211service.com
Microsoft: KI ist noch nicht anpassungsfähig genug, um Unternehmen zu helfen
Die KI-Revolution kann länger dauern als manche erwarten, um sich vom Silicon Valley auf andere Branchen auszubreiten.
Jüngste Durchbrüche beim maschinellen Lernen haben Technologiegiganten wie Microsoft, Google und Facebook dazu veranlasst, beeindruckende neue Unternehmen und Produkte aufzubauen, die auf Software basieren, die Text und Bilder analysiert. Einige haben Cloud-Dienste eingeführt, von denen sie sagen, dass sie die KI demokratisieren können, indem sie anderen Unternehmen helfen, dasselbe zu tun.
Aber Peter Lee, Vizepräsident der Forschungsabteilung von Microsoft, sagte diese Woche, dass die wertvollsten High-End-Systeme für maschinelles Lernen, die für Technologiegiganten so nützlich sind, immer noch zu unflexibel und zu teuer sind, als dass das Unternehmen es seinen Geschäftskunden anbieten könnte.
Wir befinden uns derzeit in Bezug auf die Unternehmensanwendung von maschinellem Lernen und KI-Konzepten an einem Zwischenpunkt, sagte Lee at MIT Technology Review 's EmTech Digital Konferenz in San Francisco in dieser Woche. KI ist keine auf die Praxis reduzierte Technologie; Wir haben einen kleinen und hochbezahlten Kader von Handwerkern, die die maßgeschneiderten Lösungen bauen.
Lee nannte als Beispiel KI-gestützte Tools, die Microsoft entwickelt hat, um seinen Vertriebsmitarbeitern beim Abschluss von Geschäften zu helfen. Ich wünsche mir nichts mehr, als diese an jedes andere Unternehmen auf der Welt verkaufen zu können, sagte er reumütig. Das sei derzeit unmöglich, fügte er hinzu, da die Technologie mühsam an jedes neue Unternehmen angepasst werden müsste.
Die Entwicklung von Software, die KI nutzt, um zu lernen und sich an die Bedürfnisse und Bedingungen in einem bestimmten Unternehmen anzupassen, scheint die Antwort zu sein. Aber Lee sagte, die Erfahrungen von Microsoft mit dem Versuch, Software von der realen Welt lernen zu lassen, zeigen, dass die Technologie derzeit nicht ausgereift genug ist.
Als Microsoft im vergangenen Jahr einen Chatbot auf Twitter startete, der aus Gesprächen lernen konnte, griff er beispielsweise schnell rassistische Sprache auf. Das Übersetzungssystem von Microsoft hat im vergangenen Sommer die Federn zerzaust, nachdem die Analyse von Online-Text dazu geführt hatte, dass es damit begann, Daesh – ein arabischer Name für „Islamischer Staat“ – ins Englische nach Saudi-Arabien zu übersetzen.
Diese maschinellen Lernsysteme seien in ihren Fehlern spektakulärer geworden, sagte Lee. Das Loslassen von Lernsoftware in realen Situationen erfordert immer noch eine enge Überwachung durch erfahrene Menschen.
Es ist eindeutig noch Geld zu verdienen, wenn man einfachere KI-Dienste an Unternehmen verkauft. Microsofts Angebote beinhalten Dienste, die beispielsweise Gesichter in einem Bild zählen und Sprache in Text umwandeln. Auf der EmTech-Veranstaltung zeigte das Startup Clarifai Tools, die Unternehmen dabei helfen, Sammlungen von Bildern und Videos zu durchsuchen und zu verwalten, indem sie deren Inhalt verstehen.
Lee deutete jedoch an, dass Produkte wie diese nicht die Revolution – oder neue Gewinne – liefern können, die durch die internen Projekte der Technologiegiganten zur Entwicklung der KI-Technologie generiert wurden. Meistens seien die hochwertigen Anwendungen des maschinellen Lernens in Unternehmen kundenspezifische oder maßgeschneiderte Lösungen, sagte er. Jedes Unternehmen ist ein Sonderfall, daher möchten Sie, dass sich diese an die besonderen Bedürfnisse und Bedingungen anpassen.
Lee sagte, dass die Arbeit an Software, die lernt, indem sie verschiedene Aktionen ausprobiert und sieht, was funktioniert, anstatt statische Daten wie Text oder Bilder zu verdauen, die Branche möglicherweise aus dieser Klemme befreien könnte. Er verwies darauf, wie Google Reinforcement Learning nutzte, um das Go-Spiel zu meistern, und verwies auf ein erneutes Interesse an Algorithmen, die lose von der Evolution inspiriert sind, was kürzlich vom unabhängigen Forschungsinstitut OpenAI hervorgehoben wurde.
Sie sind nicht durch das Scraping oder Mining der Ergebnisse menschlicher Intelligenz eingeschränkt, sagte er. Sie könnten zu dem Schluss kommen, dass diese Systeme eine bessere Chance haben, einen Geschäftsprozess zu verstehen und eigene Strategien zu entwickeln.