود در مورد نحوه یادگیری و بهبود هوش مصنوعی بخواهید. از چه داده هایی استفاده می کند؟ آیا سناریوهای بالقوه را شبیه سازی می کند و از آن برای یادگیری استفاده می کند؟ چند شبیه سازی می تواند اجرا کند؟ با پرسیدن این نوع سؤالات، ممکن است به سرعت متوجه شوید که «یادگیری مبتنی بر هوش مصنوعی» که توسط فروشنده تبلیغ می‌شود، در واقع فقط برخی از محاسبات اولیه را روی مجموعه داده‌های موجود شما انجام می‌دهد، نه اینکه واقعاً الگوریتم‌های آن را بر اساس قابلیت یادگیری تنظیم کند.

هوش مصنوعی چگونه نظارت و تنظیم می شود؟

سیستم‌های هوش مصنوعی واقعی پیش‌بینی‌های خود را بر اساس ترکیبی از ورودی‌هایی که دریافت می‌کنند و توانایی‌شان برای اجرای شبیه‌سازی‌های مختلف برای آزمایش نتایج بالقوه تطبیق می‌دهند. به این ترتیب، هوش مصنوعی باید نظارت شود و احتمالاً مجدداً آموزش داده شود یا داده های ورودی اضافی داشته باشد.

اگر از فروشنده خود بپرسید که چگونه هوش مصنوعی نظارت و تنظیم می شود، نشان می دهد که آیا محصول آنها واقعاً دارای درجه ای از هوش در برابر برخی از الگوریتم های استاندارد فانتزی است یا خیر. فرض کنید فروشنده شما ادعا می کند که هیچ نظارتی یا تنظیمی لازم نیست. در آن صورت، شما می توانید با خیال راحت فرض کنید که هوش مصنوعی به جای یک فناوری جاسازی شده و سودمند در محصول مورد بررسی، یک هذل بازاریابی است.

آیا داده های مشتریان را برای آموزش هوش مصنوعی به اشتراک می گذارید؟

سوال مهم دیگری که باید از فروشندگان بپرسید در واقع دو موضوع اساسی را پوشش می دهد. ابتدا، ارزش این را دارد که بدانیم آیا داده های شما با داده های سایر مشتریان برای آموزش هوش مصنوعی در یک محصول ترکیب شده است یا خیر. این ممکن است مفید باشد یا نباشد. به عنوان مثال، اگر یک راه حل مدیریت زنجیره تامین را در نظر می گیرید، اجازه دادن به داده های شما برای اطلاع رسانی هوش مصنوعی در ازای بهره مندی از داده های سایر شرکت ها می تواند معامله ارزشمندی باشد زیرا مجموعه داده های گسترده تر باید محصول را موثرتر کند. برعکس، اگر با داده های منحصر به فرد و بسیار خاص کار می کنید، داشتن هوش مصنوعی تحت تأثیر داده های دیگر می تواند یک نقص باشد.

این سوال همچنین باید باعث شود فروشنده شما توضیح دهد که چگونه داده های مشتری هوش مصنوعی را اطلاع رسانی و بهبود می بخشد. فرض کنید آنها پاسخی برای این سوال ندارند یا ذکر می کنند که هیچ داده مشتری واقعاً بر توانایی هوش مصنوعی برای پیش بینی تأثیر نمی گذارد. در این صورت، این یک شاخص محتمل است که محصول مورد نظر واقعاً شامل هیچ فناوری هوش مصنوعی مناسبی نیست.

به راحتی می توان «AI Inside» را به عنوان یک مزیت برای یک ابزار فنی تبلیغ کرد. با این حال، تعریف نادرست هوش مصنوعی، کار یک رهبر فناوری را دشوار می کند. استفاده از این سؤالات برای تعیین میزان قدرت هوش مصنوعی در فناوری شما می تواند یک تمایز مهم در انتخاب فناوری باشد.