سال جدید، چالش جدید هوش مصنوعی: آیا می‌توانیم الگوریتمی برای پیش‌بینی حملات قلبی ایجاد کنیم؟

بزرگنمایی / آیا یادگیری ماشینی ما هنوز انجام شده است؟

در سال گذشته، فناوری‌های یادگیری ماشین و هوش مصنوعی پیشرفت‌های چشمگیری داشته‌اند. الگوریتم های تخصصی، از جمله OpenAI’s DALL-E، توانایی تولید تصاویر بر اساس پیام های متنی را با دقت فزاینده نشان داده اند. سیستم های پردازش زبان طبیعی (NLP) به تقریب نوشتار و متن انسانی نزدیک شده اند. و حتی برخی از مردم فکر می کنند که هوش مصنوعی به هوش دست یافته است. (هشدار اسپویلر: اینطور نیست.)

و همانطور که مت فورد از Ars اخیراً در اینجا اشاره کرد، هوش مصنوعی ممکن است مصنوعی باشد، اما “هوش” نیست – و مطمئناً جادو نیست. آنچه ما «هوش مصنوعی» می‌نامیم به ساخت مدل‌هایی از داده‌ها با استفاده از رویکردهای آماری توسعه‌یافته توسط انسان‌های گوشتی و خونی بستگی دارد و می‌تواند به همان اندازه که موفق شود به طرز شگفت‌انگیزی شکست بخورد. یک مدل از داده‌های بد بسازید و پیش‌بینی‌های بد و نتیجه بدی خواهید داشت – فقط از توسعه‌دهندگان Tay Twitterbot مایکروسافت بپرسید.

برای شکستی بسیار کمتر دیدنی، فقط به صفحات پشتی ما نگاه کنید. خوانندگانی که برای مدتی یا حداقل از تابستان 2021 با ما بوده‌اند، زمانی را به خاطر خواهند آورد که ما سعی کردیم از یادگیری ماشینی برای انجام برخی تحلیل‌ها استفاده کنیم – و دقیقاً موفق نشدیم. دنی اسمیت، مدیر ارشد محصول خدمات وب آمازون، هنگامی که ما برای مشاوره تماس گرفتیم، گفت: «معلوم شد که «داده محور» فقط یک شوخی یا یک کلمه رایج نیست. «داده محور» یک واقعیت برای پروژه های ماشینی است. برای آموزش یا علم داده!») اما ما چیزهای زیادی یاد گرفتیم و بزرگترین درس این بود که یادگیری ماشین تنها زمانی موفق می شود که سؤالات درست از داده های مناسب را با ابزار مناسب بپرسید.