Ibm watson cto mengenai mengapa kecerdasan bertambah mengatasi ai

Episod Fast Forward ini telah dirakamkan di Pusat Pengalaman IBM Watson di New York City. Tetamu saya ialah Rob High, Naib Presiden dan Ketua Pegawai Teknologi IBM Watson.

Kerja-kerja tinggi merentasi pelbagai pasukan dalam IBM, termasuk kejuruteraan, pembangunan, dan strategi. Beliau adalah salah seorang pemikir yang paling jelas dalam ruang kecerdasan buatan, dan perbualan kami membahas banyak cara teknologi yang membentuk semula pekerjaan kami, masyarakat kita dan kehidupan kita. Baca dan lihat perbualan kami di bawah.

Dan Costa: Apakah salah tanggapan yang dominan orang mempunyai kecerdasan buatan?

Rob High: Saya rasa masalah yang paling biasa yang kita jalankan dengan orang yang bercakap tentang AI ialah mereka masih hidup di dunia yang saya fikir Hollywood telah menguatkan idea ini bahawa pengkomputeran kognitif, AI, adalah tentang mereplikasi minda manusia, dan ia benar-benar tidak. Perkara-perkara seperti ujian Turing cenderung untuk menguatkan bahawa apa yang kita mengukur adalah idea AI dapat bersaing dengan menipu orang untuk mempercayai bahawa apa yang anda berurusan adalah manusia lain, tetapi itu sebenarnya bukan di mana kita telah menemui utiliti yang paling besar.

Ini juga akan kembali, jika anda melihat hampir semua alat lain yang pernah dibuat, alat kami cenderung menjadi paling berharga apabila mereka memperkuat kami, ketika mereka memperluas jangkauan kami, ketika mereka meningkatkan kekuatan kami, apabila mereka membenarkan kita melakukan perkara-perkara yang tidak boleh kita lakukan sendiri sebagai manusia. Itu benar-benar cara yang kita perlu berfikir tentang AI juga, dan setakat yang kita sebenarnya memanggil ia diperkaya kecerdasan, bukan kecerdasan buatan.

Mari kita bercakap sedikit tentang peralihan itu, kerana ia adalah jenis pengkomputeran yang sama sekali baru. Ini adalah evolusi pengkomputeran dari apa yang kita bawa bersama, pengkomputeran programatik di mana anda akan menggunakan pengiraan untuk mencapai dan menjawab dengan menggunakan proses yang sangat kompleks, kepada pengkomputeran kognitif, yang beroperasi sedikit berbeza. Bolehkah anda menerangkan peralihan itu?

Mungkin perbezaan yang paling ketara adalah bahawa ia sangat probabilistik, sedangkan komputasi yang diprogramkan benar-benar mengenai meletakkan semua kenyataan bersyarat yang menentukan perkara-perkara yang anda perhatikan dan bagaimana untuk bertindak balas kepada mereka. Ia sangat menentukan. Ia sangat tepat secara matematik. Dengan komputer yang diprogramkan klasik, anda boleh merancang perisian. Kerana anda tahu apa model matematik itu mewakili, anda boleh mengujinya secara matematik. Anda boleh membuktikan kebenarannya.

Pengkomputeran kognitif adalah lebih probabilistik. Ini adalah sebahagian besarnya untuk menguji isyarat ruang yang kita fokuskan, sama ada itu penglihatan atau ucapan atau bahasa, dan cuba mencari corak makna dalam isyarat tersebut. Walaupun begitu, tidak ada kepastian mutlak. Kini, ini adalah sebahagiannya kerana itulah cara ia dikira, tetapi juga kerana itulah sifat pengalaman manusia. Sekiranya anda berfikir tentang segala perkara yang kita katakan atau lihat atau dengar, rasa atau sentuhan atau bau atau apa-apa yang menjadi sebahagian daripada deria kita, kita sebagai manusia sentiasa cuba menilai apa yang sebenarnya, dan kadang kala kita tidak mendapatnya.

Apakah kebarangkalian bahawa apabila saya mendengar urutan suara, ia benar-benar bermakna perkataan ini? Apakah kebarangkalian apabila saya melihat urutan kata-kata ini, ia bermakna pernyataan ini? Apakah kebarangkalian bahawa apabila saya melihat bentuk dan imej yang saya lihat pada objek itu? Malah untuk manusia, itu masalah probabilistik, dan setakat ini ia sentiasa berfungsi dengan sistem kognitif ini.

Jika seseorang datang kepada anda dan mereka mempunyai masalah yang mereka ingin selesaikan, mereka berfikir bahawa ada penyelesaian pengkomputeran kognitif kepada mereka, mereka datang ke Watson, mereka berkata, "Lihat, kita akan menggunakan Watson untuk mencuba dan menyelesaikannya masalah ini." Di luar kotak, Watson tidak banyak berbuat apa-apa. Mereka perlu mengajarnya bagaimana menyelesaikan masalah mereka. Bolehkah anda bercakap tentang proses onboarding itu?

Sebenarnya, kita harus bercakap mengenai dua dimensi ini. Suatu ketika dahulu, kita sedar bahawa perkara ini yang disebut pengkomputeran kognitif adalah lebih besar daripada kita, ia lebih besar daripada IBM, ia lebih besar daripada mana-mana vendor dalam industri, ia lebih besar daripada mana-mana satu atau dua kawasan penyelesaian yang berbeza bahawa kita akan memberi tumpuan, dan kita terpaksa membukanya, iaitu apabila kita beralih daripada memberi tumpuan kepada penyelesaian untuk benar-benar berurusan dengan lebih banyak platform perkhidmatan, di mana setiap perkhidmatan benar-benar difokuskan secara individu pada bahagian yang berbeza ruang masalah. Ia adalah komponen yang, dalam hal ucapan, difokuskan dengan tegas pada masalah cuba mengambil ucapan anda dan mengenali kata-kata yang telah anda ucapkan dalam ucapan itu, atau mengambil gambar dan cuba dan kenal pasti apa yang ada dalam imej, atau ambil bahasa dan percubaan untuk memahami maksudnya, atau mengambil perbualan dan mengambil bahagian dalamnya.

Pertama sekali, apa yang kita sedang bincangkan sekarang adalah satu set perkhidmatan, masing-masing melakukan sesuatu yang sangat spesifik, masing-masing cuba untuk menangani sebahagian daripada pengalaman manusia kita, dan dengan idea bahawa sesiapa yang membina aplikasi, sesiapa sahaja yang ingin menyelesaikan masalah sosial atau pengguna atau perniagaan boleh melakukannya dengan mengambil perkhidmatan kami, kemudian menyusunnya ke dalam aplikasi. Itulah satu.

Titik dua adalah yang anda mulakan, yang betul-betul, sekarang bahawa saya mendapat perkhidmatan, bagaimana kita dapat melakukannya untuk melakukan perkara yang kita mahu lakukan dengan baik? Teknik ini benar-benar adalah satu pengajaran. Sifat probabiliti sistem ini didasarkan pada hakikat bahawa ia berdasarkan pembelajaran mesin atau pembelajaran mendalam, dan algoritma tersebut harus diajar bagaimana mengenali corak yang mewakili makna dalam satu set isyarat, yang anda lakukan dengan menyediakan data, data yang mewakili contoh situasi yang telah anda peroleh sebelum ini di mana anda dapat melabelnya sebagai berkata, "Apabila saya mendengar gabungan bunyi, itu bermakna perkataan ini. Apabila saya melihat gabungan piksel ini, ia bermakna bahawa objek. " Apabila saya mempunyai contoh-contoh itu, saya kini boleh membawa anda ke sistem kognitif, kepada perkhidmatan kognitif ini, dan mengajar mereka bagaimana untuk melakukan pekerjaan yang lebih baik untuk mengenali apa sahaja yang kita mahu lakukan.

Saya fikir salah satu contoh yang menggambarkan perkara ini dengan baik adalah di ruang perubatan, di mana Watson membantu doktor membuat keputusan dan menghuraikan jumlah data yang besar, tetapi kemudian akhirnya bekerja dengan mereka pada diagnosis dalam perkongsian. Bolehkah anda bercakap sedikit tentang bagaimana latihan itu berlaku dan kemudian bagaimana penyelesaiannya dapat memberikan hasil yang lebih baik?

Kerja yang kami lakukan dalam onkologi adalah contoh yang baik di mana sebenarnya ia adalah komposisi pelbagai jenis algoritma yang, merentasi spektrum kerja yang perlu dilakukan, digunakan dengan cara yang berbeza. Sebagai contoh, kita lihat dengan rekod perubatan, melihat rekod perubatan anda dan menggunakan sistem kognitif untuk melihat semua nota yang diambil oleh doktor sejak bertahun-tahun bahawa mereka telah bekerja dengan anda dan mencari apa yang kita panggil maklumat klinikal yang berkaitan. Apakah maklumat dalam nota perubatan yang kini relevan dengan perundingan yang akan anda lawati? Mengambilnya, melakukan analitik kesamaan populasi, cuba mencari pesakit lain, kohort lain yang mempunyai banyak persamaan dengan anda, kerana itu akan memaklumkan kepada doktor tentang bagaimana untuk memikirkan rawatan yang berbeza dan bagaimana rawatan tersebut mungkin sesuai untuk anda dan bagaimana anda akan bertindak balas terhadap rawatan tersebut.

Kemudian kita pergi ke apa yang kita panggil amalan penjagaan standard, yang agak jelas teknik yang doktor berkongsi tentang bagaimana mereka akan merawat pesakit yang berbeza untuk pelbagai jenis penyakit, mengakui bahawa mereka benar-benar direka untuk orang biasa. Kemudian kami meletakkan di atas apa yang kami panggil kepakaran klinikal. Telah diajarkan oleh doktor terbaik dalam pelbagai penyakit apa yang perlu dicari dan di mana penjelasannya dan bagaimana untuk membuat alasan mengenai standard yang berbeza amalan penjagaan, yang mana yang paling sesuai atau bagaimana untuk mengambil laluan yang berbeza melalui amalan penjagaan yang berbeza dan kini menerapkannya dengan cara yang terbaik, tetapi akhirnya masuk dan melihat kesusasteraan klinikal, semua beratus-ratus ribu, 600, 000 artikel dalam PubMed mengenai kemajuan dalam sains yang telah berlaku dalam bidang yang relevan sekarang membuat cadangan rawatan ini.

Semuanya adalah aspek algoritma yang berbeza yang kami gunakan pada fasa-fasa yang berlainan dalam proses itu, yang semuanya telah diajar dengan meletakkan beberapa doktor terbaik di dunia di hadapan sistem ini dan memakainya menggunakan sistem dan membetulkan sistem apabila mereka melihat sesuatu yang salah, dan mempunyai sistem itu secara asasnya menerusi penggunaannya untuk memperbaiki prestasinya sendiri. Kami menggunakannya secara khusus dalam hal onkologi untuk membantu memberitahu doktor di lapangan tentang pilihan rawatan yang mereka mungkin tidak akrab, atau walaupun mereka mempunyai kebiasaan dengannya mungkin tidak mempunyai pengalaman sebenar dengan dan tidak benar-benar memahami bagaimana pesakit mereka akan bertindak balas terhadapnya dan bagaimana untuk mendapatkan tindak balas yang paling berkesan daripada pesakit mereka.

Yang pada dasarnya telah dilakukan adalah demokrasi kepakaran. Kita boleh mengambil doktor terbaik di Memorial Sloan Kettering yang mempunyai manfaat melihat beribu-ribu pesakit setiap tahun di sekitar penyakit yang sama dari mana mereka telah mengembangkan kepakaran yang luar biasa ini, menangkap yang dalam sistem kognitif, membawa itu kepada komuniti atau penetapan klinik serantau di mana doktor-doktor mungkin tidak mempunyai banyak masa bekerja dengan penyakit yang sama di sebilangan besar pesakit yang berbeza, memberi mereka kesempatan untuk mendapat manfaat daripada kepakaran yang sekarang telah ditangkap dalam sistem kognitif.

Saya fikir idea mengedarkan kepakaran itu, yang pertama sekali, menangkapnya adalah tugas yang tidak remeh, tetapi kemudian setelah anda melakukannya, dapat mengedarkannya di seluruh planet ini, anda akan mempunyai kepakaran doktor terbaik di Memorial Sloan Kettering dapat disampaikan di China, di India, di klinik-klinik kecil, dan saya fikir itu sangat luar biasa.

Ia mempunyai kesan sosial yang luar biasa terhadap kebajikan kita, mengenai kesihatan kita, mengenai perkara-perkara yang akan memberi manfaat kepada kita sebagai sebuah masyarakat.

Di sisi lain, perkara yang melibatkan orang-orang mengenai kecerdasan buatan adalah bahawa ia akan menggantikan orang, ia akan menggantikan pekerjaan. Ia terikat kepada pergerakan automasi. Perkara yang menyerang saya ialah tinggal di ruang perubatan, ahli radiologi. Radiologi melihat beratus-ratus dan beratus-ratus slaid sehari. Watson atau sistem berasaskan AI dapat meniru jenis diagnosis dan analisis imej yang sama. Sepuluh tahun dari sekarang, adakah anda berfikir bahawa akan ada lebih kurang atau kurang ahli radiologi manusia yang bekerja di Amerika Syarikat? Apakah impak terhadap industri seperti itu?

Kesannya sebenarnya adalah untuk membantu orang melakukan pekerjaan yang lebih baik. Ini benar-benar mengenai… ambil dalam kes doktor. Sekiranya doktor kini boleh membuat keputusan yang lebih dimaklumkan, berdasarkan bukti sebenar, yang disokong oleh fakta-fakta terkini dalam sains, yang lebih khusus dan spesifik kepada pesakit individu, ia membolehkan mereka benar-benar melakukan tugas mereka dengan lebih baik. Bagi ahli radiologi, ia boleh membenarkan mereka melihat perkara dalam imej yang mereka mungkin tidak dapat ketinggalan. Ia bukannya menggantikannya. Ini mengenai membantu mereka melakukan tugas mereka dengan lebih baik.

Ia mempunyai beberapa dinamik yang sama bahawa setiap alat yang pernah kita buat dalam masyarakat. Saya ingin mengatakan jika anda kembali dan melihat 10, 000 tahun terakhir masyarakat moden sejak kemunculan revolusi pertanian, kami telah menjadi alat pembinaan masyarakat manusia, tukul, penyodok, hidraulik, kobar, tuas dan banyak alat-alat ini telah paling tahan lama apabila apa yang sebenarnya mereka lakukan adalah memperkuat manusia, menguatkan kekuatan kita, memperkuat pemikiran kita, memperkuat jangkauan kita.

Itulah cara untuk berfikir tentang perkara ini, adalah bahawa ia akan mempunyai utiliti utamanya apabila ia membolehkan kita melakukan apa yang kita lakukan dengan lebih baik daripada yang kita dapat dengan diri sendiri, apabila gabungan manusia dan alat bersama-sama lebih besar daripada sama ada satu daripada mereka akan menjadi milik mereka. Itulah cara kita memikirkannya. Begitulah cara kami mengembangkan teknologi. Itulah kegunaan ekonomi.

Saya benar-benar setuju, tetapi saya fikir ada industri yang disingkirkan kerana kecekapan yang diperkenalkan oleh sistem pintar ini.

Mereka akan dialihkan. Ya, mereka akan dipindahkan. Saya tidak mahu mengurangkan maksud itu dengan mengatakan cara ini, tetapi saya juga ingin memastikan bahawa kita tidak memikirkan perkara ini sebagai penghapusan pekerjaan. Ini adalah mengenai mengubah pekerjaan yang dilakukan oleh orang ramai. Saya akan memberikan contoh kepada anda. Banyak perbincangan tentang bagaimana ini boleh mengambil pekerjaan di pusat panggilan. Nah, rasa apa? Terdapat banyak kerja yang dilakukan oleh ejen pusat panggilan yang mereka tidak perlu lakukan, mereka tidak suka melakukan, yang menjauhkan diri dari keupayaan mereka untuk melakukan perkara yang lebih menarik.

The churn yang kita lihat di pusat panggilan sebahagian besarnya didorong oleh hakikat bahawa jika anda berfikir tentang pekerjaan menjadi ejen pusat panggilan, anda duduk di akhir panggilan telefon mendengarkan pelanggan yang marah sepanjang hari meminta soalan yang sama lebih dan sekali lagi, dan sukar untuk pulang ke rumah pada waktu malam merasa sangat baik tentang apa yang anda lakukan pada hari itu. Sukar untuk membanggakan rakan-rakan dan keluarga anda tentang pekerjaan ini yang anda ada dan kebaikan yang anda lakukan ketika itu keadaan anda.

Jika kita boleh mendapatkan sistem kognitif melalui ejen perbualan untuk mengurangkan beberapa peratusan, katakan 30 peratus daripada panggilan tersebut masuk, dan menjawab soalan-soalan yang paling umum dan mendesak pelanggan dengan cepat, cekap, dan mengurus kerja duniawi, maka apa yang kiri selepas semua yang telah dijaga adalah jenis soalan yang dimiliki orang yang secara semula jadi memerlukan lebih banyak sentuhan manusia yang kemudiannya anda akan beralih kepada ejen pusat panggilan itu. Masalah yang mereka hadapi bagi pelanggan itu lebih menarik, lebih mencabar, mengharuskan mereka mempunyai lebih banyak usaha intelektual yang dimasukkan ke dalamnya, tetapi juga mereka berurusan dengan pelanggan yang berpuas hati. Mereka datang dengan lebih bahagia. Mereka tidak datang dalam keadaan marah tentang masalah mereka.

Untuk ejen pusat panggilan, ia sebenarnya telah meningkatkan kerja mereka. Ia sebenarnya membolehkan mereka melakukan tugas mereka dengan lebih baik dan lebih banyak dipenuhi oleh itu. Sementara itu, bagi pelanggan, bagi pengguna, mereka mendapat isu yang paling mendesak diselesaikan dengan cepat. Mereka tidak ditahan selama 10 minit. Mereka tidak menunggu untuk dibawa ke orang yang betul dengan pengetahuan yang betul sahaja. Mereka mendapatkan maklumat yang mereka perlukan dengan mudah dan dapat meneruskan kehidupan mereka dengan kemungkinan keputusan yang lebih baik, maklumat yang lebih baik atau sekurang-kurangnya maklumat yang lebih konsisten. Ia sebenarnya memberi manfaat kepada kedua-dua belah persamaan itu.

Ia menarik. Beberapa demo yang saya lihat hari ini ialah aplikasi pusat panggilan boleh menjangka dan mengesan keadaan emosi rakyat yang memanggil dengan sangat berkesan, jadi ini bukan hanya transaksional. Ia sebenarnya boleh membaca keadaan orang di hujung talian yang cukup baik.

Yang benar-benar penting jika anda berfikir; perbualan mempunyai dua elemen untuknya. Salah satunya ialah apa yang dikatakan oleh orang ramai untuk dimulakan pada umumnya bukanlah apa yang mereka ada di sana. Sekiranya saya berkata, "Apa keseimbangan saya?" Baiklah, itu bukan masalah saya. Ya, saya perlu tahu baki akaun saya, saya perlu tahu berapa banyak wang yang saya ada, tetapi masalah saya ialah saya cuba membeli sesuatu, atau saya cuba mencari cara untuk mendapatkan wang dalam kedudukan yang tepat untuk membayar bil saya bulan ini, atau saya cuba menjimatkan pendidikan anak-anak saya. Masalah saya adalah lebih besar daripada soalan pertama yang saya tanya, dan perbualan haruslah mengenai masalah yang sebenarnya.

Ciri umum kedua perbualan ialah biasanya ia membawa sejenis busur emosi kepadanya. Orang-orang datang dalam keadaan emosi tertentu, dan sebahagian daripada perbualan adalah untuk memindahkan mereka melalui peralihan emosi yang seringkali bermaksud memindahkan mereka daripada menjadi marah sekarang berpuas hati. Dalam sesetengah perbualan, kami mungkin dapat menerimanya. Ia sebenarnya mungkin sedikit panas. Anda melihat arka emosi yang bermula mungkin tenang dan kemudian bergerak ke perbincangan yang lebih perdebatan yang akhirnya dapat diselesaikan.

Menjadi sensitif dan menyedari keadaan emosi di pihak yang terlibat adalah bahagian penting untuk menjadi berkesan dalam perbualan itu.

Apakah beberapa aplikasi lain yang anda fikir adalah benar-benar transformatif yang tersedia hari ini?

Saya fikir mana-mana daripada mereka, apa yang kita lakukan adalah melibatkan pengguna, pelanggan, dengan cara yang memberi inspirasi kepada mereka. Untuk saya, akhirnya, dan sekali lagi kembali kepada perbualan sebagai contoh, biasanya apabila manusia masuk ke perbualan, kita datang ke meja dengan idea. Anda mempunyai idea. Saya ada satu cadangan. Idea permulaan ini adalah permulaan perbualan, dan sepanjang perbualan kita berkembang ide itu. Kami menggabungkan mereka. Kami menggabungkan mereka. Kami mungkin menolaknya atau menguatkannya. Kami berkembang ke titik di mana keluar dari perbualan kita mempunyai idea yang lebih baik, mudah-mudahan. Idealnya.

Untuk melakukan itu, harus ada bukan sahaja memberi dan mengambil, tetapi elemen bagaimana anda memberi inspirasi kepada seseorang? Bagaimanakah anda menyebabkan orang untuk mengaktifkan imaginasi mereka? Bagaimana anda membuat mereka berfikir tentang sesuatu yang mereka tidak fikirkan sebelum atau melihat sesuatu dalam cahaya yang mereka tidak fikirkan sebelumnya atau untuk melihat sudut pandang lain yang membawa mereka ke jalan yang mereka tidak tahu fikirkan, untuk bertanya soalan yang mereka tidak berfikir untuk bertanya? Contohnya, ini adalah situasi yang saya fikir paling menjanjikan dan akan memberi manfaat yang besar kepada orang.

Adakah itu terjadi hari ini, atau adakah sesuatu yang perlu berlaku ketika teknologi berubah?

Tidak, ia berlaku. Kami ada contoh yang berlaku sekarang. Malah, kembali kepada onkologi sebagai contoh, untuk doktor terbaik di dunia, pilihan rawatan yang sedang dibentangkan mungkin jelas kepada mereka untuk sebahagian besar. Mungkin ada satu daripada sepuluh kes di mana mereka mungkin berkata, "Baiklah, tunggu sebentar, itulah idea yang menarik." Ia tidak akan kerap, tetapi, seperti yang anda katakan sebelum ini, jika kita mengambilnya sekarang dalam tetapan komuniti, tetapan serantau, dan di kawasan yang tidak mempunyai tahap kepakaran, hakikat bahawa sistem itu boleh memperkenalkan idea-idea baru, pilihan rawatan baru, ia benar-benar mengenai memperkenalkan idea-idea baru. Kita lihat sudah.

Kemudian, tentu saja, bergerak melampaui apa yang saya fikir telah menjadi senario chatbot klasik yang saya fikir sesetengah daripada kita mula melihat dalam contoh yang berbeza sekarang suatu keadaan di mana jika seseorang memberi tanda penipuan kad kredit pada kad kredit mereka dan mereka pergi ke seorang chatbot hari ini, ia mungkin semata-mata, "Adakah urus niaga itu sesuatu yang anda lakukan atau tidak, jika itu, maka baiklah, jika tidak, maka kita akan melakukan sesuatu untuk membatalkan urus niaga itu, " sekarang, "Baiklah, anda perlu kad kredit baru Di manakah tempat terbaik untuk mendapatkannya? Sekiranya kami menghantarnya kepada anda, Sekiranya kami tidak menghantarnya kepada anda, anda sudah bersedia untuk pergi dalam perjalanan ini. tidak akan dapat menghantarnya kepada anda. Kita perlu mendapatkannya lebih cepat daripada itu.

"Oh, awak pergi ke luar negara Mungkin ada pilihan kad kredit di sini yang tidak terdedah kepada anda sebelum ini, tidak tahu tentang, di mana kami mengendalikan pertukaran mata wang untuk memihak kepada anda dengan lebih baik Oh, anda menggunakan ini untuk perniagaan Ini adalah perjalanan ke luar negeri. Anda menggunakan ini untuk perbelanjaan perniagaan. Nah, ini kad kredit yang mempunyai kadar faedah yang lebih sesuai untuk itu. " Ini adalah semua contoh yang sangat mudah, tetapi setiap satunya membuka satu set idea baru yang tidak lazim berlaku dalam chatbot mudah anda hari ini dan dapat benar-benar menjadi sangat memberdayakan manusia.

Titik menarik ada kerana anda akan melalui semua pilihan tersebut, pada masa lalu itu akan menjadi skrip. Terdapat skrip dengan beberapa cawangan. Ia akan ditetapkan terlebih dahulu. Ia adalah perkara yang sangat berbeza apabila chatbot melakukannya sebenarnya yang bertindak balas kepada maklumat yang anda berikan dan maklumat yang telah anda berikan dan mengarahkan anda ke laluan yang belum diskrit. Ia tahu bahawa anda sedang dalam perjalanan, tetapi anda tidak semestinya memberitahu. Ia mendapati maklumat dari sejarah e-mel anda.

Ia dapat mencari perkara tentang anda yang ditemui di sepanjang jalan.

Kami bercakap mengenai onkologi kerana ia merupakan satu contoh hebat. Kami bercakap mengenai chatbots kerana kebanyakan orang mempunyai interaksi dengan mereka. Tetapi ini adalah teknologi yang benar-benar skala di setiap industri. Sukar untuk memikirkan industri yang tidak akan mempunyai beberapa komponen kognitif kepadanya. Adakah terdapat contoh-contoh yang hanya ada di luar sana yang belum dipikirkan oleh orang lain?

Perkara yang menakjubkan kepada saya adalah bagaimana setiap hari seseorang datang dengan idea baru. Itulah sebabnya saya fikir kita berada dalam fasa yang sangat menarik, kerana dengan menumpukan pada penguraian apa yang kita ada dari segi keupayaan kognitif ke dalam perkhidmatan blok bangunan, ia benar-benar membebaskan orang untuk menggunakan imaginasi mereka dan pergi mengejar idea yang telah kita tidak pernah dipertimbangkan sebelum ini, sama ada menggunakan pengiktirafan visual untuk meninjau landskap.

Di California, misalnya, sebuah syarikat di sana menggunakan pengiktirafan visual untuk melihat topografi dan topologi dan mengenali dalam imej perbezaan antara permukaan konkrit, permukaan bumbung asfalt, permukaan rumput, pokok dan pokok renek dan perkara-perkara ini, untuk menganggarkan berapa banyak air yang sedang digunakan dan di mana terdapat kebocoran air dan perkara-perkara yang boleh dilakukan untuk meningkatkan penggunaan air yang cekap, sebagai contoh.

Atau, di arena undang-undang, menggunakan perkara-perkara ini untuk pergi dan membantu peguam membaca dengan berjuta-juta dan berjuta-juta halaman bahan latar belakang yang sama seperti mencari jarum dalam jerami. Di manakah satu kertas yang sangat relevan dengan kes ini? Cuba untuk menyusun semua itu. Peluang hanya besar sekali.

Saya fikir bahawa salah satu daripada kelayakan tersebut adalah mempunyai banyak data yang perlu dihuraikan. Anda bercakap mengenai rekod perubatan dan dapat mengimbas rekod perubatan untuk maklumat yang relevan. Rekod-rekod tersebut sepanjang hayat anda boleh menjadi beratus-ratus muka surat yang panjang. Itulah perkara yang, mungkin doktor keluarga anda mempunyai pengetahuan tentang itu, tetapi mereka tidak akan mengingati semuanya, sedangkan sistem tidak pernah terlupa.

Yeah. Seorang doktor mungkin mempunyai lima, mungkin sepuluh minit untuk melihat sejarah perubatan sebelum datang dan berunding dengan anda, namun ada pelbagai jenis maklumat yang sangat relevan yang mungkin dalam sejarah anda, masa lalu anda, bahawa dalam keadaan lain mereka akan terlepas hanya kerana mereka tidak mempunyai masa, bahawa jika mereka mempunyai yang akan membuat perbezaan.

Fikirkan tentang keadaan di mana jika seorang wanita memberitahu doktor bahawa ibunya hanya meninggal akibat kanser payudara dua tahun lalu. Well, kemungkinan bahawa doktor akan mencatatkan bahawa dalam rekod itu, tetapi pada masa ini, jika wanita ini datang dalam membentangkan benjolan di payudaranya, dan jika doktor itu tidak melihat itu, baiklah, itu adalah sekeping yang sangat penting hilang maklumat. Sekarang, mungkin mereka akan mencari semula dengan bercakap dengan pesakit, tetapi mungkin tidak. Adakah anda benar-benar mahu mengambil risiko tidak mengetahui bahawa apabila sesuatu seperti itu begitu asing?

Ciri-ciri utama untuk mana perkara ini cenderung berguna ialah anda menyebut di mana terdapat banyak dan banyak data. Ya, tetapi sebenarnya, apabila ada aspek-aspek siapa kita sebagai manusia, di mana keupayaan kognitif kita mula mencapai batasnya. Kami pandai membaca. Kita boleh membaca sesuatu. Kita boleh mengasimilinya. Kita boleh menyesuaikan diri dengan maklumat dan memanfaatkannya dengan cara yang sangat kuat sebagai manusia. Tetapi kita tidak begitu baik membaca banyak data. Kita tidak boleh… Idea membaca berpuluh-puluh ribu, seratus ribu, berjuta-juta halaman kesusasteraan dalam sehari jauh melebihi kemampuan kita.

Persoalannya menjadi, ketika kita berkembang menjadi sebuah dunia di mana jumlah maklumat yang dihasilkan setiap hari berkembang pesat, berapa banyak lagi maklumat yang kita tidak menggunakan yang memiliki maklumat di dalamnya, mempunyai sedikit maklumat tentang itu mutlak kritikal terhadap keputusan yang perlu kita buat adalah kita tidak dapat? Jika bukan jumlah maklumat yang kita baca, itu: Berapa banyak yang kita asimilasikan? Berapa banyak yang kita boleh ingat? Adakah kita dapat melihat corak-corak kecil yang berkaitan dengan maklumat itu kepada keputusan kita?

Terdapat banyak perkara yang kita sebagai manusia yang baik. Terdapat juga banyak perkara yang kita tidak begitu baik, dan itulah yang saya fikirkan di mana pengkomputeran kognitif benar-benar mula membuat perbezaan yang besar, adalah apabila ia dapat menembus jarak itu untuk membentuk jurang itu.

Nampaknya cukup jelas ini adalah dunia yang kita bergerak. Betapa siapakah kita? Apakah yang anda lihat pada sistem pendidikan kita, ekonomi kita, struktur politik kita? Bagaimana dengan baiknya kita hidup di dunia dengan jenis pengkomputeran kognitif ini sebagai komponen?

Ia menarik. Ini menarik pada salah satu mata nilai utama yang kita miliki sebagai manusia, yang merupakan keupayaan kita untuk menyesuaikan diri. Sekiranya anda melihatnya dalam istilah yang diskret, di mana keadaan ini berlaku, dan jika kita melangkah maju 10 tahun dan melihatnya dan berkata, "Di manakah kita akan 10 tahun? Adakah kita bersedia untuk itu?" jawapannya mungkin, tidak. Ada banyak lagi yang perlu kita lakukan. Tetapi manusia mempunyai keupayaan yang luar biasa untuk menyesuaikan diri dengan lalat dan berkembang dengan perubahan yang berlaku di sekitar mereka.

Berpikir kembali 10 tahun yang lalu apabila telefon pintar itu benar-benar baru mulai tersedia untuk kita, apalagi popular, dan berapa banyak perubahan yang kita alami sebagai sebuah masyarakat selama 10 tahun yang lalu. Pikirkan tentang kehidupan anda seperti setiap hari dengan dan tanpa telefon pintar anda. Kita boleh membuat aduan tentang betapa banyaknya ia dapat menjauhkan diri dari pengalaman lain, dan itu mungkin benar, tetapi maksudnya ialah, kita tidak menghabiskan banyak masa 10 tahun yang lalu, yang telah dirahsiakan, sudah siap sebagai masyarakat, walaupun sebenarnya kita telah mengalami banyak perubahan sepanjang 10 tahun yang lalu yang mungkin kita tidak menyedari sepenuhnya ketika kita menyerap perubahan teknologi ini dan mula menggunakannya dengan cara yang sangat berkesan.

Ada banyak yang perlu kita lakukan. Ada banyak yang akan kita lakukan dari masa ke masa, banyak pertumbuhan yang akan kita jalani, banyak pendidikan dan politik dan perkara-perkara lain yang kita perlu melalui perubahan, tetapi kita akan.

Kami akan sampai kepada soalan terakhir saya. Apakah trend teknologi yang paling menyangkut anda? Adakah terdapat apa-apa yang membuatkan anda bangun pada waktu malam?

Saya fikir bahawa kebimbangan terbesar yang saya ada sekarang ialah orang perlu mengambil tanggungjawab. Kami sebagai jurutera dan penyedia teknologi, pengguna teknologi, orang yang bertanggungjawab untuk mengawal selia teknologi, benar-benar perlu sedar dan berfikir sekarang apa yang kita mahu lakukan untuk melindungi diri kita dan mempersiapkan diri untuk perubahan yang berlaku. Ia tidak akan kerana kita tidak akan menyesuaikan diri dengannya. Kami akan. Masalahnya sudah tentu, dalam proses menyesuaikannya, kita juga tidak akan menyedari apa yang sedang dilakukan dan bagaimana ia mempengaruhi kita dan di mana orang mungkin mengeksploitasi teknologi itu dengan cara yang kita tidak suka, bahawa kita Tidak selesa dengan, atau dalam keadaan teliti, kita tidak semestinya mahu.

Saya fikir kita perlu sedar dan berfikir tentang apa yang kita lakukan dan kita tidak mahu berlaku dalam kehidupan kita dengan teknologi ini. Khususnya, vendor khususnya, kami sebagai pembekal teknologi ini, dan orang-orang yang memakan komponen teknologi ini dan membina aplikasi daripada itu sepatutnya pada masa ini menganggap tanggungjawab untuk tingkah laku etika atau tingkah laku yang dilahirkan dari nilai etika.

Sebagai contoh, kami sangat mengesyorkan kepada mana-mana pemaju aplikasi kami, mana-mana institusi yang membuat aplikasi menggunakan teknologi ini, bahawa mereka menjadi sangat telus dengan pengguna akhir tentang hakikat bahawa ini adalah aplikasi kognitif, ia adalah komputer, dan tidak cuba untuk menyamar sebagai manusia sejati, sebagai contoh. Jangan berpura-pura. Jangan biarkan perkara ini berpura-pura.

Jangan meniru.

Jangan meniru dan jangan biarkan pelanggan anda mengelirukan untuk mempercayai bahawa perkara ini adalah orang yang sebenar. Secara etika, ia salah. Saya fikir ia mewujudkan risiko kerentanan. Seorang manusia yang berinteraksi dengan manusia boleh membuat andaian tertentu mengenai kelemahan kita, tentang ketidakupayaan kita untuk menyimpan banyak maklumat, di mana ketika berurusan dengan sistem kognitif, kita perlu menyedari bahawa orang yang menyediakan kognitif itu penyelesaian mempunyai tanggungjawab terhadap privasi dan perlindungan maklumat yang kami sediakan. Kita tidak sepatutnya melupakan fakta itu.

Dari segi teknologi pada terbalik, teknologi apa yang anda gunakan setiap hari yang hanya memberi inspirasi? Apa yang mengubah hidup anda?

Saya fikir hakikat bahawa saya kini boleh mendapat akses kepada maklumat itu, walaupun saya boleh mendapatkannya di internet, kami mempunyai maklumat yang tersedia kepada kami di internet untuk masa yang lama, tetapi seringkali kami berhenti cuba mendapatkan maklumat itu kerana ia amat menggembirakan. Saya tidak melihat beberapa peralatan kamera, dan hanya cuba membuat keputusan tentang pertukaran antara kamera yang berbeza-

Saya akan menghantar pautan kepada panduan pembeli kami.

Itupun dia. Ia menjadi sangat menggembirakan, namun anda perlu bergantung pada orang lain untuk memberikan nasihat untuk anda dan mengandaikan bahawa mereka telah melakukan penyelidikan untuk anda, tetapi walaupun itu, mereka melakukannya berdasarkan beberapa anggapan yang mereka buat tentang apa anda perlukan dan apa yang anda sayangi. Pada satu ketika anda hanya menyerah dan anda berkata, "Baiklah, baiklah, beritahu saya apa yang perlu dilakukan, saya akan melakukannya." Atau anda pergi ke sejumlah besar laman web dan anda melihat semua pendapat ini dan ia hanya menjadi mengelirukan dan bercanggah dan anda berkata, "Baiklah, dengan semua mereka, saya akan pergi dengan apa yang saya suka."

Sekarang, kerana sistem ini dapat mengumpul dan mengasimilasi dan menyusun jumlah maklumat yang banyak, bahkan bagi orang-orang yang membuat cadangan, bahkan bagi penasihat, ia memberi faedah kepada mereka kerana ia membantu mereka melakukan pekerjaan yang lebih baik. Cara yang saya suka katakan adalah ia tidak melakukan pemikiran kita untuk kita, ia adalah penyelidikan kita untuk kita supaya kita boleh melakukan pemikiran kita dengan lebih baik, dan itu benar kepada kita sebagai pengguna akhir dan ia benar penasihat. Memang benar sesiapa sahaja yang menjadi peranannya.

Saya fikir permohonan itu, kerana kita sentiasa cuba membantu orang membuat keputusan membeli. Kami tidak jauh dari sistem yang dapat melihat semua foto yang telah diambil selama lima tahun yang lalu, lihat bahawa anda suka melakukan fotografi hidupan liar atau bunga penutupan bunga, dan kemudian membuat cadangan kamera berdasarkan gambar-gambar yang anda mengambil.

Itu betul. Flamingos. Saya tidak tahu mengapa.

Ini adalah kamera terbaik untuk mengambil gambar flamingo.

Flamingos, betul.

Kami hampir di sana. Teknologi wujud, ia belum diprogramkan lagi.

Yeah.

Atau diajar, seperti yang kita lakukan hari ini. Rob High, terima kasih kerana melakukan ini.

Terima kasih banyak - banyak.

Untuk lebih maju dengan Dan Costa, langgan podcast. Di iOS, muat turun aplikasi Podcast Apple, cari "Maju Terus" dan langgan. Di Android, muat turun aplikasi Stitcher Radio untuk Podcast melalui Google Play.