Ai: en långsam rörelsexplosion

Artificiell intelligens är "en långsam rörelsexplosion", sa IDC-koncernchef Dan Vesset under forskningsföretagets konferens i Boston förra veckan. Han sa att marknaden för AI-komponenter och lösningar kommer att växa från 40, 1 miljarder dollar 2019 till 95, 5 miljarder dollar 2022.

Vesset konstaterade att vi alla använder AI i vår vardag, vare sig vi använder GPS, ridesharing-tjänster, smarta assistenter som Siri eller Alexa, eller bara dagens populära e-postprogram.

För organisationer som försöker distribuera AI finns det ett antal hinder. Han sa att det finns hundratals AI-algoritmer. I en IDC-undersökning förra månaden sa 50 procent av AI-forskarna att de använde tre eller fler AI-ramverk. Men att få AI att arbeta handlar mer än algoritmen och modellen - det innebär ett komplett arbetsflöde som inkluderar en roll för IT-operationer i både utbildning och inferencing; och också nya grupper av människor fokuserade på vad han kallade "AI Ops", för att hålla data och modeller fungerade.

Det viktigaste att ta reda på är förhållandet mellan människa och maskin, sa Vesset. När detta går fel får du problem som att en förare blint följer GPS-anvisningarna även om de är felaktiga eller icke-sensiska. IDC delar AI-baserad automatisering i fem grundkategorier:

• Människor, där IT är mycket begränsat
• Mänskligt ledd, maskinstöd, vilket inkluderar vad de flesta av AI-organisationerna gör idag
• Maskinledd, mänskligt stöd, till exempel algoritmer för att avgöra vem att låna ut pengar till
• maskinledd, mänskligt styrd, såsom autonom körning, och
• maskinstyrda, till exempel R2-D2 eller HAL, som vi inte har sett ännu.

Han noterade att hur du ser dessa ofta är skillnaden mellan misslyckande eller framgång. Till exempel, sade han, hade Amazon ett AI-rekryteringsverktyg som visade sig ha en partiskhet mot kvinnor. Eftersom människor fångade den, togs den aldrig i produktion.

Han konstaterade att det ofta finns ett "missförhållande mellan förväntningar och kapacitet" och noterar att det tar tid att komma till högre automatiseringsnivåer i hela processer. Till exempel, sade han, en hel del lust för AI inom försäljning och marknadsföring kommer uppifrån och ner, men verkligheten av vad som är möjligt idag är "bottoms-up" automatisering av vissa specifika uppgifter och aktiviteter.

I allmänhet, sade han, desto bredare omfattning av automatisering är, desto mer kommer det fortfarande att kräva mänskligt engagemang. Till exempel inom sjukvården kan AI hjälpa till med bildtolkning, som han kallade en maskinledd, mänskligt styrd uppgift. Aktivitetspåminnelser är mer maskinledda, mänskligt stödda, eftersom människor måste vara mer involverade för att förstå saker som personliga preferenser. I det här fallet är det svårare att få skala, eftersom uppgifterna är så rika. Något som diagnos och behandlingsrekommendation skulle vara människoledd, maskinstödd och är mycket sällsynt idag.

Av IDC: s 702 användningsfall för digital transformering, sa Vesset att cirka 100 är beroende av AI, och var och en kan delas upp i uppgifter, aktiviteter, processer och det övergripande systemet.

IDC säger att marknaden för AI-komponenter och lösningar under 2019 kommer att uppgå till 40, 1 miljarder dollar, inklusive 4, 3 miljarder dollar för halvledare (chips), 12, 7 miljarder dollar för infrastruktur, 3, 3 miljarder dollar för AI-programvaruplattformar, 10, 2 miljarder dollar för AI-applikationer och 9, 6 miljarder dollar för AI-tjänster byggda ovanpå dessa applikationer. Att den totala marknaden kommer att växa till 95, 5 miljarder dollar 2022, men IDC föreslog att den verkliga tillväxten kommer att komma senare.

En fråga, sa Vesset, är att det för närvarande inte finns tillräckligt med data som förvandlas till AI. Mängden data i världen växer, från 33 zettabyte till 103 zettabyte, men endast cirka 27 procent av detta skulle vara användbart om taggats, och av det är mindre än hälften taggade, och en mindre procentandel av detta analyseras, och ännu mindre procent matas in i AI-system - mindre än 1 procent av all data.

Fördelarna med AI-plattformar inkluderar ökad anställdas produktivitet, ökad processautomation, förbättrad konsistens i beslutsfattande, avslöjande av nya insikter och förbättrad konsistens i interaktioner. Alla dessa saker tar tid.

Vesset sa att det inte finns ett tydligt sätt att veta när denna "explosion" kommer att hända. Baserat på Moore's Law skulle han förvänta sig en $ 1 000 dator med bearbetningskraften för en mänsklig hjärna, men att det finns både acceleratorer och hämmare för detta, inklusive bristen på att verkligen förstå hur hjärnan fungerar. Andra frågor, sade han, inklusive affärsprocesser, förordningar och samhällsnormer och noterade att det du kan göra i USA inte är vad du kan göra i Kina, och vice versa. Han förväntar sig att vägen till mer AI inte kommer att vara linjär, och istället kommer vi att se organisationer "zig zag" mot denna utveckling.

• Är artificiell intelligens bra, ond eller båda? Är artificiell intelligens bra, ond eller båda?
• Denna AI förutsäger trolling online innan det händer Denna AI förutsäger online trolling innan det händer
• Nvidias Jetson Nano är en AI-dator för massorna Nvidias Jetson Nano är en AI-dator för mässorna

Vesset tror inte att vi är på väg mot en annan "AI-vinter", för vi ser verkliga fördelar med AI-system. Han förväntar sig att vi så småningom kommer att komma till en punkt där vi har en maskin som har en människas intelligens, och kanske en som har intelligensen från alla människor. Detta kommer inte att hända snart, men vi måste börja tänka på de juridiska och etiska frågorna.

AI är för viktigt för ett ämne för att kunna överlåtas till utvecklare eller programmerare, sade han och sa "vi måste alla bli engagerade på något sätt."