• Startseite
  • Artikel
  • Bloggen
  • Michael Wu von PROS – KI ahmt Menschen nach, automatisiert die Entscheidungsfindung, kann lernen und sich verbessern, wird aber nicht Ihren Platz einnehmen

Michael Wu von PROS – KI ahmt Menschen nach, automatisiert die Entscheidungsfindung, kann lernen und sich verbessern, wird aber nicht Ihren Platz einnehmen

Veröffentlicht: 2019-06-08

Diejenigen unter Ihnen, die sich die Serie in letzter Zeit angesehen haben, wissen, dass ich in den letzten Wochen auf einer Reihe von Branchenveranstaltungen war und mit einer Reihe von Leuten gesprochen habe, wobei die meisten dieser Konferenzen in Las Vegas stattfanden.

Nun, machen Sie sich darauf gefasst, ich war wieder in Vegas … für eine weitere Konferenz … wieder. Aber dieses Mal war ich dort für Outperform, eine von PROS organisierte Konferenz; ein Anbieter von KI-gestützten Lösungen, die den Verkauf in der digitalen Wirtschaft optimieren.

Und ich hatte nicht nur die Gelegenheit, mit Dr. Michael Wu, dem Chef-KI-Strategen von PROS, mit einer der führenden Autoritäten für künstliche Intelligenz zu sprechen, sondern auch mit meinem Freund und Co-Moderator von CRM Playaz, Paul Greenberg.

Da wir alle gute Kumpel sind und mit Michaels Fähigkeit, KI/Maschinelles Lernen/Deep Learning in Begriffen zu erklären, die die meisten Menschen verstehen, konnten wir ein bisschen Spaß haben, während wir viel darüber lernten, was KI ist und was nicht. Und was es ersetzen wird und was nicht.

Nachfolgend finden Sie eine bearbeitete Abschrift unseres Gesprächs. Um das vollständige Gespräch zu sehen, sehen Sie sich das Video an oder klicken Sie unten auf den eingebetteten SoundCloud-Player.

Also, was ist KI überhaupt?

Paul Greenberg: Was ist KI für den gewöhnlichen Menschen? Was ist der Unterschied zwischen maschinellem Lernen? Realistisch gesehen, was sind die tatsächlichen Vorteile davon im Gegensatz zu all dem Hype, den Sie die ganze Zeit hören?

Michael Wu: Lassen Sie mich zunächst ein wenig über maschinelles Lernen sprechen. Denn das ist die Grundlage dafür. Eigentlich geht alles auf Big Data zurück. Maschinelles Lernen ist also wirklich nur ein Prozess. Es gibt einen Prozess, bei dem Daten in ein Modell umgewandelt werden, in eine Art Algorithmus, richtig? Sie haben also einige Daten, die Daten, ich habe ein Muster darin, richtig

Und Sie verwenden maschinelles Lernen und eine Reihe von Algorithmen, und dann verwenden Sie diese Algorithmen, um im Wesentlichen diese Muster herauszusuchen, richtig? Und dann verwandeln Sie diese in ein Modell und dann, das ist es also, was maschinelles Lernen wirklich ist. Es ist wirklich nur eine Reihe von Algorithmen, die Datenwissenschaftler verwenden.

Eine einfache Definition von künstlicher Intelligenz

Aber was ist KI? KI ist, es ist eigentlich viel schwieriger zu definieren. Ich würde das sagen, weil sich die Definition von KI ständig ändert. Es gibt es eigentlich schon eine ganze Weile, und ich würde sagen, es gibt es schon seit 40 bis 50 Jahren; das Konzept davon. Der Bau ist natürlich viel neuer. Im Laufe der Zeit hat sich dieses Konzept der KI also tatsächlich ziemlich verändert. So wie ich KI derzeit gerne betrachte, wissen Sie, es ist wirklich nur eine maschinelle Nachahmung menschlichen Verhaltens und menschlicher Entscheidungen.

Und wenn die Maschine etwas nachahmen kann, was Menschen tun, dann wird dies als künstliche Intelligenz bezeichnet. Aber das allein reicht eigentlich nicht aus. Ich würde sagen, es müssten noch zwei Kriterien hinzukommen. Das eine ist die Automatisierung von Entscheidungshandlungen und das andere, dass viele Menschen dies vermissen, die Fähigkeit zu lernen und sich selbst zu verbessern.

So definiere ich KI gerne. Es ist eine Art maschinelle Nachahmung menschlicher Entscheidungen und Verhaltensweisen. Mit der Eigenschaft eines, in der Lage zu sein, Entscheidungen, Handlungen und die Fähigkeit zu lernen, zu automatisieren und sich im Laufe der Zeit zu verbessern.

Das größte Missverständnis über KI

Brent Leary: Was ist das irritierendste, dass die Leute in diesem Bereich immer wieder verwirrt oder verwirrt zu sein scheinen, das Sie immer wieder hören, und es macht Sie einfach verrückt deswegen?

Michael Wu: Das hat mit einem Bild zu tun, das schon lange im Internet kursiert. Es ist dieses Bild, das besagt, dass Deep Learning eine Art maschinelles Lernen ist und maschinelles Lernen eine Art KI. Sehr oft höre ich Leute sagen, oh, maschinelles Lernen ist eine Teilmenge von KI und nicht umgekehrt. Um demjenigen Anerkennung zu zollen, der dieses Bild geschaffen hat, würde ich sagen, dass es nicht völlig falsch ist.

Wie maschinelles Lernen in die KI passt

Maschinelles Lernen wird eigentlich so ziemlich in allen modernen KIs verwendet, oder? Es macht also Sinn, maschinelles Lernen direkt in KI zu integrieren. Aber wenn Sie das tun, sagen Sie, dass Deep Learning eine Art maschinelles Lernen ist. Und maschinelles Lernen ist eigentlich keine Art von KI, sondern kommt in jeder KI zum Einsatz. Aber wenn Sie sich dieses Bild ansehen, mit der Art von konzentrischen Kreisen des tiefen Lernens im innersten Teil und dann des maschinellen Lernens außerhalb davon und dann außerhalb davon ist KI, richtig? Menschen kommen sehr oft zu dem falschen Schluss, dass maschinelles Lernen eigentlich eine Art KI sei, was eigentlich nicht stimmt.

Das einzige Beispiel, das ich Ihnen geben könnte, ist zum Beispiel, dass V8 eine Art Motor ist, richtig? Jeder weiß, dass V8 eine Art Motor ist. Wenn Sie also den Fehler machen, zu sagen, dass V8 ein Motor ist, in einem Auto, richtig, und in jedem Auto ist ein Motor, richtig? Wenn man sich dann dieses Bild ansieht, kann man manchmal zu dem falschen Schluss kommen, dass der Motor eigentlich eine Art Auto ist. Was lächerlich ist, oder? Sie wissen, dass ein Motor kein Auto ist. Also, das ist eine Sache, die mich sehr oft verrückt macht, dass die Leute sagen, dass maschinelles Lernen eine Art von KI ist, und KI ist keine Art von maschinellem Lernen, das stimmt nicht ganz.

Warum sich die Menschen keine Sorgen mehr über die Übernahme von Maschinen machen sollten

Paul Greenberg: Lassen Sie mich eine andere Sache werfen, das macht mich wirklich verrückt. Ich höre immer die ständigen Panikgeschichten über KI, die Menschen ersetzt, bla bla bla, die Sky Net-Geschichte.

Hier ist der Deal, von meinem Standpunkt aus sagten Sie seine Nachahmung, dh seine Annäherung, und es ist das Beste, was es jemals geben wird. Es wird niemals ein menschliches Wesen ersetzen, das kann es nicht sein. Es erschafft nicht so, wie Menschen es tun.

Der Chief Data Scientist von Salesforce, Richard Socher, hat tatsächlich einmal einen Kommentar abgegeben, in dem er sagte, und ich liebe diesen Kommentar, „KI will nichts“, was wirklich eine großartige Art ist, es auszudrücken, was bedeutet, dass Sie es sagen müssen KI, mach das, und dann wird sie das machen und lernen. Aber es wird nicht sagen: „Ich werde das tun“. So ist es zuerst, ist das wahr? Zweitens, bin ich zu Recht darüber irritiert oder sollte ich eine KI dazu bringen, sich für mich zu irritieren?

KI bietet Optimierung für Ihr Unternehmen

Michael Wu: Nun, ich meine, es stimmt bis zu einem gewissen Grad, ich würde sagen, KI-Algorithmen für maschinelles Lernen da draußen, sie arbeiten mit dem, was wir Optimierung selbstobjektiver Funktionen nennen.

Je nachdem, was Sie optimieren wollten, richtig? Dann wird es Wege finden, um zu optimieren, was immer es ist. Es ist einfach ein mathematischer Algorithmus, der versucht, etwas zu optimieren.

Wenn Sie also den Umsatz optimieren wollen, oder manche Leute sagen, sie haben Experimente durchgeführt, um zu sehen, was die Maschine tun würde, wenn sie versuchen, den Gewinn zu optimieren oder so. Oder wenn Sie versuchen, das Gewinnen eines Spiels wie Schach oder so etwas zu optimieren, was würden sie richtig machen? Das ist sehr oft der Fall, wenn Maschinen tatsächlich etwas tun, was wir von ihnen erwarten.

Dies liegt normalerweise daran, dass wir die Grenze, die Einschränkung, nicht angegeben haben. Sie müssen es optimieren, aber wir haben es nicht angewiesen, es mit bestimmten Einschränkungen zu optimieren. Maschinen können lernen zu betrügen, aber sie versuchen nur zu optimieren. Sie sagen: „Du hast mir nicht gesagt, dass ich nicht schummeln kann. Ich wusste nichts über Betrug.“ Aber wenn Sie das sagen, okay, dann müssen Sie dies optimieren, unter der Bedingung, dass Sie dies, dies, dies und das nicht tun können. Dann wird es das tun, es wird dem folgen.

Es geht um die Einstellung der Parameter

Aber vielleicht hast du ein paar Dinge vergessen, und es ist fast so, als würdest du darüber nachdenken, wie ein Kind lernen wird, wie Kinder lernen. Ich meine, wenn Sie ihnen sagen, dass sie alles versuchen werden, um etwas zu optimieren oder zu tun. Und dann sagst du, vielleicht will er seinem Freund ein Eis kaufen, und dann versucht er es, und einmal versucht er, es einfach mit Gewalt zu schnappen, und es ist wie, oh, das kannst du nicht tun.

Und das nächste Mal kann ich das nicht, okay, kann ich es stehlen? Oh nein, das kannst du auch nicht. Es ist wirklich ein Lernprozess. Sie müssen ihnen beibringen, was die Grenzen sind, und dann werden Sie mit der Zeit lernen, dass dies akzeptable Grenzen sind. Und Sie werden mit unseren Menschen übereinstimmen, die außer akzeptablen Grenzen gehen.

Brent Leary: Gestern hatten wir ein kleines, wie ein Analystentreffen, schätze ich, mit [PROS-CEO] Andres Reiner. Und eines der Dinge, die er sagte, war, dass sich moderne Vertriebsorganisationen derzeit auf die Geschäftsoptimierung konzentrieren. Er sagt, dass sie jetzt wirklich zur Optimierung des Kundenerlebnisses übergehen sollten. Also, wie passen diese beiden Dinge zusammen? Im Moment liegt ein großer Fokus darauf, Daten zur Optimierung von Dingen wie Deals zu nutzen. Aber wie machen Sie Dinge rund um die Optimierung für Erfahrung mit all diesen Daten, die Sie haben und die sich wirklich auf die Geschäftsoptimierung konzentrieren?

So optimieren Sie das Kundenerlebnis

Michael Wu: Ja, ich denke, wenn Sie nur Daten haben, die sich tatsächlich auf die Geschäfte konzentrieren, ist es sehr schwierig. Sie müssen andere Daten erheben. Offensichtlich ist es sehr einfach, sich ein Szenario vorzustellen, in dem Sie einen Deal optimieren, aber die Kunden ein schlechtes Kundenerlebnis haben – wie ihnen Dinge zu verkaufen, die sie nicht wollen, ihnen weiterhin Kataloge mit Dingen zu schicken, die sie bereits haben oder besitzen.

Sie könnten das tun, aber letztendlich schaden Sie Ihrem Kundenerlebnis auf lange Sicht, es könnte Ihrem Geschäft tatsächlich schaden. Irgendwann verlassen die Kunden Sie. Dies ist die Zeitskala, die die Menschen betrachten müssen. Wenn Sie für einen kurzen Zeitraum optimieren, erzielen Sie möglicherweise einige kurzfristige Verkäufe, aber auf lange Sicht wird der Kunde gehen, wenn Sie sich tatsächlich nicht um das Kundenerlebnis kümmern.

Aber wenn Sie Ihr Kundenerlebnis optimieren, vielleicht kurzfristig, werden Sie nicht die Umsatzsteigerung erzielen, die Sie sich gewünscht haben. Aber auf lange Sicht werden die Kunden erkennen, dass dieses Unternehmen großartig ist. Ich werde tatsächlich mit ihnen Geschäfte machen und Geschäfte mit ihnen machen, wie für den Rest meines Lebens. Oder ich ermutige meine Kinder, meine Freunde und setze mich für den Service dieses Unternehmens ein.

Das ist eigentlich eine viel längerfristige Sicht. Aber wie wir wissen, sind die meisten Unternehmen manchmal etwas kleinkariert.

Abschließende Gedanken zur KI

Brent Leary: In Ordnung, ich weiß, wir nähern uns der großen Schlüsselnote. Ich weiß, dass du rennen musst. Aber letzte Worte, wo sehen wir KI oder sollte ich mit maschinellem Lernen und dann mit KI beginnen? Wo sehen Sie uns in fünf Jahren mit diesem Zeug?

Michael Wu: Ich denke, in fünf Jahren wird viel mehr Arbeit automatisiert werden. Ich würde sagen, der langweiligste, sich wiederholende Teil der Arbeit. Das sollte automatisiert werden. Ich habe das Gefühl, dass viele Leute befürchten, dass Computer oder Maschinen unsere Jobs übernehmen. Ich denke, wir haben zu lange sich wiederholende Aufgaben erledigt. (Und) Ich denke, dass dies von Maschinen hätte gemacht werden sollen.

Menschen sollten sich auf das konzentrieren, was Menschen am besten können. Zum Beispiel Beziehungen aufbauen, Menschen gegenüber einfühlsam sein und Probleme lösen. Wenn Sie also das Problem ein- oder zweimal lösen, können Sie es der Maschine beibringen, und die Maschine kann es lösen.

Wenn es Situationen gibt, in denen das gleiche Problem auftritt und die vorherigen Lösungswege nicht funktioniert haben, versuchen Sie, es erneut auf eine andere Weise zu lösen. Sobald Sie es gelöst haben, bringen Sie der Maschine bei, damit sie automatisieren kann. Der Mensch kann sich immer auf die Lösung neuer Probleme konzentrieren, was natürlich viel interessanter und viel spannender ist.

Dies ist Teil der One-on-One-Interview-Reihe mit Vordenkern. Das Transkript wurde für die Veröffentlichung bearbeitet. Wenn es sich um ein Audio- oder Videointerview handelt, klicken Sie oben auf den eingebetteten Player oder abonnieren Sie es über iTunes oder über Stitcher.