Майкл Ву из PROS - ИИ имитирует людей, автоматизирует принятие решений, может учиться и совершенствоваться, но не займет ваше место

Опубликовано: 2019-06-08

Для тех из вас, кто в последнее время проверял серию, известно, что за последние несколько недель я был на ряде отраслевых мероприятий, разговаривал с несколькими людьми, причем большинство этих конференций проходило в Лас-Вегасе.

Что ж, приготовьтесь к этому, я снова был в Вегасе… на другой конференции… снова. Но на этот раз я был там на конференции Outperform, организованной PROS; поставщик решений на базе искусственного интеллекта, которые оптимизируют продажи в цифровой экономике.

И у меня была возможность поговорить не только с одним из ведущих специалистов в области искусственного интеллекта, главным стратегом PROS по искусственному интеллекту доктором Майклом Ву, но и с моим другом и соведущим CRM Playaz Полом Гринбергом.

Поскольку мы все хорошие друзья, а благодаря способности Майкла объяснить ИИ/машинное обучение/глубокое обучение в терминах, понятных большинству людей, мы смогли немного повеселиться, узнав много о том, что такое ИИ, а что нет. И что он заменит, а что нет.

Ниже приводится отредактированная стенограмма нашего разговора. Чтобы увидеть полный разговор, посмотрите видео или нажмите на встроенный проигрыватель SoundCloud ниже.

Так что же такое ИИ?

Пол Гринберг: Что такое ИИ для обычного человека? В чем разница между машинным обучением? На самом деле, каковы настоящие преимущества этого по сравнению со всей шумихой, которую вы слышите все время?

Майкл Ву: Позвольте мне сначала немного поговорить о машинном обучении. Потому что это его основа. Собственно, все упирается в большие данные. Итак, машинное обучение — это просто процесс. Есть процесс превращения данных в модель в какой-то алгоритм, верно? Итак, у вас есть некоторые данные, данные, у меня есть некоторая закономерность, верно?

И вы используете машинное обучение и кучу алгоритмов, а затем вы используете эти алгоритмы, чтобы по существу выбирать эти шаблоны, верно? А затем вы превращаете их в модель, а затем, вот что такое машинное обучение на самом деле. На самом деле это просто набор алгоритмов, которые используют специалисты по данным.

Простое определение искусственного интеллекта

Но что такое ИИ? AI Is, это на самом деле гораздо сложнее определить. Я бы сказал так, потому что определение ИИ постоянно меняется. На самом деле он существует довольно давно, я бы сказал, 40-50 лет; концепция этого. Здание его, конечно, намного позже. Так что со временем эта концепция ИИ на самом деле немного изменилась. То, как мне нравится смотреть на ИИ в данный момент времени, знаете ли, на самом деле это просто машинная имитация некоторых человеческих действий и человеческих решений.

И когда машина может имитировать то, что делают люди, это считается искусственным интеллектом. Но на самом деле этого недостаточно. Я бы сказал, что должно быть еще два критерия. Во-первых, это автоматизация действий по принятию решений, а во-вторых, многим этого не хватает, способности учиться и совершенствоваться.

Вот как мне нравится определять ИИ. Это своего рода машинная имитация человеческих решений и поведения. С характеристикой одного, способностью автоматизировать решения, действия и способность учиться и улучшать себя с течением времени.

Самое большое заблуждение об ИИ

Брент Лири: Что больше всего раздражает, что люди всегда путаются или путаются в этой области, что вы слышите снова и снова, и это просто сводит вас с ума?

Майкл Ву: Это связано с изображением, которое уже давно гуляет по Интернету. Это изображение говорит о том, что глубокое обучение — это своего рода машинное обучение, а машинное обучение — это своего рода ИИ. Очень часто я слышу, как люди говорят, что машинное обучение — это часть ИИ, а не наоборот. Чтобы отдать должное тому, кто создал этот образ, я бы сказал, что он не совсем неправильный.

Как машинное обучение вписывается в ИИ

Машинное обучение на самом деле используется почти во всех современных ИИ, верно? Таким образом, имеет смысл правильно встроить машинное обучение в ИИ. Но если вы это сделаете, вы скажете, что глубокое обучение — это своего рода машинное обучение. И машинное обучение на самом деле не является разновидностью ИИ, но используется в каждом ИИ. Но если вы посмотрите на эту картину, с концентрическими кругами глубокого обучения в большей части внутренней части, затем машинного обучения снаружи, а затем вне этого ИИ, верно? Люди очень часто приходят к ошибочному выводу, что машинное обучение на самом деле является разновидностью ИИ, что на самом деле не соответствует действительности.

Один пример, который я мог бы вам привести, это, например, V8 — это своего рода двигатель, верно? Всем известно, что V8 — это своего рода двигатель. Так что, если вы сделаете такую ​​ошибку, сказав, что V8 — это двигатель внутри автомобиля, верно, а двигатель есть в каждой машине, верно? Затем, если вы посмотрите на это изображение, иногда вы можете прийти к неправильному выводу, что двигатель на самом деле является разновидностью автомобиля. Что смешно, правда? Вы знаете, что двигатель — это не машина. Итак, это одна вещь, которая очень часто сводит меня с ума, что люди говорят, что машинное обучение — это разновидность ИИ, а ИИ — это не разновидность машинного обучения, это не совсем так.

Почему люди должны перестать беспокоиться о захвате власти машинами

Пол Гринберг: Позвольте мне добавить еще одну вещь, это действительно сводит меня с ума. Я постоянно слышу панические истории о замене людей искусственным интеллектом, бла-бла-бла, историю со Sky Net.

Вот в чем дело, с моей точки зрения, вы сказали, что это мимикрия, то есть приближение, и это лучшее, что может быть. Он никогда не станет заменой человека, не может быть. Он не создает так, как это делают люди.

Главный специалист по обработке и анализу данных Salesforce, Ричард Сочер, однажды сделал комментарий, в котором он сказал, и мне нравится этот комментарий: «ИИ ничего не хочет». ИИ, иди и сделай это, а потом он сделает это и научится. Но он не собирается говорить: «Я собираюсь сделать это». Так это первое, это правда? Во-вторых, прав ли я, что меня это раздражает, или я должен заставить какой-нибудь ИИ раздражаться за меня?

ИИ предлагает оптимизацию для вашего бизнеса

Майкл Ву: Ну, я имею в виду, я думаю, что это правда в какой-то степени, я бы сказал, что алгоритмы машинного обучения ИИ, они работают над тем, что мы называем оптимизацией самообъективных функций.

Итак, в зависимости от того, что вы хотели оптимизировать, верно? Затем он найдет способы оптимизировать все, что есть. Это просто математический алгоритм, который пытается что-то оптимизировать.

Итак, если вы хотите оптимизировать продажи, или некоторые люди говорят, что они проводили эксперименты, чтобы посмотреть, что будет делать машина, когда они попытаются оптимизировать прибыль или что-то в этом роде. Или если вы попытаетесь оптимизировать выигрыш в такой игре, как шахматы или что-то в этом роде, что они сделают правильно? Очень часто это происходит, когда машины на самом деле делают что-то не то, что мы от них ожидаем.

Обычно это происходит потому, что мы не указали границу, ограничение. Вам нужно оптимизировать его, но мы не сказали оптимизировать его с определенными ограничениями. Машины могут научиться обманывать, но все, что они пытаются сделать, это оптимизировать. Они говорят: «Вы не сказали мне, что я не могу жульничать. Я ничего не знал об обмане». Но если вы скажете «хорошо», вы должны оптимизировать это, учитывая ограничение, что вы не можете делать то, это, это, это и это. Тогда оно сделает это, оно последует за этим.

Речь идет о настройке параметров

Но, может быть, вы забыли кое-что, и это почти как думать о том, как ребенок будет учиться, как дети учатся. Я имею в виду, что если вы скажете им, что нужно что-то оптимизировать или что-то сделать, они попытаются сделать все, что в их силах. А потом вы говорите, может быть, он хочет купить мороженое для своего друга, а потом он пытается, и один раз он пытается просто схватить его силой, и это как, о, вы не можете этого сделать.

А в следующий раз я не смогу этого сделать, хорошо, могу я украсть это? О, нет, ты тоже не можешь этого сделать. На самом деле это процесс обучения. Вы должны научить их, что такое границы, и тогда со временем вы узнаете, что это приемлемые границы. И вы совпадете с нашими людьми, идущими за исключением допустимых границ.

Брент Лири: Итак, вчера у нас было что-то вроде встречи с аналитиками, я думаю, с [генеральным директором PROS] Андресом Райнером. И одна из вещей, которую он сказал, заключалась в том, что современные торговые организации в настоящее время сосредоточены на оптимизации сделок. Он говорит, что теперь им действительно следует перейти к оптимизации клиентского опыта. Итак, как эти две вещи сочетаются друг с другом? Сейчас много внимания уделяется использованию данных для оптимизации таких вещей, как сделки. Но как вы делаете что-то, связанное с оптимизацией опыта со всеми этими данными, которые у вас есть, которые действительно сосредоточены на оптимизации сделок?

Как оптимизировать клиентский опыт

Майкл Ву: Да, я думаю, что если у вас есть только данные, которые действительно сосредоточены на сделках, это на самом деле очень сложно. Вам нужно собрать другие данные. Очевидно, что очень легко представить себе сценарий, в котором вы оптимизируете сделку, но у людей плохое качество обслуживания клиентов — например, продавать им вещи, которые им не нужны, продолжать отправлять им каталоги вещей, которые у них уже есть или которыми они владеют.

Вы могли бы сделать это, но, в конечном счете, вы ухудшите качество обслуживания клиентов в долгосрочной перспективе, это может на самом деле повредить вашей сделке. В конце концов клиенты уйдут от вас. Это шкала времени, на которую люди должны смотреть. В краткосрочной перспективе, если вы оптимизируете сделку, вы можете получить краткосрочные продажи, но в долгосрочной перспективе, если вы на самом деле не заботитесь о клиентском опыте, клиент уйдет.

Но если вы оптимизируете качество обслуживания клиентов, может быть, в краткосрочной перспективе, вы не получите желаемого роста доходов. Но в долгосрочной перспективе клиенты поймут, что эта компания потрясающая. На самом деле я собираюсь вести с ними дела и продолжать вести с ними дела, как и всю оставшуюся жизнь. Или я буду поощрять своих детей, своих друзей и выступать за услуги этой компании.

На самом деле это гораздо более долгосрочная перспектива. Но, как мы знаем, большинство предприятий иногда могут быть немного короткими.

Заключительные мысли об ИИ

Брент Лири: Хорошо, я знаю, что мы приближаемся к ключевой ноте. Я знаю, что тебе нужно бежать. Но какие-то последние слова, где мы видим ИИ, или мне следует начать с машинного обучения, а затем с ИИ? Где вы видите нас через пять лет с этим материалом?

Майкл Ву: Думаю, через пять лет будет автоматизировано гораздо больше работы. Я бы сказал, самая скучная, повторяющаяся часть работы. Это должно быть автоматизировано. Я чувствую, что многие люди боятся, что компьютер или машина заберут нашу работу. Я думаю, что мы слишком долго занимались повторяющейся работой. (И) Я думаю, что это должны были сделать машины.

Люди должны сосредоточиться на том, что они делают лучше всего. Например, строить отношения, быть чутким к людям и решать проблемы. Так что, если вы решите задачу один или два раза, вы сможете обучить машину, и машина сможет ее решить.

Если возникают ситуации, когда возникает одна и та же проблема, и предыдущие способы, которые вы решили, не сработали, то вы пытаетесь решить ее снова другим способом. Решив ее, вы обучаете машину, чтобы она могла автоматизироваться. Человек всегда может сосредоточиться на решении новых задач, что, конечно, гораздо интереснее и намного увлекательнее.

Это часть серии интервью один на один с лидерами мнений. Стенограмма была отредактирована для публикации. Если это аудио- или видеоинтервью, нажмите на встроенный проигрыватель выше или подпишитесь через iTunes или Stitcher.