مايكل وو من PROS - الذكاء الاصطناعي يحاكي البشر ، وأتمتة صنع القرار ، ويمكن أن يتعلم ويحسن ، لكن لن يأخذ مكانك

نشرت: 2019-06-08

لأولئك منكم الذين ألقوا نظرة على المسلسل مؤخرًا يعرفون أنني حضرت عددًا من الأحداث الصناعية على مدار الأسابيع العديدة الماضية وتحدثت مع عدد من الأشخاص ، مع عقد معظم هذه المؤتمرات في لاس فيجاس.

حسنًا ، استعد لهذا ، لقد كنت في فيغاس مرة أخرى ... لحضور مؤتمر آخر ... مرة أخرى. ولكن هذه المرة كنت هناك من أجل Outperform ، وهو مؤتمر نظمته PROS ؛ مزود حلول مدعومة بالذكاء الاصطناعي لتحسين البيع في الاقتصاد الرقمي.

ولم أتيحت لي الفرصة فقط للتحدث إلى واحدة من أهم الجهات المعنية بالذكاء الاصطناعي في كبير المحللين الإستراتيجيين للذكاء الاصطناعي في PROS ، الدكتور مايكل وو ، بل تمكنت من القيام بذلك مع صديقي والمضيف المشارك في CRM Playaz بول جرينبيرج.

نظرًا لأننا جميعًا أصدقاء جيدون ، ومع قدرة مايكل على شرح الذكاء الاصطناعي / التعلم الآلي / التعلم العميق من حيث يمكن أن يفهمها معظم البشر ، فقد تمكنا من الاستمتاع قليلاً أثناء تعلم الكثير حول ماهية الذكاء الاصطناعي وما هو ليس كذلك. وما الذي سيحل محله وكذلك ما لن يحل محله.

يوجد أدناه نسخة منقحة من محادثتنا. لمشاهدة المحادثة الكاملة شاهد الفيديو أو انقر على مشغل SoundCloud المضمن أدناه.



إذن ما هو الذكاء الاصطناعي على أي حال؟

بول جرينبيرج: بالنسبة للإنسان العادي ، ما هو الذكاء الاصطناعي؟ ما الفرق بين التعلم الآلي؟ من الناحية الواقعية ، ما هي الفوائد الفعلية منه على عكس كل الضجيج الذي تسمعه طوال الوقت؟

مايكل وو: دعني أتحدث قليلاً عن التعلم الآلي أولاً. لأن هذا هو أساسها. في الواقع ، كل شيء يعود إلى البيانات الضخمة. لذا ، فإن التعلم الآلي هو في الحقيقة مجرد عملية. هناك عملية تحويل البيانات إلى نموذج إلى نوع من الخوارزمية ، أليس كذلك؟ إذاً لديك بعض البيانات ، البيانات ، لدي بعض الأنماط في ذلك ، صحيح

وأنت تستخدم التعلم الآلي ومجموعة من الخوارزميات ، ثم تستخدم تلك الخوارزميات لاختيار هذه الأنماط بشكل أساسي ، أليس كذلك؟ وبعد ذلك تقوم بتحويلها إلى نموذج وبعد ذلك ، هذا ما هو التعلم الآلي حقًا. إنها في الحقيقة مجرد مجموعة من الخوارزميات التي يستخدمها علماء البيانات.

تعريف بسيط للذكاء الاصطناعي

لكن ما هو الذكاء الاصطناعي؟ الذكاء الاصطناعي هو ، في الواقع يصعب تعريفه. أود أن أقول ذلك لأن تعريف الذكاء الاصطناعي يتغير طوال الوقت. لقد كان في الواقع موجودًا منذ فترة طويلة وكان موجودًا ، أود أن أقول ، 40 عامًا ؛ مفهوم ذلك. إن بنائه أكثر حداثة بالطبع. لذا بمرور الوقت تغير مفهوم الذكاء الاصطناعي هذا قليلاً في الواقع. الطريقة التي أحب أن أنظر بها إلى الذكاء الاصطناعي في هذه اللحظة من الزمن ، كما تعلمون ، هي في الحقيقة مجرد محاكاة آلية لبعض السلوك البشري والقرارات البشرية.

وعندما تستطيع الآلة تقليد شيء يفعله البشر ، فهذا يعتبر ذكاءً اصطناعيًا. لكن هذا في الواقع لا يكفي في حد ذاته. أود أن أقول أنه يجب أن يكون هناك معياران آخران. الأول هو أتمتة إجراءات القرار والآخر الذي يفتقده الكثير من الناس ، القدرة على التعلم وتحسين نفسها.

هكذا أحب أن أعرّف الذكاء الاصطناعي. إنه نوع آلي من محاكاة القرارات والسلوك البشري. بخاصية واحدة ، القدرة على أتمتة القرارات والإجراءات والقدرة على التعلم وتحسين نفسها بمرور الوقت.

أكبر سوء فهم حول الذكاء الاصطناعي

برنت ليري: ما هو الشيء الأكثر إزعاجًا الذي يبدو دائمًا أن الناس يختلطون عليه أو يرتبكون بشأن هذه المنطقة التي تسمعها مرارًا وتكرارًا وهذا يدفعك إلى الجنون حول هذا الأمر؟

مايكل وو: يتعلق الأمر بصورة تم تداولها على الإنترنت لفترة طويلة. تلك الصورة هي التي تقول أن التعلم العميق هو نوع من التعلم الآلي ، والتعلم الآلي هو نوع من الذكاء الاصطناعي. كثيرًا ما أسمع الناس يقولون ، آه ، التعلم الآلي هو مجموعة فرعية من الذكاء الاصطناعي ، وليس العكس. لمنح الفضل لمن أنشأ تلك الصورة ، أود أن أقول إنها ليست خاطئة تمامًا.

كيف يتناسب التعلم الآلي مع الذكاء الاصطناعي

يتم استخدام التعلم الآلي إلى حد كبير في جميع أنظمة الذكاء الاصطناعي الحديثة ، أليس كذلك؟ لذلك ، من المنطقي وضع التعلم الآلي داخل الذكاء الاصطناعي بشكل صحيح. ولكن إذا قمت بذلك ، فأنت تقول إن التعلم العميق هو نوع من التعلم الآلي. والتعلم الآلي في الواقع ليس نوعًا من الذكاء الاصطناعي ولكنه مستخدم في كل ذكاء اصطناعي. ولكن إذا نظرت إلى تلك الصورة ، مع نوع من الدوائر متحدة المركز للتعلم العميق في الجزء الأكبر من الداخل ثم التعلم الآلي في الخارج ومن ثم خارج ذلك هو الذكاء الاصطناعي ، أليس كذلك؟ غالبًا ما يتوصل الناس إلى نتيجة خاطئة مفادها أن التعلم الآلي هو في الواقع نوع من الذكاء الاصطناعي ، وهذا غير صحيح في الواقع.

المثال الوحيد الذي يمكنني تقديمه لك هو ، على سبيل المثال ، V8 هو نوع من المحركات ، أليس كذلك؟ يعلم الجميع أن محرك V8 هو نوع من المحركات. لذا إذا ارتكبت هذا النوع من الخطأ بقولك أن V8 محرك ، داخل سيارة صحيح ، وهناك محرك في كل سيارة ، أليس كذلك؟ ثم إذا نظرت إلى تلك الصورة في بعض الأحيان يمكنك أن تصل إلى نتيجة خاطئة ، وهي أن المحرك هو في الواقع نوع من السيارات. وهو أمر سخيف ، أليس كذلك؟ أنت تعلم أن المحرك ليس سيارة. لذلك ، هذا هو الشيء الوحيد الذي غالبًا ما يدفعني للجنون ، وهو أن يقول الناس ، آه ، التعلم الآلي هو نوع من الذكاء الاصطناعي ، والذكاء الاصطناعي ليس نوعًا من التعلم الآلي ، إنه ليس صحيحًا تمامًا.

لماذا يجب على الناس التوقف عن القلق بشأن سيطرة الآلات

بول جرينبيرج: دعني أطرح شيئًا آخر ، هذا في الواقع يدفعني للجنون. أسمع دائمًا قصص الهلع المستمرة حول استبدال الذكاء الاصطناعي بالبشر ، بلاه بلاه بلاه ، قصة Sky Net.

ها هي الصفقة ، من وجهة نظري ، قلت تقليدها ، بمعنى تقريبها ، وهي الأفضل على الإطلاق. لن يكون أبدًا بديلاً عن الإنسان ، لا يمكن أن يكون كذلك. إنه لا يخلق الطريقة التي يعمل بها البشر.

في الواقع ، أدلى كبير علماء البيانات في Salesforce ، ريتشارد Socher ، بتعليق مرة حيث قال ، وأنا أحب هذا التعليق ، "الذكاء الاصطناعي لا يريد أي شيء" وهو حقًا طريقة رائعة لوضعه ، مما يعني أنه يجب عليك إخبار منظمة العفو الدولية ، اذهب وافعل ذلك ، ثم ستفعل ذلك وتتعلم. لكنها لن تقول ، "سأذهب لأفعل ذلك". هل هذا أولاً ، هل هذا صحيح؟ ثانيًا ، هل أنا محق في أن أغضب من ذلك أم يجب أن أجعل بعض الذكاء الاصطناعي يغضبني؟

تقدم منظمة العفو الدولية تحسينًا لعملك

مايكل وو: حسنًا ، أعني أعتقد ، هذا صحيح إلى حد ما ، أود أن أقول إن خوارزميات الذكاء الاصطناعي للتعلم الآلي هناك ، تعمل على ، ما نسميه تحسين وظائف الهدف الذاتي.

إذن اعتمادًا على ما تريد تحسينه ، أليس كذلك؟ ثم سيجد طرقًا لتحسين كل ما هو عليه. إنها ببساطة خوارزمية رياضية تحاول تحسين شيء ما.


لذلك إذا كنت ترغب في تحسين المبيعات ، أو قال بعض الأشخاص ، فقد أجروا تجارب ، لمعرفة ما الذي ستفعله الآلة عندما يحاولون تحسين الربح أو شيء من هذا القبيل. أو إذا حاولت تحسين الفوز بلعبة مثل الشطرنج أو شيء من هذا القبيل ، فماذا سيفعلون بشكل صحيح؟ في كثير من الأحيان ، عندما تفعل الآلات شيئًا ما للخروج ، ما نتوقع منهم فعله.

عادة ما يكون ذلك بسبب أننا لم نحدد الحدود ، القيد. أنت بحاجة إلى تحسينه ، لكننا لم نطلب منه تحسينه مع بعض القيود. يمكن للآلات أن تتعلم الغش ولكن كل ما تحاول فعله هو التحسين. يقولون ، "لم تخبرني أنني لا أستطيع الغش. لم أكن أعرف أي شيء عن الغش ". لكن إذا قلت ذلك ، حسنًا ، عليك تحسين هذا ، تحت القيود التي لا يمكنك فعلها ، هذا ، هذا ، هذا ، وذاك. ثم ستفعل ذلك ، وستتبع ذلك.

يتعلق الأمر بتعيين المعلمات

لكن ربما نسيت بعض الأشياء ، وفكر تقريبًا في كيفية تعلم الطفل ، وكيف يتعلم الأطفال. أعني إذا أخبرتهم أنه لتحسين شيء ما أو القيام بشيء ما ، فإنهم سيحاولون بكل طريقة ممكنة. وبعد ذلك تقول ، ربما يريد الحصول على آيس كريم لصديقه ، ثم حاول ، وفي إحدى المرات حاول أن يمسكها بالقوة ، وكأنه ، أوه ، لا يمكنك فعل ذلك.

ثم في المرة القادمة ، لا يمكنني فعل ذلك ، حسنًا ، هل يمكنني سرقته؟ أوه ، لا ، لا يمكنك فعل ذلك أيضًا. إنها حقًا عملية تعلم. عليك أن تعلمهم ما هي الحدود ، وبعد ذلك بمرور الوقت ستتعلم أن هذه هي الحدود المقبولة. وسوف تتزامن مع ذهاب بشرنا إلى ما عدا الحدود المقبولة.

برنت ليري: بالأمس ، كان لدينا القليل ، مثل لقاء محلل على ما أعتقد ، مع أندريس راينر [الرئيس التنفيذي لشركة PROS]. وأحد الأشياء التي قالها هو أن منظمات المبيعات الحديثة تركز حاليًا على تحسين الصفقات. يقول الآن إنه يجب عليهم الانتقال إلى تحسين تجربة العملاء. إذن ، كيف يتلاءم هذان الشيئان معًا؟ هناك الكثير من التركيز الآن على استخدام البيانات لتحسين أشياء مثل الصفقات. ولكن كيف يمكنك القيام بأشياء تتعلق بتحسين التجربة مع كل هذه البيانات التي لديك والتي تركز حقًا على تحسين الصفقات؟

كيفية تحسين تجربة العملاء

مايكل وو: نعم ، أعتقد أنه إذا كان لديك بيانات فقط ، والتي تركز بالفعل على الصفقات ، فهذا صعب جدًا في الواقع. تحتاج إلى جمع بيانات أخرى. من الواضح أنه من السهل جدًا تخيل سيناريو ، حيث تقوم بتحسين صفقة ما ولكن تجربة العملاء سيئة - مثل بيع أشياء لا يريدونها ، استمر في إرسال كتالوجات للأشياء التي يمتلكونها بالفعل أو يمتلكونها.

يمكنك القيام بذلك ، ولكن في النهاية ، أنت تضر بتجربة العملاء على المدى الطويل ، وقد يضر ذلك بصفقتك في الواقع. في النهاية سيتركك العملاء. هذا هو النطاق الزمني الذي يجب على الناس النظر إليه. على مدى فترة زمنية قصيرة ، إذا قمت بالتحسين للصفقة ، فقد تحصل على بعض المبيعات على المدى القصير ولكن على المدى الطويل ، إذا كنت لا تهتم بالفعل بتجربة العميل ، فسيغادر العميل.

ولكن إذا قمت بتحسين تجربة العملاء الخاصة بك ، ربما على المدى القصير ، فلن تمنحك زيادة الإيرادات التي تريدها. ولكن على المدى الطويل ، سيدرك العملاء أن هذه الشركة رائعة. أنا في الواقع سأقوم بأعمال تجارية معهم وأستمر في التعامل معهم لبقية حياتي. أو سأشجع أطفالي وأصدقائي وأؤيد خدمة هذه الشركة.

هذا في الواقع نظرة على المدى الطويل. ولكن كما نعلم ، يمكن أن تكون معظم الشركات في بعض الأحيان قصيرة الجوانب قليلاً.

الأفكار النهائية حول الذكاء الاصطناعي

برنت ليري: حسنًا ، أعلم أننا نقترب نوعًا من الملاحظة الرئيسية الكبيرة. أعلم أنه عليك الجري. لكن أي كلمات أخيرة ، أين نرى الذكاء الاصطناعي أم يجب أن أبدأ بالتعلم الآلي ثم الذكاء الاصطناعي؟ أين ترانا بعد خمس سنوات بهذه الأشياء؟

مايكل وو: أعتقد أنه في غضون خمس سنوات ، سيتم أتمتة المزيد من العمل. أود أن أقول الجزء الأكثر مللًا وتكرارًا من العمل. يجب أن يكون آليا. أشعر أن الكثير من الناس يخشون أن يأخذ الكمبيوتر أو الآلة وظائفنا. أعتقد أننا كنا نقوم بوظائف متكررة لفترة طويلة جدًا. (و) أعتقد أنه كان ينبغي القيام بذلك بواسطة الآلات.

يجب أن يركز البشر على أفضل ما يفعله البشر. على سبيل المثال ، بناء العلاقات والتعاطف مع الناس وحل المشكلات. لذلك إذا قمت بحل المشكلة مرة أو مرتين ، فيمكنك تعليم الآلة ويمكن للآلة حلها.

إذا كانت هناك مواقف تظهر فيها نفس المشكلة ، ولم تنجح الطرق السابقة التي قمت بحلها ، فأنت تحاول حلها مرة أخرى بطريقة مختلفة. بمجرد حلها ، تقوم بتدريس الجهاز حتى يتمكنوا من الأتمتة. يمكن للإنسان دائمًا التركيز على حل المشكلات الجديدة ، وهو بالطبع أكثر إثارة للاهتمام وأكثر إثارة.

هذا جزء من سلسلة مقابلات فردية مع قادة الفكر. تم تحرير النص للنشر. إذا كانت مقابلة صوتية أو فيديو ، فانقر فوق المشغل المضمن أعلاه ، أو اشترك عبر iTunes أو عبر Stitcher.