Michael Wu z PROS – sztuczna inteligencja naśladuje ludzi, automatyzuje podejmowanie decyzji, może uczyć się i doskonalić, ale nie zajmie twojego miejsca

Opublikowany: 2019-06-08

Ci z was, którzy ostatnio oglądali tę serię, wiedzą, że w ciągu ostatnich kilku tygodni byłem na wielu wydarzeniach branżowych, rozmawiając z wieloma osobami, a większość z tych konferencji odbywa się w Las Vegas.

Cóż, przygotujcie się na to, znowu byłem w Vegas…na kolejną konferencję…znowu. Ale tym razem byłem tam na Outperform, konferencji zorganizowanej przez PROS; dostawca rozwiązań opartych na sztucznej inteligencji, które optymalizują sprzedaż w gospodarce cyfrowej.

Nie tylko miałem okazję porozmawiać z jednym z czołowych autorytetów w dziedzinie sztucznej inteligencji w firmie PROS, głównym strategiem AI, dr Michaelem Wu, ale także z moim przyjacielem i współgospodarzem CRM Playaz, Paulem Greenbergiem.

Ponieważ wszyscy jesteśmy dobrymi kumplami, a Michael potrafi wyjaśnić sztuczną inteligencję/uczenie maszynowe/głębokie uczenie w sposób zrozumiały dla większości ludzi, mogliśmy się trochę zabawić, ucząc się dużo o tym, czym sztuczna inteligencja jest, a czym nie. I co zastąpi, a czego nie.

Poniżej znajduje się zredagowany zapis naszej rozmowy. Aby zobaczyć pełną rozmowę, obejrzyj wideo lub kliknij osadzony odtwarzacz SoundCloud poniżej.



Czym właściwie jest sztuczna inteligencja?

Paul Greenberg: Czym jest sztuczna inteligencja dla zwykłego człowieka? Jaka jest różnica między uczeniem maszynowym? Realistycznie, jakie są rzeczywiste korzyści z tego, w przeciwieństwie do całego szumu, który cały czas słyszysz?

Michael Wu: Najpierw porozmawiam trochę o uczeniu maszynowym. Bo to jest podstawa tego. Właściwie wszystko sprowadza się do big data. Tak więc uczenie maszynowe to tak naprawdę tylko proces. Istnieje proces przekształcania danych w model w jakiś algorytm, prawda? Więc masz jakieś dane, dane, mam w tym pewien wzór, prawda

Używasz uczenia maszynowego i wielu algorytmów, a następnie używasz tych algorytmów, aby zasadniczo wybrać te wzorce, prawda? A potem przekształcasz je w model, a potem tak naprawdę jest uczenie maszynowe. To tak naprawdę tylko zestaw algorytmów, z których korzystają naukowcy zajmujący się danymi.

Prosta definicja sztucznej inteligencji

Ale czym jest sztuczna inteligencja? AI jest, w rzeczywistości jest znacznie trudniej zdefiniować. Powiedziałbym tak, ponieważ definicja AI cały czas się zmienia. Właściwie istnieje już od dłuższego czasu i ma, powiedziałbym, 40-50 lat; pojęcie tego. Jego budowa jest oczywiście znacznie nowsza. Tak więc z biegiem czasu ta koncepcja sztucznej inteligencji całkiem się zmieniła. Sposób, w jaki lubię patrzeć na sztuczną inteligencję w tym momencie, wiesz, to tak naprawdę tylko maszynowe naśladowanie niektórych ludzkich zachowań i ludzkich decyzji.

A kiedy maszyna może naśladować coś, co robią ludzie, jest to uważane za sztuczną inteligencję. Ale to samo w sobie nie wystarczy. Powiedziałbym, że musiały być jeszcze dwa kryteria. Jedna to automatyzacja podejmowania decyzji, a druga to, że wiele osób za tym tęskni, zdolność uczenia się i doskonalenia się.

Więc tak lubię definiować sztuczną inteligencję. To rodzaj maszyny naśladującej ludzkie decyzje i zachowania. Cechą charakterystyczną jednego jest zdolność do automatyzacji decyzji, działań i zdolność uczenia się oraz samodoskonalenia się w czasie.

Największe nieporozumienie dotyczące AI

Brent Leary: Jaka jest najbardziej irytująca rzecz, o której ludzie zawsze się mylą lub są zdezorientowani w tym obszarze, który słyszysz w kółko, a to po prostu doprowadza cię do szaleństwa na ten temat?

Michael Wu: Ma to związek z obrazem, który od dłuższego czasu krąży w Internecie. To ten obraz, który mówi, że głębokie uczenie jest rodzajem uczenia maszynowego, a uczenie maszynowe to rodzaj sztucznej inteligencji. Bardzo często słyszę, jak ludzie mówią, że uczenie maszynowe jest podzbiorem sztucznej inteligencji, a nie odwrotnie. Aby oddać uznanie twórcy tego obrazu, powiedziałbym, że nie jest to całkowicie błędne.

Jak uczenie maszynowe wpisuje się w sztuczną inteligencję

Uczenie maszynowe jest właściwie używane we wszystkich nowoczesnych AI, prawda? Tak więc sensowne jest prawidłowe umieszczenie uczenia maszynowego w sztucznej inteligencji. Ale jeśli to zrobisz, mówisz, że głębokie uczenie jest rodzajem uczenia maszynowego. A uczenie maszynowe w rzeczywistości nie jest rodzajem sztucznej inteligencji, ale jest używane w każdej sztucznej inteligencji. Ale jeśli spojrzysz na ten obraz, z rodzajem koncentrycznych kręgów głębokiego uczenia się w większości, a następnie uczenie maszynowe na zewnątrz tego, a poza tym jest sztuczna inteligencja, prawda? Ludzie bardzo często dochodzą do błędnego wniosku, że uczenie maszynowe jest w rzeczywistości rodzajem sztucznej inteligencji, co w rzeczywistości nie jest prawdą.

Jedyny przykład jaki mógłbym wam podać to np. V8 to rodzaj silnika, prawda? Wszyscy wiedzą, że V8 to rodzaj silnika. Więc jeśli popełnisz taki błąd, mówiąc, że V8 to silnik, w samochodzie, prawda, a silnik jest w każdym samochodzie, prawda? Wtedy, jeśli spojrzysz na ten obraz, czasami możesz dojść do błędnego wniosku, że silnik to właściwie rodzaj samochodu. Co jest śmieszne, prawda? Wiesz, że silnik to nie samochód. Więc to jest jedna rzecz, która bardzo często doprowadza mnie do szału, ludzie mówią, że uczenie maszynowe jest rodzajem sztucznej inteligencji, a sztuczna inteligencja nie jest rodzajem uczenia maszynowego, to nie do końca prawda.

Dlaczego ludzie powinni przestać się martwić przejmowaniem maszyn

Paul Greenberg: Pozwólcie, że rzucę kolejną rzecz, to faktycznie doprowadza mnie do szału. Zawsze słyszę nieustanne historie paniki o zastępowaniu ludzi przez sztuczną inteligencję, bla bla bla, historię Sky Net.

Oto umowa, z mojego punktu widzenia powiedziałeś, że to mimikra, czyli przybliżenie, i jest najlepsza, jaka kiedykolwiek będzie. To nigdy nie będzie substytutem istoty ludzkiej, nie może być. Nie tworzy tak, jak robią to ludzie.

Główny analityk danych w Salesforce, Richard Socher, kiedyś skomentował, w którym powiedział, i bardzo mi się podoba ten komentarz: „AI niczego nie chce”, co jest naprawdę świetnym sposobem ujęcia tego, co oznacza, że ​​musisz powiedzieć AI, idź zrób to, a potem zrobi to i się nauczy. Ale nie powie: „Pójdę to zrobić”. Więc czy to jest pierwsze, czy to prawda? Po drugie, czy mam rację, że mnie to irytuje, czy też powinienem zirytować jakąś sztuczną inteligencję?

AI oferuje optymalizację dla Twojej firmy

Michael Wu: Cóż, myślę, że to prawda do pewnego stopnia, powiedziałbym, że algorytmy sztucznej inteligencji uczenia maszynowego działają na tym, co nazywamy optymalizacją funkcji samoobsługowych.

Więc w zależności od tego, co chciałeś zoptymalizować, prawda? Następnie znajdzie sposoby na zoptymalizowanie tego, co to jest. To po prostu matematyczny algorytm, który próbuje coś zoptymalizować.


Więc jeśli chcesz zoptymalizować sprzedaż, lub niektórzy mówią, że przeprowadzili eksperymenty, aby zobaczyć, co zrobi maszyna, gdy spróbują zoptymalizować zysk lub coś takiego. Albo jeśli spróbujesz zoptymalizować wygraną w grze, takiej jak szachy lub coś podobnego, co zrobią dobrze? Bardzo często dzieje się tak, gdy maszyny faktycznie robią coś z tego, czego oczekujemy od nich.

Zwykle dzieje się tak dlatego, że nie określiliśmy granicy, ograniczenia. Musisz go zoptymalizować, ale nie powiedzieliśmy mu, aby zoptymalizował go z pewnymi ograniczeniami. Maszyny mogą nauczyć się oszukiwać, ale jedyne, co próbują zrobić, to optymalizować. Mówią: „Nie powiedziałeś mi, że nie umiem oszukiwać. Nic nie wiedziałem o oszukiwaniu”. Ale jeśli to powiesz, w porządku, musisz to zoptymalizować, pod warunkiem, że nie możesz zrobić tego, tego, tego, tego i tamtego. Wtedy to zrobi, podąży za tym.

Chodzi o ustawienie parametrów

Ale może zapomniałeś o kilku rzeczach i to prawie jak pomyśl o tym, jak dziecko będzie się uczyć, jak dzieci się uczą. Mam na myśli to, że jeśli powiesz im, że aby coś zoptymalizować lub coś zrobić, spróbują na każdy możliwy sposób. A potem mówisz, że może chce dostać lody dla swojego przyjaciela, a potem próbuje, a raz próbuje po prostu złapać je siłą i to jest tak, och, nie możesz tego zrobić.

A potem następnym razem nie mogę tego zrobić, ok, czy mogę to ukraść? O nie, tego też nie możesz zrobić. Naprawdę jest to proces uczenia się. Musisz nauczyć ich, jakie są granice, a potem z czasem dowiesz się, że są to dopuszczalne granice. I zbiegniesz się z naszymi ludźmi, którzy przekroczą dopuszczalne granice.

Brent Leary: Tak więc wczoraj mieliśmy małe, jak sądzę, spotkanie analityków z [prezesem PROS] Andresem Reinerem. I jedną z rzeczy, które powiedział, było to, że nowoczesne organizacje sprzedaży skupiają się obecnie na optymalizacji transakcji. Mówi, że teraz naprawdę powinni przejść na optymalizację obsługi klienta. Jak więc te dwie rzeczy do siebie pasują? W tej chwili dużo uwagi poświęcamy wykorzystywaniu danych do optymalizacji takich rzeczy, jak umowy. Ale jak poradzisz sobie z optymalizacją pod kątem doświadczenia z tymi wszystkimi danymi, które masz, a które naprawdę koncentrują się na optymalizacji transakcji?

Jak zoptymalizować doświadczenie klienta

Michael Wu: Tak, myślę, że jeśli masz tylko dane, które skupiają się na transakcjach, jest to bardzo trudne. Musisz zebrać inne dane. Oczywiście bardzo łatwo jest wyobrazić sobie scenariusz, w którym optymalizujesz ofertę, ale ludzie mają słabe wrażenia klientów — na przykład sprzedając im rzeczy, których nie chcą, wysyłaj im katalogi rzeczy, które już mają lub posiadają.

Możesz to zrobić, ale ostatecznie szkodzisz obsłudze klienta na dłuższą metę, może to faktycznie zaszkodzić Twojej umowie. W końcu klienci cię opuszczą. To jest skala czasowa, na którą ludzie muszą patrzeć. W krótkim czasie, jeśli zoptymalizujesz ofertę, możesz uzyskać trochę krótkoterminowej sprzedaży, ale na dłuższą metę, jeśli naprawdę nie zależy Ci na doświadczeniu klienta, klient odejdzie.

Ale jeśli zoptymalizujesz obsługę klienta, być może w krótkim okresie, nie zapewnisz pożądanego wzrostu przychodów. Ale na dłuższą metę klienci zdadzą sobie sprawę, że hej, ta firma jest niesamowita. Właściwie zamierzam robić z nimi interesy i kontynuować z nimi interesy tak jak przez resztę mojego życia. Albo mam zamiar zachęcać moje dzieci, moich przyjaciół i opowiadać się za usługami tej firmy.

W rzeczywistości jest to perspektywa znacznie bardziej długoterminowa. Ale jak wiemy, większość firm czasami może być trochę skrócona.

Ostatnie przemyślenia na temat AI

Brent Leary: W porządku, wiem, że zbliżamy się do ważnej nuty. Wiem, że musisz uciekać. Ale ostatnie słowa, gdzie widzimy AI, czy powinienem zacząć od uczenia maszynowego niż AI? Gdzie nas widzisz za pięć lat z tymi rzeczami?

Michael Wu: Myślę, że za pięć lat znacznie więcej pracy zostanie zautomatyzowanej. Powiedziałbym, że najbardziej nudna, powtarzalna część pracy. To powinno być zautomatyzowane. Czuję, że wiele osób boi się, że komputer lub maszyna zabiorą nam pracę. Myślę, że zbyt długo wykonujemy powtarzalne prace. (I) myślę, że powinny to zrobić maszyny.

Ludzie powinni skupić się na tym, co robią najlepiej. Na przykład budowanie relacji, empatia do ludzi i rozwiązywanie problemów. Więc jeśli rozwiążesz problem raz lub dwa razy, możesz nauczyć maszynę, a maszyna może go rozwiązać.

Jeśli pojawiają się sytuacje, w których pojawia się ten sam problem, a poprzednie sposoby, które rozwiązałeś, nie działały, spróbuj rozwiązać go ponownie w inny sposób. Gdy go rozwiążesz, uczysz maszynę, aby mogła zautomatyzować. Człowiek zawsze może skupić się na rozwiązywaniu nowych problemów, co jest oczywiście o wiele ciekawsze i o wiele bardziej ekscytujące.

Jest to część serii wywiadów jeden na jeden z liderami myśli. Transkrypcja została zredagowana do publikacji. Jeśli jest to wywiad audio lub wideo, kliknij osadzony odtwarzacz powyżej lub zasubskrybuj przez iTunes lub Stitcher.