Ibm watson cto miksi lisätty älykkyys lyö ai

Tämä Fast Forward -jakso nauhoitettiin IBM Watson Experience Centerissä täällä New Yorkissa. Vieraani oli Rob High, IBM Watsonin varapuheenjohtaja ja teknologiajohtaja.

Korkeat työt useiden IBM: n tiimien kesken, mukaan lukien suunnittelu, kehitys ja strategia. Hän on yksi selkeimmistä ajattelijoista tekoälyn tilassa, ja keskustelumme kattoi monia tapoja, joilla tekniikka muuttaa työpaikkamme, yhteiskuntamme ja elämäämme. Lue ja katso alla olevaa keskusteluamme.

Dan Costa: Mikä on hallitseva väärinkäsitys, joka ihmisillä on tekoälystä?

Rob High: Luulen, että yleisin ongelma, jota kohtaamme ihmisistä, jotka puhuvat AI: stä, ovat heidän elävät edelleen maailmassa, jossa mielestäni Hollywood on vahvistanut tätä ajatusta, että kognitiivinen laskenta, AI, on ihmismielen toistamista, ja se on oikeasti ei. Turingin testin kaltaisilla asioilla on taipumus vahvistaa, että mittaamamme on ajatus siitä, että AI voi kilpailla huijaamalla ihmisiä uskomaan, että tekemäsi asia on toinen ihminen, mutta se ei oikeastaan ​​ole ollut sieltä, missä olemme löytäneet suurin hyöty.

Tämä jopa menee taaksepäin, jos tarkastellaan melkein kaikkia muita työkaluja, jotka on koskaan luotu, työkalumme ovat yleensä arvokkaimpia, kun ne vahvistavat meitä, kun ne laajentavat toiminta-alaamme, kun ne lisäävät vahvuutemme, kun he sallivat meidän tehdä asioita, joita emme voi tehdä yksin ihmisinä. Se on todellakin tapa, jolla meidän on ajateltava myös AI: tä, ja siinä määrin kuin me itse kutsumme sitä laajennetuksi älykkyydeksi, ei tekoälyksi.

Puhutaanpa vähän siitä muutoksesta, koska se on aivan uusi tietotekniikka. Se on laskennan evoluutio siitä, mistä molemmat olemme kasvaneet, ohjelmallisesta laskennasta, jossa käyttäisit laskentaa tavoittaaksesi ja vastataksesi erittäin monimutkaisella prosessilla, kognitiiviseen laskentaan, joka toimii hieman eri tavalla. Voitko selittää sen siirtymisen?

Todennäköisesti suurin huomattava ero on, että se on hyvin todennäköinen, kun taas ohjelmoidussa laskennassa on tarkoitus asettaa kaikki ehdolliset lauseet, jotka määrittelevät asiat, joihin kiinnität huomiota ja miten niihin reagoida. Se on erittäin deterministinen. Se on erittäin matemaattisesti tarkka. Klassisella ohjelmoidulla tietokoneella voit suunnitella kappaleen ohjelmiston. Koska tiedät mitä matemaattinen malli on, sitä voidaan testata matemaattisesti. Voit todistaa sen oikeellisuuden.

Kognitiivinen laskenta on paljon todennäköisempiä. Kyse on suurelta osin keskittyneiden tilojen signaalien testaamisesta, olipa kyse sitten visiosta, puheesta tai kielestä, ja yritetään löytää merkitysmalleja näistä signaaleista. Silloinkin ei ole koskaan ehdotonta varmuutta. Nyt tämä johtuu osittain siitä, että se lasketaan siten, mutta myös siitä syystä, että se on ihmisen kokemuksen luonne. Jos mietit kaikkea mitä sanomme tai näemme tai kuulemme, maistamme, kosketamme tai haistamme tai mitä tahansa, joka on osa aistejamme, me ihmisinä yritämme aina arvioida, mikä se todella on, ja joskus emme saa sitä oikein.

Mikä on todennäköisyys, että kun kuulin tuon äänisarjan, se todella tarkoitti tätä sanaa? Mikä on todennäköisyys, että kun näin tämän sanasarjan, se tarkoitti tätä lausetta? Mikä on todennäköisyys, että kun näen tämän muodon ja kuvan, jota katson, se on kyseinen esine? Jopa ihmisille, se on todennäköisyysongelma, ja siinä määrin se on aina tapa, jolla nämä kognitiiviset järjestelmät toimivat myös.

Jos joku tulee luoksesi ja jolla on ongelma, jonka he haluavat ratkaista, he ajattelevat, että siihen on olemassa kognitiivinen laskentaratkaisu, he tulevat Watsoniin, sanovat: "Katso, me käytämme Watsonia yrittämään ja ratkaisemaan Tämä ongelma." Watson ei tee kovinkaan paljon. Heidän on opetettava sille, kuinka heidän ongelmansa ratkaistaan. Voitko puhua tuosta onboard-prosessista?

Oikeastaan ​​meidän pitäisi puhua tämän kahdesta ulottuvuudesta. Yksi on, että jokin aika sitten tajusimme, että tämä kognitiivisen laskennan niminen asia oli todella suurempi kuin me, se oli suurempi kuin IBM, se oli suurempi kuin mikään alan toimittaja, se oli suurempi kuin yksi tai kaksi eri ratkaisualuetta johon aiomme keskittyä, ja meidän piti avata se, jolloin siirryimme keskittymään ratkaisuihin todella käsittelemään enemmän palvelualustoa, jossa kukin palvelu on todellakin keskittynyt erikseen eri osaan palveluita. ongelmatila. Se on komponentti, joka puheessa keskittyy tiukasti ongelmaan, joka liittyy yrittämään ottaa puheesi ja tunnistaa sanasi, jotka olet ilmaissut kyseisessä puheessa, tai ottaa kuvan ja yrittää tunnistaa, mitä kuvassa on, tai ottaa kieli ja yritä ymmärtää sen merkitys, tai käydä keskustelu ja osallistua siihen.

Ensinnäkin se, mitä nyt puhumme, on joukko palveluita, joista jokaisella on jotain hyvin erityistä, ja jokainen yrittää käsitellä eri osaa inhimillisestä kokemuksestamme ja ajatuksella, että kuka tahansa rakentaa sovelluksen, kuka tahansa, joka haluaa ratkaista sosiaalisen tai kuluttaja- tai liike-elämän ongelman, voi tehdä sen ottamalla palveluumme ja kommentoimalla sen sitten sovellukseksi. Se on yksi kohta.

Toinen kohta on se, josta aloitit, ja nyt, kun olen saanut palvelun, niin kaikki, miten saamme sen tekemään asiat, jotka haluamme sen toimivan hyvin? Tekniikka todella kuuluu opettamiseen. Näiden järjestelmien todennäköisyysluonne perustuu siihen tosiseikkaan, että ne perustuvat koneoppimiseen tai syvään oppimiseen, ja nämä algoritmit on opetettava tunnistamaan mallit, jotka edustavat merkitystä signaalijoukossa, jonka teet tarjoamalla tietoja, tiedot, jotka edustavat esimerkkejä tilanteesta, joka sinulla on ollut aiemmin, kun olet voinut merkitä sen sanomalla: "Kun kuulen tuon äänikombinaation, se tarkoittaa tätä sanaa. Kun näen tämän pikseleiden yhdistelmän, se tarkoittaa, että esine." Kun minulla oli noita esimerkkejä, voin nyt viedä sinut kognitiiviseen järjestelmään, näihin kognitiivisiin palveluihin ja opettaa heille, kuinka tehdä parempaa työtä tunnistaa mikä tahansa, mitä haluamme sen tekevän.

Mielestäni yksi esimerkkejä, jotka kuvaavat tätä todella hyvin, on lääketieteellisessä tilassa, jossa Watson auttaa lääkäreitä tekemään päätöksiä ja jäsentämään suuria määriä tietoja, mutta työskentelee lopulta heidän kanssaan diagnoosissa yhteistyössä. Voitko puhua vähän siitä, kuinka koulutus tapahtuu ja kuinka ratkaisu tuottaa parempia tuloksia?

Onkologiassa tekemämme työ on hyvä esimerkki siitä, missä se on koostumus useista erityyppisistä algoritmeista, joita suoritettavien töiden laajuudessa käytetään eri tavoin. Aloitamme esimerkiksi tarkastelemalla sairauskertomusta, tarkastelemalla potilastietojasi ja käyttämällä kognitiivista järjestelmää tarkistamaan kaikki muistiinpanot, jotka klinikot ovat tehneet vuosien ajan, kun he ovat työskennelleet kanssasi, ja löydämme sen, mitä kutsumme asiaankuuluvaa kliinistä tietoa. Mitä tietoja niissä lääketieteellisissä muistiinpanoissa on nyt merkitystä menevässä kuulemisessa? Kun otetaan huomioon, tehdään populaation samankaltaisuusanalyysejä, yritetään löytää muita potilaita, muita ryhmiä, joilla on paljon samankaltaisuutta sinuun, koska se antaa lääkärille tietoa siitä, kuinka miettiä erilaisia ​​hoitoja ja kuinka nämä hoidot saattavat olla sopivia sinulle ja kuinka aiot reagoida noihin hoidoihin.

Sitten tutkitaan niin kutsuttua hoitokäytäntöjä, jotka ovat suhteellisen hyvin määriteltyjä tekniikoita, joita lääkärit jakavat kuinka he hoitavat erilaisia ​​potilaita erityyppisissä sairauksissa. Tunnustamme, että ne on todella suunniteltu tavalliselle ihmiselle. Sitten asetamme päälle sen, mitä kutsumme kliiniseksi asiantuntemukseksi. Parhaiden lääkäreiden opettamat eri sairauksien lääkärit ovat oppineet etsimään ja missä ovat poikkeamat ja miten perustelemaan eri hoitokäytäntöjä, mikä niistä on sopivin tai kuinka kulkea eri polut näiden eri hoitomenetelmien ja nyt soveltaa niitä parhaalla mahdollisella tavalla, mutta lopulta käymällä läpi ja katsomalla kliinistä kirjallisuutta, kaikki sadat tuhannet, 600 000 artikkelia PubMedissä tieteen edistymisestä, joka on tapahtunut tällä alalla ja jotka ovat merkityksellisiä nyt tämän hoitosuosituksen laatimisessa.

Kaikki nämä ovat erilaisia ​​näkökohtia algoritmeille, joita käytämme prosessin eri vaiheissa, ja nämä kaikki on opetettu asettamalla eräät maailman parhaista lääkäreistä näiden järjestelmien eteen ja antamalla heille käyttää järjestelmää ja korjaamaan järjestelmä kun he näkevät jotain menevän pieleen, ja saada järjestelmän oppimaan käytännössä käytön kautta kuinka parantaa omaa suorituskykyään. Käytämme tätä nimenomaan onkologian tapauksessa auttaaksemme alan lääkäreitä ilmoittamaan hoitomenetelmistä, joita he eivät ehkä tunne, tai vaikka heillä olisi jonkinlainen tuntemus siitä, että heillä ei ehkä olisi todellista kokemusta todella ymmärtää, kuinka heidän potilaansa aikovat reagoida siihen ja kuinka saada tehokkain vastaus potilailtaan.

Se mitä pohjimmiltaan on tehty, on demokratisoitu asiantuntemus. Voimme viedä Memorial Sloan Ketteringin parhaat lääkärit, joiden etuna oli nähdä kirjaimellisesti tuhansia potilaita vuodessa saman sairauden ympärillä, josta he ovat kehittäneet tämän valtavan asiantuntemuksen, tarttuttaa sen kognitiiviseen järjestelmään, tuoda sen ulos yhteisöön tai alueellinen klinikkaympäristö, jossa lääkäreillä ei ehkä ole ollut yhtä paljon aikaa työskennellä saman sairauden kanssa useilla eri potilailla, mikä antaa heille mahdollisuuden hyötyä siitä asiantuntemuksesta, joka on nyt vangittu kognitiiviseen järjestelmään.

Mielestäni ajatus tämän asiantuntemuksen jakamisesta ensinnäkin sen kaappaamiseksi on ei-triviaalia tehtävä, mutta sitten kun olet tehnyt sen, pystyt jakamaan sen todella koko planeetalle, sinulla on asiantuntemusta Memorial Sloan Ketteringin parhaat lääkärit voidaan toimittaa Kiinaan, Intiaan, pieniin klinikoihin, ja se on mielestäni aika erikoista.

Sillä on valtava sosiaalinen vaikutus hyvinvointimme, terveyteemme ja asioihin, joista meille on hyötyä yhteiskunnana.

Kääntöpuolella ihmisiä huolestuttaa tekoäly on se, että se korvaa ihmiset, se korvaa työpaikat. Se on sidottu automaatioliikkeeseen. Minua lyö lääketieteellisessä tilassa pysyminen, radiologit. Radiologit tarkastelevat satoja ja satoja dioja päivässä. Watson tai AI-pohjainen järjestelmä voisi toistaa saman tyyppisen diagnoosin ja kuva-analyysin. Kymmenen vuoden kuluttua luuletko Yhdysvalloissa olevan enemmän tai vähemmän ihmisen radiologeja? Mikä vaikutus on tällaiseen teollisuuteen?

Vaikutus on todella auttaa ihmisiä tekemään parempaa työtä. Kyse on todellakin… ota se lääkärin tapauksessa. Jos lääkäri voi nyt tehdä tietoisempia päätöksiä, jotka perustuvat tosiasialliseen näyttöön ja joita tukevat tieteen uusimmat tosiasiat, jotka ovat räätälöityjä ja spesifisempiä yksittäiselle potilaalle, se antaa hänelle mahdollisuuden tehdä työnsä paremmin. Radiologien kohdalla se voi antaa heidän nähdä kuvan kuvassa asioita, jotka muuten voisivat kaipata tai hukkua. Kyse ei ole niiden korvaamisesta. Kyse on auttaa heitä tekemään työnsä paremmin.

Sillä on jotain samaa dynaamista kuin jokaisella työkalulla, jonka olemme koskaan luoneet yhteiskunnassa. Haluan sanoa, että jos palaat takaisin katsomaan nykyisen modernin yhteiskunnan viimeistä 10 000 vuotta maatalouden vallankumouksen alkamisen jälkeen, olemme olleet ihmisyhteisönä rakentamassa työkaluja, vasarat, lapiot, hydrauliikka, hihnapyörät, vivut ja paljon muuta näistä työkaluista ovat olleet kestävimpiä silloin, kun se, mitä he todella tekevät, on vahvistaa ihmisiä, vahvistaa voimamme, vahvistaa ajattelumme, vahvistaa ulottuvuuttamme.

Se on todella tapa ajatella näitä juttuja, että sillä on suurin hyöty, kun se antaa meille mahdollisuuden tehdä mitä teemme paremmin kuin voisimme itse, kun ihmisen ja työkalun yhdistelmä yhdessä on suurempi kuin kumpikin heistä olisi ollut itse. Se on oikeasti tapa ajatella sitä. Näin kehitämme tekniikkaa. Siellä taloudellinen hyöty tulee olemaan.

Olen täysin samaa mieltä, mutta luulen, että siellä tulee olemaan toimialoja, jotka ovat turhautuneet näiden älykkäiden järjestelmien käyttöön ottamien tehokkuuksien takia.

Heidät siirretään. Joo, heidät siirretään. En halua vähentää sitä sanomalla sitä tällä tavalla, mutta haluan myös olla varma, että emme ajattele tätä työpaikkojen poistamisena. Kyse on ihmisten suorittamien töiden muuttamisesta. Annan sinulle esimerkin. Paljon keskustelua siitä, kuinka tämä voi poistaa työpaikat puhelinkeskuksessa. Arvaa mitä? Puhelinkeskuksen edustajat tekevät paljon työtä, jota heidän ei tarvitse tehdä, he eivät pidä tekemisestä, mikä vie heidän kykynsä tehdä mielenkiintoisempia asioita.

Puhelinkeskuksissa näkemämme vaihtuvuus perustuu suurelta osin siihen, että jos ajattelet puhelinkeskuksen edustajan tehtävää, istut puhelinsoiton lopussa kuunnellessasi vihaisia ​​asiakkaita koko päivän ajan esittäen samaa kysymystä ja uudestaan, ja on vaikea mennä kotiin yöllä tunteen todella hyvää siitä, mitä teit sinä päivänä. On vaikeaa kerskaa ystäviäsi ja perhettäsi tästä työstäsi, joka sinulla on ja kuinka hyvä sinä teet sitä, kun olet tässä tilanteessa.

Jos voimme saada kognitiivisen järjestelmän keskustelutoimiston kautta purkamaan jonkin verran prosenttia, sanotaan esimerkiksi 30 prosenttia tulevista puheluista, vastaamalla asiakkaiden yleisimpiin ja kiireellisimpiin kysymyksiin nopeasti, tehokkaasti ja huolehtimaan siitä arkipäiväisestä työstä, niin mikä vasemmalle sen jälkeen, kun kaikesta huolehdittavasta on kysymys ihmisille, jotka jo itsessään vaativat enemmän inhimillistä kosketusta, jonka sitten annat sille puhelinkeskuksen edustajalle. Ongelma, jonka he hoitavat kyseiselle asiakkaalle, on mielenkiintoisempi, haastavampaa, vaatii heitä enemmän intellektuaalia vaivaa siihen, mutta myös he työskentelevät tyytyväisen asiakkaan kanssa. He tulevat vähän onnellisemmiksi. He eivät ole niin raivoissaan ongelmastaan.

Puhelinkeskuksen edustajalle se on todella parantanut heidän työtä. Se tosiasiallisesti antaa heidän mahdollisuuden tehdä työnsä paremmin ja olla sitä paremmin täyttäviä. Sillä välin, asiakkaalle, kuluttajalle, he saivat kiireellisimmät ratkaisunsa nopeasti. He eivät istu pidossa 10 minuuttia. He eivät odota, että sinut ohjataan oikealle henkilölle juuri oikeilla tiedoilla. He saavat tarvitsemansa tiedot helpoimmin ja kykenevät jatkamaan elämäänsä todennäköisesti paremmalla päätöksellä, ehdottomasti paremmalla tiedolla tai ainakin johdonmukaisemmalla tiedolla. Se tosiasiallisesti hyötyy saman yhtälön molemmille puolille.

Se on kiinnostavaa. Jotkut tänään näkemistäni demoista ovat, että puhelinkeskuksen sovellukset pystyvät ennakoimaan ja havaitsemaan melko tehokkaasti soittavien ihmisten emotionaalisen tilan, joten se ei ole vain tapahtuma. Se pystyy lukemaan melko hyvin rivin toisessa päässä olevan henkilön tilan.

Mikä on todella välttämätöntä, jos mietit; keskustelulla on kaksi elementtiä siihen. Yksi on se, että mitä ihmiset sanovat aluksi, ei yleensä ole mitä he ovat siellä. Jos sanon: "Mikä on minun tasapainoni?" No, se ei oikeastaan ​​ole minun ongelmani. Joo, minun on tiedettävä tilitaseeni, minun on tiedettävä, kuinka paljon rahaa minulla on, mutta ongelmani on, että yritän ostaa jotain tai yritän selvittää, kuinka saada rahat oikeassa asemassa maksamaan laskuni tässä kuussa, tai yritän säästää lasteni koulutuksen vuoksi. Minun ongelmani on suurempi kuin se ensimmäinen kysymys, jonka keskustelin, ja keskustelun pitäisi olla päästä siihen todelliseen ongelmaan.

Keskustelujen toinen yhteinen piirre on, että tyypillisesti se vie eräänlaisen tunnekaarin siihen. Ihmiset tulevat tietyssä tunnetilassa, ja keskustelun osa on siirtää heitä emotionaalisen muutoksen kautta, joka usein tarkoittaa siirtämistä vihaisesta nyt tyytyväiseksi. Joissakin keskusteluissa saatamme päästä siihen. Se saattaa todella kuumentua hieman. Näet tunnekaarin, joka alkaa ehkä rauhallisena ja siirtyy sitten kiistanalaiseen keskusteluun, joka lopulta ratkaistaan.

Herkkyys ja tietoisuus tunnetilasta osapuolilla on tärkeä osa tehokkuutta keskusteluun.

Mitkä ovat joitain nykyään saatavilla olevista muista sovelluksista, jotka mielestäsi todella muuttuvat?

Uskon, että mikä tahansa heistä kiinnittää käyttäjää, asiakasta tavalla, joka johtaa heitä inspiroimaan. Loppujen lopuksi palaan taas keskusteluihin esimerkkinä, yleensä kun ihmiset tulevat keskusteluun, tulemme pöydälle idean kanssa. Sinulla on idea. Minulla on idea. Tuo aloitusidea on keskustelun alku, ja keskustelun aikana kehitämme nuo ideat. Sekoitamme heidät. Yhdistämme heidät. Voimme ehkä alentaa niitä tai vahvistaa niitä. Etenemme kohtaan, jossa keskusteluista tulee toivottavasti parempi idea. Ihannetapauksessa.

Tätä varten ei tarvitse olla vain antaa ja ottaa, vaan myös osa kuinka inspiroit joku? Kuinka saat ihmiset aktivoimaan mielikuvituksensa? Kuinka voit saada heidät ajattelemaan jotakin, josta he eivät ole ennen ajatelleet, tai näkemään jotain valossa, jota he eivät ole aiemmin ajatelleet, tai näkemään toinen näkökulma, joka vie heidät tielle, jota he eivät edes tienneet miettiä, kysyä kysymyksiä, joita he eivät aio kysyä? Nämä ovat esimerkkejä, ne ovat tilanteita, jotka ovat mielestäni lupaavimpia ja joista on suurin hyöty ihmisille.

Toimiiko tämä tänään vai onko jotain, jonka on tapahduttava hitaasti tekniikan kehittyessä?

Ei, se tapahtuu. Meillä on esimerkkejä tästä tapahtuu nyt. Itse asiassa palattuaan onkologiaan esimerkkinä maailman parhaille lääkäreille esitetyt hoitomenetelmät voivat olla heille suurimmaksi osaksi ilmeisiä. Siellä voi olla yksi kymmenestä tapauksesta, joissa he voivat sanoa: "No, odota hetki, se oli mielenkiintoinen idea". Se ei ole niin usein, mutta kuten totesitte aiemmin, jos siirrämme tämän nyt yhteisö-, alue- ja alueille, joilla ei ole tätä asiantuntemustasoa, se, että järjestelmä voi tuoda uusia ideoita, uusia hoitomahdollisuuksia, kyse on todella uusien ideoiden tuomisesta käyttöön. Me näemme sen jo.

Sitten tietenkin siirtyminen siitä, mistä on mielestäni tullut klassinen chatbot-skenaario, jonka mielestäni jotkut meistä alkavat nähdä erilaisissa esimerkeissä nyt tilanteeseen, jossa joku antaa luottokorttipetosilmoituksen luottokortillaan ja mennä tänään chatbotina, se voi olla vain yksinkertaisesti: "Oliko kyseinen transaktio jotain, jonka tekit tai ei? Jos on, niin hyvin. Jos ei, niin teemme jotain tapahtuman peruuttamiseksi" nyt ", Okei, tarvitset uuden luottokortin. Missä on paras paikka saada se sinulle? Pitäisikö meidän lähettää se sinulle? Eikö meidän pitäisi lähettää sitä sinulle? Voi, oletko valmistautuva lähtemään tälle matkalle. Sitten selvästi olemme Emme voi lähettää sitä sinulle. Meillä on oltava se sinulle nopeammin.

"Voi, olet menossa ulkomaille. Ehkä täällä on luottokorttivaihtoehto, johon et ole altistunut aiemmin, en tiennyt, missä hoitamme valuuttavaihtoa paremmin sinun eduksesi. Voi, käytät tätä yritystoiminnassa. Tämä on ulkomaille suuntautuva matka. Käytät tätä yrityskuluihin. No, tässä on luottokortti, jonka korko on sopivampi siihen. " Nämä ovat kaikki hyvin yksinkertaisia ​​esimerkkejä, mutta jokainen niistä avaa uusia ideoita, joita ei tyypillisesti tapahdu tänään yksinkertaisessa chatbotissa ja jotka voivat silti olla todella voimaannuttavia ihmisille.

Mielenkiintoista on, että kun käydään läpi kaikki nämä vaihtoehdot, aiemmin se olisi käsikirjoitus. Siellä olisi käsikirjoitus, jossa on pari haaraa. Se olisi etukäteen määritetty. Se on aivan eri asia, kun chatbotti reagoi annettuihin tietoihin ja jo annettuihin tietoihin ja johtaa polkuja, joita ei ole kirjoitettu. Se tietää, että matkustat, mutta et ole välttämättä kertonut sitä. Se löysi nämä tiedot sähköpostihistoriastasi.

Se voi löytää asioita sinusta, jonka se löysi matkan varrella.

Puhuimme onkologiasta, koska se on loistava esimerkki. Puhuimme chatboteista, koska useimmilla ihmisillä on ollut jonkinlainen vuorovaikutus heidän kanssaan. Mutta tämä on tekniikka, joka todella ulottuu kaikille toimialoille. On vaikea ajatella teollisuutta, jolla ei ole minkäänlaista kognitiivista komponenttia siihen. Onko olemassa esimerkkejä juuri sieltä lähtevistä asioista, joita ihmiset eivät ole vielä ajatelleet?

Minua hämmästyttävä on se, kuinka joku keksii joka päivä uuden idean. Siksi luulen, että olemme tässä erittäin mielenkiintoisessa vaiheessa, koska keskittymällä kognitiivisten kykyjen hajottamiseen rakennuspalvelupalveluihin, se todella vapauttaa ihmiset käyttämään mielikuvitustaan ​​ja jatkamaan ajatuksia, jotka olemme Tätä ei ole koskaan oikein pohdittu, käytetäänkö visuaalista tunnistusta maiseman kartoittamiseen.

Esimerkiksi Kaliforniassa yksi yritys käyttää visuaalista tunnistusta katsomaan topografiaa ja topologiaa ja tunnistamaan kuvassa ero betonipinnan, asfalttikattopinnan, ruohopinnan, puiden ja pensaiden ja näiden asioiden välillä arvio esimerkiksi kuinka paljon vettä kuluu ja missä voi olla vesivuotoja ja mitä voitaisiin tehdä veden tehokkaan käytön parantamiseksi.

Tai laillisella areenalla näiden asioiden käytön avulla ja auttaa lakimiehiä lukemaan miljoonien ja miljoonien sivujen tausta-aineisto, joka on kuin neulan löytäminen heinäsuovasta. Missä tuo yksi paperi on todella merkityksellinen tässä tapauksessa? Yritetään selvittää kaikki tämä. Mahdollisuudet ovat vain valtavat.

Mielestäni yhdellä näistä pätevyyksistä on suuria määriä tietoja, jotka on tarpeen jäsentää. Puhuit sairaalarekistereistä ja siitä, että pystyt skannaamaan sairaanhoidon asiaankuuluvat tiedot. Nämä tietueet elämäsi aikana voivat olla useita satoja sivuja pitkiä. Se on se asia, jota ehkä perheen lääkärilläsi on, mutta he eivät muista kaikkea, kun taas järjestelmä ei koskaan unohda.

Joo. Lääkärillä voi olla viisi, ehkä kymmenen minuuttia tutkia kyseinen sairaushistoria ennen kuin hän tulee ja neuvottelee kanssasi, ja silti siellä on kaikenlaisia ​​erittäin merkityksellisiä tietoja, joita voi olla historiassasi, menneisyydessäsi, että muissa olosuhteissa he menettävät vain koska heillä ei ole aikaa, niin jos heillä olisi se, se vaikuttaisi.

Ajattele tilannetta, jossa nainen olisi kertonut lääkärilleen, että hänen äitinsä kuoli juuri rintasyöpään kaksi vuotta sitten. No, on todennäköistä, että lääkäri on todennut sen tuossa tietueessa, mutta jos tämä nainen tulee esiin kertymän rintaansa ja jos lääkäri ei näe sitä, no, se on erittäin tärkeä pala puuttuvaa tiedot. Ehkä he löytävät sen uudelleen puhumalla potilaan kanssa, mutta ehkä ei. Haluatko todella ottaa riskin, kun et tiedä sitä, kun jotain sellaista on niin hyvä?

Kokonaisominaisuus siihen, missä nämä asiat yleensä ovat hyödyllisiä, mainitaanko sinä, missä on paljon ja paljon tietoa. Kyllä, mutta tosiasiallisesti se on silloin, kun jokin niistä näkökulmista, jotka olemme ihmisinä, missä kognitiivinen kykymme alkaa saavuttaa rajansa. Me luemme hyvin. Voimme lukea jotain. Voimme rinnastaa sen. Pystymme sopeutumaan tietoihin ja hyödyntämään niitä erittäin tehokkaalla tavalla ihmisinä. Mutta emme osaa lukea paljon tietoja. Emme voi kuin… Ajatus lukea kymmeniä tuhansia, satoja tuhansia, miljoonia sivuja kirjallisuutta päivässä on niin kaukana kyvystämme.

Kysymyksestä tulee, kun kasvamme maailmaan, jossa päivittäin tuotettavan tiedon määrä kasvaa eksponentiaalisesti, kuinka paljon enemmän me emme käytä sitä tietoa, jolla on tietoa siinä, onko siinä pieni pieni informaatio, joka on ehdottoman kriittinen päätöksessä, joka meidän on tehtävä, emmekä päästä? Jos se ei ole luettavien tietojen määrä, se on: Kuinka paljon me rinnastamme? Kuinka paljon pystymme muistamaan? Voimmeko nähdä pienet mallit, jotka ovat merkityksellisiä kyseisissä tiedoissa päätöksillemme?

On paljon asioita, joissa me ihmisinä olemme hyviä. Siellä on myös paljon asioita, joista emme ole kovin hyviä, ja se on mielestäni se, missä kognitiivinen laskenta todella alkaa tehdä valtavaa eroa, kun se kykenee ylittämään tämän etäisyyden korvatakseen kyseisen aukon.

Vaikuttaa melko selvältä, tämä on maailma, johon olemme siirtymässä. Kuinka valmis olemme? Mitä mieltä olette koulutusjärjestelmästämme, taloudestamme ja poliittisista rakenteistamme? Kuinka hyvin varaudumme elämään maailmassa, jossa tämän tyyppinen kognitiivinen tietojenkäsittely on osa?

Se on kiinnostavaa. Tämä vetoaa yhteen tärkeimmistä arvokohdista, jotka meillä on ihmisinä, mikä on kykymme mukautua. Jos tarkastelemme sitä puhtaasti diskreettisesti, mihin tämä menee, ja jos meidän pitäisi hypätä eteenpäin 10 vuotta ja katsoa sitä ja sanoa: "Missä me olemme 10 vuotta? Olemmeko valmiita siihen?" vastaus tulee todennäköisesti olemaan. Meidän on tehtävä paljon enemmän. Mutta ihmisillä on tämä merkittävä kyky sopeutua lennossa ja kasvaa heidän ympärillään tapahtuvien muutosten mukana.

Ajattele 10 vuotta sitten, kun älypuhelin oli vasta alkamassa tulla meille saataville, puhumattakaan suositusta, ja kuinka paljon muutosta olemme käyneet läpi yhteiskuntana viimeisen 10 vuoden aikana. Ajattele, millainen elämäsi on päivittäin älypuhelimen kanssa ja ilman. Voimme valittaa siitä, kuinka paljon se voi viedä pois muista kokemuksista, ja se voi olla totta, mutta asia on, että emme viettäneet paljon aikaa 10 vuotta sitten tyhjäksi, olimmeko valmistautuneet yhteiskunnaksi, vaikka Itse asiassa olemme käyneet läpi paljon muutoksia viimeisen 10 vuoden aikana, joista emme todennäköisesti olleet täysin tietoisia, kun rinnastimme tämän tekniikan muutoksen ja aloimme käyttää sitä erittäin tehokkaasti.

Meidän on tehtävä paljon. Siellä on paljon, mitä aiomme tehdä ajan myötä, paljon kasvua, jonka läpi käymme, paljon koulutusta ja politiikkaa ja muita asioita, jotka meidän on mentävä läpi muutoksilla, mutta teemme niin.

Mennään viimeisiin kysymyksiini. Mikä teknologinen suuntaus koskee sinua eniten? Onko jotain, joka pitää sinut yöllä?

Mielestäni suurin huolenaiheeni tällä hetkellä on se, että ihmisten on otettava vastuu. Meidän insinöörien ja tekniikan tarjoajien, tekniikan kuluttajien, tekniikan sääntelystä vastuussa olevien ihmisten on todellakin oltava tietoisia ja pohdittava nyt, mitä haluamme tehdä suojellaksemme itseämme ja valmistaudumme tapahtuviin muutoksiin. Se ei tule, koska emme sopeudu siihen. Me teemme. Ongelma on tietysti sen mukauttamisprosessissa, ettemme myöskään ole tietoisia siitä, mitä tämä tekee ja miten se vaikuttaa meihin ja missä ihmiset voivat käyttää tätä tekniikkaa tavoilla, joita emme pidä parempana, että emme ole Emme ole tyytyväisiä tai takautuvasti emme välttämättä halua.

Uskon, että meidän on oltava tietoisia ja ajateltava tekemiämme, emmekä halua, että tämän tekniikan avulla tapahtuu elämäämme. Tarkemmin sanottuna erityisesti myyjät, meidän tämän tekniikan toimittajina, ja ihmisten, jotka kuluttavat näitä tekniikan komponentteja ja rakentavat sovelluksia siitä, olisi tällä hetkellä otettava vastuu eettisestä käytöksestämme tai käytöksistämme, jotka syntyvät eettisistä arvoista.

Esimerkiksi suosittelemme voimakkaasti kaikille sovelluskehittäjillemme, joillekin instituutioille, jotka luovat sovelluksia näiden tekniikoiden avulla, että ne ovat erittäin avoimia loppukäyttäjiensä kanssa siitä, että tämä on kognitiivinen sovellus, se on tietokone ja älä yritä naamioida esimerkiksi todellinen ihminen. Älä teeskentele. Älä anna tämän teeskennellä.

Älä matkia.

Älä jäljittele sitä ja älä anna asiakkaidesi koskaan johtaa harhaan uskoaan, että tämä asia on todellinen henkilö. Eettisesti se on väärin. Mielestäni se luo haavoittuvuuden riskin. Ihmisen kanssa vuorovaikutuksessa oleva ihminen voi tehdä tiettyjä oletuksia virheistämme, kyvyttömyydestämme todella säilyttää paljon tietoa, kun kognitiivisen järjestelmän suhteen meidän on pidettävä mielessä, että ihmiset, jotka tarjoavat tätä kognitiivista ratkaisuilla on vastuu toimittamiemme tietojen yksityisyyteen ja suojaan. Meidän ei pitäisi koskaan unohtaa tätä tosiasiaa.

Mitä tekniikkaa käytät joka päivä, mikä inspiroi vain ihmettä? Mikä muutti elämääsi?

Mielestäni tosiasia, että voin nyt päästä tietoihin, että vaikka olisinkin saanut ne Internetissä, meillä on ollut tietoa Internetissä jo pitkään, mutta usein lopetamme näiden tietojen hankkimisen, koska se on ylivoimainen. Olin katsomassa joitain kameralaitteita ja yritin vain tehdä päätöksiä eri kameroiden välisistä vaihtoehdoista -

Lähetän sinulle linkin ostajaoppaamme.

Ole hyvä. Se on ylivoimaista, ja silti joudut luottamaan muihin ihmisiin antamaan sinulle neuvoja ja olettaa, että he ovat tehneet tutkimuksen sinulle, mutta silloinkin he tekevät niin joidenkin oletustensa perusteella, jotka he ovat tehneet siitä, mitä tarvitset ja mistä välität. Jossain vaiheessa vain annat vain periksi ja sanot: "Okei, hienosti, sano vain, mitä minun pitää tehdä, minä teen sen." Tai siirryt koko joukkoon verkkosivustoja ja näet kaikki nämä mielipiteet ja se muuttuu vain hämmentäväksi ja ristiriitaiseksi, joten sanot: "No, helvetti niiden kaikkien kanssa. Aion vain mennä sen kanssa, mikä tuntuu hyvältä minulle."

Nyt, koska nämä järjestelmät voivat kerätä ja omaksua ja järjestää valtavia määriä tietoa, jopa niille, jotka antavat suosituksia, jopa neuvonantajille, siitä on hyötyä, koska se auttaa heitä tekemään parempaa työtä. Haluan sanoa, että se ei tee ajattelumme meille, vaan tekee tutkimuksemme meille, jotta voimme tehdä ajattelumme paremmin, ja se pätee meihin loppukäyttäjinä ja totta neuvonantajiin. Se on totta kaikille, jotka ovat siinä analyytikkona.

Ajattelen sovellusta, koska yritämme aina auttaa ihmisiä tekemään ostopäätöksiä. Emme ole kaukana järjestelmästä, joka voi katsoa kaikkia valokuvia, jotka olet ottanut viimeisen viiden vuoden aikana, nähdä, että haluat tehdä villieläinkuvia tai lähikuvia kukista, ja antaa sitten kamerasuosituksen kuvien perusteella, jotka otat.

Oikein. Flamingoja. En tiedä miksi.

Tämä on paras kamera flamingoiden kuvaamiseen.

Flamingos, eikö?

Olemme melkein siellä. Teknologia on olemassa, sitä ei vain ole vielä ohjelmoitu.

Joo.

Tai opetetaan, kuten teemme nykyään. Rob High, kiitos paljon tästä.

Kiitos paljon.

Tilaamalla podcastin saadaksesi lisää pika eteenpäin Dan Costan kanssa. Lataa iOS: ssä Applen Podcast-sovellus, etsi "Eteenpäin" ja tilaa. Lataa Android-laitteella Stitcher Radio podcast -sovellukselle Google Playn kautta.