• Homepage
  • Articoli
  • Blogging
  • Michael Wu di PROS – L'IA imita gli esseri umani, automatizza il processo decisionale, può imparare e migliorare, ma non prenderà il tuo posto

Michael Wu di PROS – L'IA imita gli esseri umani, automatizza il processo decisionale, può imparare e migliorare, ma non prenderà il tuo posto

Pubblicato: 2019-06-08

Per quelli di voi che hanno dato un'occhiata alla serie di recente, sanno che sono stato a numerosi eventi del settore nelle ultime settimane parlando con un certo numero di persone, con la maggior parte di queste conferenze che si svolgono a Las Vegas.

Bene, preparati per questo, ero di nuovo a Las Vegas... per un'altra conferenza... di nuovo. Ma questa volta ero lì per Outperform, una conferenza organizzata da PROS; un fornitore di soluzioni basate sull'intelligenza artificiale che ottimizzano le vendite nell'economia digitale.

E non solo ho avuto l'opportunità di parlare con una delle principali autorità in materia di intelligenza artificiale nel capo dello stratega AI di PROS, il dottor Michael Wu, ho avuto modo di farlo con il mio amico e co-conduttore di CRM Playaz Paul Greenberg.

Dato che siamo tutti buoni amici e con la capacità di Michael di spiegare l'IA/Machine Learning/Deep Learning in termini comprensibili alla maggior parte degli esseri umani, siamo stati in grado di divertirci un po' mentre imparavamo molto su cosa è e cosa non è l'IA. E cosa sostituirà e cosa no.

Di seguito è riportata una trascrizione modificata della nostra conversazione. Per vedere l'intera conversazione, guarda il video o fai clic sul lettore SoundCloud incorporato di seguito.

Quindi cos'è l'IA comunque?

Paul Greenberg: Per l'essere umano ordinario, cos'è l'IA? Qual è la differenza tra l'apprendimento automatico? Realisticamente, quali sono i vantaggi effettivi rispetto a tutto il clamore che senti tutto il tempo?

Michael Wu: Vorrei prima parlare un po' dell'apprendimento automatico. Perché questo è il suo fondamento. In realtà, tutto torna ai big data. Quindi, l'apprendimento automatico è davvero solo un processo. C'è un processo per trasformare i dati in un modello in una specie di algoritmo, giusto? Quindi hai dei dati, i dati, io ho uno schema in quello, giusto

E usi l'apprendimento automatico e un sacco di algoritmi, e poi usi quegli algoritmi per individuare essenzialmente questi schemi, giusto? E poi li trasformi in un modello e poi, ecco cos'è davvero l'apprendimento automatico. È davvero solo un mucchio di algoritmi che usano i data scientist.

Una semplice definizione di intelligenza artificiale

Ma cos'è l'IA? L'IA In realtà è molto più difficile da definire. Direi che perché la definizione di AI cambia continuamente. In realtà esiste da un po' di tempo ed esiste, direi, da 40 a 50 anni; il concetto di esso. La sua costruzione è ovviamente molto più recente. Quindi nel tempo questo concetto di IA è cambiato parecchio. Il modo in cui mi piace guardare all'IA in questo momento, sai, è davvero solo un'imitazione meccanica di alcuni comportamenti umani e decisioni umane.

E quando la macchina può imitare qualcosa che fanno gli umani, questa è considerata intelligenza artificiale. Ma in realtà non è sufficiente da solo. Direi che dovevano esserci altri due criteri. Uno è l'automazione dell'azione decisionale e l'altro che a molte persone manca questo, la capacità di imparare e migliorarsi.

Quindi è così che mi piace definire l'IA. È una specie di macchina che imita le decisioni e il comportamento umani. Con la caratteristica di essere in grado di automatizzare le decisioni, le azioni e la capacità di apprendere, e di migliorarsi nel tempo.

Il più grande malinteso sull'IA

Brent Leary: Qual è la cosa più irritante che le persone sembrano sempre confuse o confuse su quest'area che senti più e più volte e ti fa impazzire per questo?

Michael Wu: Ha a che fare con un'immagine che circola su Internet da molto tempo. È quell'immagine che dice che l'apprendimento profondo è una sorta di apprendimento automatico e l'apprendimento automatico è una specie di intelligenza artificiale. Molto spesso sento persone dire che, oh, l'apprendimento automatico è un sottoinsieme dell'IA e non viceversa. Per dare credito a chi ha creato quell'immagine, direi che non è del tutto sbagliato.

Come l'apprendimento automatico si inserisce nell'IA

L'apprendimento automatico è in realtà utilizzato praticamente in tutta l'IA moderna, giusto? Quindi, ha senso inserire correttamente l'apprendimento automatico all'interno dell'IA. Ma se lo fai, stai dicendo che il deep learning è una specie di machine learning. E l'apprendimento automatico in realtà non è un tipo di intelligenza artificiale, ma viene utilizzato in ogni intelligenza artificiale. Ma se guardi quell'immagine, con il tipo di cerchi concentrici del deep learning nella parte più interna e poi l'apprendimento automatico all'esterno e poi al di fuori di quello c'è l'IA, giusto? Molto spesso le persone giungono alla conclusione sbagliata che l'apprendimento automatico sia in realtà una sorta di intelligenza artificiale, il che in realtà non è vero.

L'unico esempio che potrei darti è, per esempio, il V8 è una specie di motore, giusto? Tutti sanno che il V8 è una specie di motore. Quindi, se commetti quel tipo di errore dicendo che il V8 è un motore, dentro un'auto, giusto, e c'è un motore in ogni macchina, giusto? Quindi se guardi quell'immagine a volte puoi arrivare alla conclusione sbagliata, che il motore è in realtà una specie di macchina. Il che è ridicolo, giusto? Sai che un motore non è un'auto. Quindi, questa è l'unica cosa che molto spesso mi fa impazzire, che la gente dice che, ah, l'apprendimento automatico è una specie di intelligenza artificiale e l'IA non è una sorta di apprendimento automatico, non è del tutto vero.

Perché le persone dovrebbero smettere di preoccuparsi delle macchine che prendono il sopravvento

Paul Greenberg: Lasciami lanciare un'altra cosa, questo in realtà mi fa impazzire. Sento sempre le continue storie di panico sull'IA che sostituisce gli umani, bla bla bla, la storia di Sky Net.

Ecco l'accordo, dal mio punto di vista hai detto che è mimetismo, cioè approssimazione, ed è il migliore che possa mai essere. Non sarà mai un sostituto dell'essere umano, non può esserlo. Non crea come fanno gli umani.

Il capo scienziato dei dati di Salesforce, Richard Socher, una volta ha fatto un commento in cui ha detto, e adoro questo commento, "L'IA non vuole niente", che è davvero un ottimo modo per dirlo, il che significa che devi dirlo AI, vai a farlo, e poi lo farà e imparerà. Ma non dirà: "Vado a farlo". Quindi è il primo, è vero? In secondo luogo, ho ragione ad essere irritato da questo o dovrei far irritare un po' di IA per me?

L'IA offre ottimizzazione per il tuo business

Michael Wu: Beh, voglio dire, penso che sia vero in una certa misura, direi che gli algoritmi di intelligenza artificiale per l'apprendimento automatico là fuori, operano su ciò che chiamiamo ottimizzazione delle funzioni auto-obiettive.

Quindi, a seconda di cosa volevi ottimizzare, giusto? Quindi troverà il modo di ottimizzare qualunque cosa sia. È semplicemente un algoritmo matematico che cerca di ottimizzare qualcosa.

Quindi, se vuoi ottimizzare le vendite, o qualcuno dice, hanno fatto degli esperimenti, per vedere cosa farebbe la macchina quando cercano di ottimizzare il profitto o qualcosa del genere. O se cerchi di ottimizzare la vittoria in una partita come gli scacchi o qualcosa del genere, cosa farebbero bene? Quindi molto spesso, quando le macchine effettivamente fanno qualcosa di fuori, quello che ci aspettiamo che facciano.

Di solito è perché non abbiamo specificato il confine, il vincolo. Devi ottimizzarlo, ma non gli abbiamo detto di ottimizzarlo con determinati vincoli. Le macchine possono imparare a barare, ma tutto ciò che stanno cercando di fare è ottimizzare. Dicono: “Non mi avevi detto che non posso imbrogliare. Non sapevo nulla di barare". Ma se lo dici bene, devi ottimizzare questo, con il vincolo che non puoi fare questo, questo, questo, questo e quello. Poi lo farà, lo seguirà.

Si tratta di impostare i parametri

Ma forse hai dimenticato alcune cose, ed è quasi come pensare a come imparerà un bambino, come impareranno i bambini. Voglio dire, se dici loro che, per ottimizzare qualcosa o per fare qualcosa, proveranno in ogni modo possibile. E poi dici, forse vuole prendere un gelato per il suo amico, e poi ci prova, e una volta cerca di afferrarlo con la forza ed è come, oh, non puoi farlo.

E poi la prossima volta, non posso farlo, ok posso rubarlo? Oh, no, non puoi farlo neanche tu. È davvero un processo di apprendimento. Devi insegnare loro quali sono i limiti, e poi col tempo imparerai che questi sono i limiti accettabili. E tu coinciderai con i nostri umani che andranno oltre i limiti accettabili.

Brent Leary: Quindi ieri abbiamo avuto un piccolo incontro, come un analista suppongo, con il [CEO PROS] Andres Reiner. E una delle cose che ha detto è stata che le moderne organizzazioni di vendita attualmente si concentrano sull'ottimizzazione degli affari. Dice che ora dovrebbero davvero passare all'ottimizzazione dell'esperienza del cliente. Allora, come si combinano queste due cose? C'è molta attenzione, in questo momento, sull'utilizzo dei dati per ottimizzare cose come le offerte. Ma come fai le cose per ottimizzare l'esperienza con tutti questi dati che sono davvero focalizzati sull'ottimizzazione degli affari?

Come ottimizzare l'esperienza del cliente

Michael Wu: Sì, penso che se hai solo dati, che in realtà si concentrano sugli accordi, in realtà è molto difficile. Devi raccogliere altri dati. Ovviamente, è molto facile immaginare uno scenario in cui ottimizzi un affare ma le persone scarseggiano l'esperienza del cliente, come vendere loro cose che non vogliono, continuare a inviare loro cataloghi di cose che già hanno o possiedono.

Potresti farlo ma, alla fine, stai danneggiando la tua esperienza del cliente a lungo termine, potrebbe effettivamente danneggiare il tuo accordo. Alla fine i clienti ti lasceranno. Questa è la scala temporale che le persone devono guardare. In un breve lasso di tempo, se ottimizzi per l'affare potresti ottenere alcune vendite a breve termine, ma a lungo termine, se in realtà non ti interessa l'esperienza del cliente, il cliente se ne andrà.

Ma se ottimizzi la tua esperienza cliente, magari a breve termine, non ti darai l'aumento delle entrate che volevi. Ma a lungo termine, i clienti si renderanno conto che, ehi, questa azienda è fantastica. In realtà farò affari con loro e continuerò a fare affari con loro come per il resto della mia vita. Oppure incoraggerò i miei figli, i miei amici e sosterrò il servizio di questa azienda.

Questa è in realtà una visione a lungo termine. Ma, come sappiamo, la maggior parte delle aziende a volte può essere un po' corta.

Considerazioni finali sull'IA

Brent Leary: Va bene, so che ci stiamo avvicinando alla grande nota chiave. So che devi correre. Ma le ultime parole, dove vediamo l'IA o dovrei iniziare con l'apprendimento automatico e poi con l'IA? Dove ci vedi tra cinque anni con questa roba?

Michael Wu: Penso che tra cinque anni molto più lavoro sarà automatizzato. Direi la parte più noiosa e ripetitiva del lavoro. Dovrebbe essere automatizzato. Sento che molte persone temono che il computer o la macchina ci prendano il lavoro. Penso che facciamo lavori ripetitivi da troppo tempo. (E) Penso che quelli avrebbero dovuto essere fatti dalle macchine.

Gli esseri umani dovrebbero concentrarsi su ciò che gli esseri umani sanno fare meglio. Ad esempio, costruire relazioni, essere empatici con le persone e risolvere problemi. Quindi, se risolvi il problema una o due volte, puoi insegnare alla macchina e la macchina può risolverlo.

Se ci sono situazioni in cui si verifica lo stesso problema e i modi precedenti che hai risolto non hanno funzionato, allora provi a risolverlo di nuovo in un modo diverso. Una volta risolto, insegni alla macchina in modo che possano automatizzare. L'essere umano può sempre concentrarsi sulla risoluzione di nuovi problemi, il che è ovviamente molto più interessante e molto più eccitante.

Questo fa parte della serie di interviste One-to-One con leader di pensiero. La trascrizione è stata modificata per la pubblicazione. Se si tratta di un'intervista audio o video, fai clic sul player incorporato in alto o iscriviti tramite iTunes o tramite Stitcher.