La oportunidad de la inteligencia artificial un camello a los coches momento etiomedia foro amárico

Había dos lecciones aquí. El primero relacionado con el aprendizaje profundo puro y su asombro, estaba familiarizado con este. El segundo fue algo nuevo (para mí). Este experimento involucró 14 brazos de robot con una sola mano. Si bien no es un número masivo, los 14 contribuyeron colectivamente con datos desde el principio, con sus muchos fracasos. Los aprendizajes del final del día por la red neuronal convolucional utilizaban los 14. Y, al día siguiente, los 14 comenzaron de nuevo con este nuevo nivel de sabiduría colectiva.

Cada ser humano lo hará individualmente y en la medida de lo posible: habrá una curva de campana normal de competencia. Es totalmente posible, si hay incentivos para hacerlo, que los humanos que son mejores en el grupo traten de enseñar a otros. Habrá una gran mejora si la tarea es repetitiva y no requiere imaginación / creatividad / inteligencia intrínseca. Podría haber una mejoría menor si la tarea no es repetitiva y requiere una imaginación / creatividad / inteligencia intrínseca del divertículo uretral.

Nuestro problema muy humano es que cada nuevo residente de dermatología comienza casi desde cero. Es posible que algunos libros de texto se actualicen (mientras que se quedan cómodamente una década más atrás). Algunas técnicas nuevas (máquinas, estrategias analíticas) podrían ser accesibles para el residente. Pero, la profundidad y la amplitud de los conocimientos adquiridos por el dermatólogo al final de su carrera con 200 mil casos, es casi completamente inaccesible para el nuevo residente. Incluso si hacen una residencia en un hospital o con un dermatólogo de edad avanzada, un dermatólogo recién nombrado solo será un poco mejor que cuando el anterior dejó la escuela.

Considere esto en su lugar: ¡el algoritmo anterior procesó 130,000 casos en tres meses! Y cada día se volverá más inteligente, ya que tendrá acceso a los datos más recientes (y más). Aquí sin embargo está el bit mágico. ¡Cada nuevo algoritmo que pongamos en línea tendrá acceso total a todos los conocimientos de algoritmos anteriores! El punto de partida será, lo que yo llame, completar el conocimiento del primer día.

Bonus 2: mientras que ethereum metropolis release estamos hablando de objetos … la razón relacional es fundamental para la inteligencia humana. Deepmind ha tenido éxito reciente en la construcción de un módulo de red neuronal simple para el razonamiento relacional. Este progreso es muy bueno Además, estaba muy entusiasmado con la red de interacción visual que construyeron para imitar la capacidad de un humano para predecir. (Si pateas una pelota contra la pared, tu cerebro predice lo que sucederá cuando la pelota golpee la pared). Vale la pena leer el artículo: un enfoque neuronal del razonamiento relacional. El éxito aquí tiene posibilidades fantásticas.

A medida que nos dirigimos hacia la segunda mitad del siglo actual, AI recuperará el liderazgo nuevamente y lo mantendrá para siempre. No tengo la competencia para juzgar si será AGI o una superinteligencia o alguna otra variación. Pero, con todos los demás factores informáticos cambiando a una velocidad exponencial, es imposible que la inteligencia no supere las limitaciones de los humanos y los cerebros humanos (incluido el que tiene una versión de Windows 7 64 bit de neuralink).

Aquí solo hay un punto de datos de Jurgen Schmidhuber: las redes neuronales que estamos utilizando para el aprendizaje profundo en este momento tienen alrededor de mil millones de conexiones neuronales en comparación con los 100.000 millones de la corteza humana. Las computadoras se están volviendo 10 veces más rápidas cada 5 años y, a menos que se rompa esa tendencia, solo nos llevará 25 años hasta que tengamos una red neuronal recurrente comparable con el cerebro humano. Solo 25 años.

Seguramente algunos de ustedes piensan, para decirlo cortésmente, que estoy un poco por ahí. Algunos de ustedes han escuchado el “bombo” antes y son profundamente escépticos (AI pasó por una tundra de dos décadas en la que no cumplió con todas las promesas, hasta aproximadamente 2010). ¡A algunos de ustedes se les prometió que la programación era AI y todo lo que hizo fue servir basura a una escala más eficiente!

Mitch Joel es la estrella de rock del marketing digital, brillante en el tema de los medios de comunicación y un ser humano muy dulce. Entre sus muchas plataformas se encuentra un fantástico podcast llamado seis píxeles de separación. Nuestro 13 podcast juntos fue en AI. Mitch desempeñó el papel del escéptico residente y yo desempeñé el papel de, bueno, el papel que me ves jugar aquí.

Si bien miro al futuro ethereum koers grafiek con optimismo (incluso 150 años para los humanos), lo que más me emociona es lo que el aprendizaje automático y el aprendizaje profundo pueden hacer por nosotros hoy. Hay tantas cosas que son difíciles de hacer, oportunidades que ni siquiera sabemos que existen, la capacidad de hacer que el trabajo que te quita la vida sea más fácil, mejor, más inteligente o desaparecido.

Si está pasando a experimentar con cada botón y marca, puede tocar AdWords para que pueda entender cómo funciona todo y puede demostrar un aumento en las conversiones mientras se enfoca por poco en algunas palabras clave, está haciendo que su camello vaya más rápido. El cambio a la orientación inteligente con tecnología ML, la creatividad inteligente y las ofertas inteligentes con los beneficios de la empresa como criterios de éxito, para cada palabra clave relevante identificada automáticamente por el algoritmo, usted está manejando un automóvil.

El personal de su centro de llamadas para esperar las llamadas de clientes potenciales está haciendo que su camello de et iasi vaya más rápido. Crear una red neuronal que analice todos los datos públicos disponibles de las compañías para identificar cuáles van a necesitar para aumentar la deuda, y llamarlos proactivamente para lanzar los maravillosos servicios de financiación de deuda de su compañía es manejar un automóvil.

Escoger a mano sitios para mostrar sus anuncios de display a través de una hoja de cálculo x por x que se masajea amorosamente y ahora tiene una nueva fuente y una columna más sobre visibilidad, que hace que su camello vaya más rápido. Aprovechar el aprendizaje automático para descubrir de forma algorítmica dónde debería mostrarse su anuncio al analizar más de 5,000 señales en tiempo real para cada humano basado en la comprensión a nivel humano (¡las cookies se mueren!), Es conducir un auto rápido.

Al pedirles a los analistas que dejen de vomitar datos, lo siento, me refiero a automatizar los informes y enviar información al fusionar varios conjuntos de datos de ethereum para que el camello vaya más rápido. Pedirle a sus analistas que le envíen solo las acciones y el impacto comercial de esas acciones es manejar un automóvil. Pedirles que cambien al uso de productos con tecnología ML como inteligencia analítica en GA para identificar las incógnitas desconocidas y conectarlas a acciones automatizadas es montar un cohete.

Si está programando explícitamente su chatbot con 100 casos de uso diferentes y rutas fijas a seguir para cada caso de uso para mejorar el servicio al cliente, eso hace que el camello vaya más rápido. Si toma los conjuntos de datos de su empresa en torno a sus productos, problemas, soluciones, servicios exitosos anteriores, productos de sus competidores, detalles sobre sus usuarios, etc. problemas de servicio de su cliente, usted está montando un coche.

Espero que hayas notado que terminé el párrafo anterior con una sonrisa. Me siento inspirado por la innovación que nos rodea y por la amplitud con la que se aplica. Estoy realmente entusiasmado con las oportunidades que tenemos frente a nosotros y los problemas que vamos a resolver como individuos, para nuestros negocios, para nuestros semejantes y para este precioso planeta.

En mis áreas de competencia, marketing, análisis, servicio y ventas, puedo decir con algo de experiencia que el cambio ya está aquí, y que tenemos ante nosotros un cambio mucho mayor. (Comparto con mitch por encima de la descarga de videos de música etíope cuánto tiempo creo que los analistas, tal como están hoy, estarán ahí). Espero haberlo convencido para que lo aproveche para su gloria personal y profesional.

¿El aprendizaje colectivo y los conceptos de conocimiento del primer día que ya había considerado en su análisis de la IA? ¿Hay otros conceptos que hayas identificado? ¿Crees que estamos condenados? ¿Está su empresa aprovechando las redes neuronales profundas para marketing o análisis o para obtener un nuevo valor de sus plataformas centrales de back-office? ¿Qué pasos has tomado en el último año para cambiar la trayectoria de tu carrera?

El primer día de conocimiento es fácilmente el argumento más convincente para el futuro brillante de la IA. ¿A cuántos de nosotros nos encantaría viajar en el tiempo para pasar nuestro conocimiento existente a las versiones anteriores de nosotros mismos que emprendemos su primer trabajo después de la universidad? Más allá de la esfera profesional, este conocimiento podría haber salvado muchas de nuestras relaciones personales. 🙂

Realmente me gustó tu camello a la analogía de los autos. El ritmo del avance de AI / ML se puede medir fácilmente por su presencia en nuestra vida cotidiana que no fue el caso hace 5-10 años: los precios basados ​​en ML para nuestros viajes de primera, la capacidad de reconocimiento facial de Facebook para identificar a nuestros amigos en las fotos subidas, Los filtros de spam de Gmail y la categorización de correo electrónico, el rápido editor interno de Microsoft Word de su gramática y uso de palabras, sugerencias de películas de Netflix, recomendaciones de productos de Amazon, categorización de música de Pandora, asistente personal de Amazon Amazon, optimización de rutas de Google Waze, termostatos de aprendizaje de nido.

Nuestro pensamiento natural es que incluso si los algoritmos pueden predecir los resultados futuros y sugerir el mejor plan de acción; La decisión final la toman los humanos que pueden ver el adaptador de cable Ethernet para la materia gris más allá de las limitaciones binarias de las máquinas inteligentes. Curiosamente, no siempre queremos llevar el peso de ese poder de decisión y con mucho gusto subcontrataremos esta tarea. Un experimento freakonomics bien documentado encontró que las personas preferirían arrojar la moneda a las decisiones que alteran la vida, incluyendo renunciar a sus trabajos y terminar sus relaciones:

En una nota más brillante, la mayoría de los gigantes tecnológicos líderes no solo reconocen el potencial detrás de ML, sino que también lo democratizan para expandir potencialmente su alcance: google ofrece tensorflow como software de código abierto; El motor IBM Watson por qué está cayendo ethereum tiene un nivel de suscripción gratuito, lo que facilita convertir su Raspberry Pi en un robot parlante. y uno puede codificar sus propias habilidades alexa basadas en voz usando los servicios web de Amazon.

– Todo tipo de visión y manipulación. ¿Bloques? Y qué. Conduciendo coches? Sí claro. Gíralos contra un taxista de Nueva York y veremos cómo les va. El desafío para los vehículos autónomos siempre ha sido la gente, no el terreno. No importa cuántos autos autónomos conduzcan a través del desierto (hable del terreno más fácil posible), no están en ninguna parte hasta que puedan lidiar con unidades de carbono estúpidas, es decir, Personas, sin matarlos o crear responsabilidad por daños a la propiedad.

– juegos. ¡Oh, sí, las computadoras están venciendo a los maestros de ajedrez! Claro, pero de ninguna manera que se parezca remotamente a cómo las personas juegan al ajedrez. Simplemente son capaces de considerar más posiciones. Eso y el hecho de que su estilo de juego es extraño y de rendimiento para los humanos es la razón por la que ganan. ¿De qué sirve? ¿Qué están haciendo esos algoritmos para agregar genuinamente mil millones a los resultados de IBM?

Por cierto, el hecho de poder construir una computadora lo suficientemente potente como para llevar un centro de datos gigante a casa no significa que tenga sentido usar esa computadora para asumir trabajos de salario mínimo. Es una pieza costosa de maquinaria para el estado de vuelo de etihad airways que vive muchos años más. Podemos construir uno en 34 años y luego, ¿cuántos años más hasta que podamos colocar uno barato en una computadora de escritorio? ¿10 años? ¿20 años?

Así es como terminará la tercera burbuja de IA. Pero no se desanime, aficionados a la IA. Habrá inevitablemente una cuarta burbuja de IA. Ocurrirá antes de que los 34 años nos traigan máquinas lo suficientemente poderosas, pero estarán cerca de esa época. También explotará, ya que explotaremos a través de la creación de 100,000x máquinas más poderosas y nos preguntaremos por qué no funcionaron.

banner