Minggu ini sebuah laporan oleh PwC menemukan bahwa kecerdasan buatan dapat menambah sebanyak $ 15,7 triliun - sekitar sama dengan output gabungan dari Cina dan India - ke ekonomi global pada tahun 2030.
Semua orang sepakat bahwa itu adalah teknologi yang dapat mengubah dunia, dan dari eksplorasi ruang angkasa untuk melawan terorisme dan bahkan menciptakan seni , potensinya menjadi semakin jelas.
Ini masih menghadapi rintangan yang signifikan - tantangan yang harus diatasi sebelum potensi itu dapat dicapai. Banyak yang melihat memenuhi tantangan itu sebagai tugas prioritas utama untuk industri teknologi saat ini.
Kurangnya daya komputasi
Mari kita mulai dengan yang mudah, dan yang mungkin akan dipecahkan seiring waktu, meskipun sampai saat itu tiba, tidak seharusnya diterima begitu saja.
Kecerdasan Buatan - khususnya pembelajaran mesin dan teknik pembelajaran mendalam yang menunjukkan banyak harapan, membutuhkan sejumlah besar perhitungan yang harus dibuat dengan sangat cepat. Ini berarti mereka menggunakan banyak kekuatan pemrosesan.
Stephen Brobst, CTO di Teradata, memberi tahu saya, “Sampai sekitar dua tahun yang lalu ada tembok bata - Kecerdasan Buatan telah ada secara teori sejak lama, tetapi telah berada di musim dingin Kecerdasan Buatan semacam ini karena semua orang punya ide bagus tetapi mereka semua teori dan tidak ada kekuatan komputasi yang cukup untuk mengimplementasikannya, jadi siapa yang peduli? "
Komputasi awan dan sistem pemrosesan paralel masif adalah yang telah memberikan jawaban dalam jangka pendek. Tetapi ketika volume data terus tumbuh, dan pembelajaran mendalam mendorong penciptaan otomatis algoritma yang semakin kompleks, hambatan akan terus memperlambat kemajuan.
Jawabannya kemungkinan terletak pada pengembangan infrastruktur komputasi generasi mendatang, seperti komputasi kuantum, yang memanfaatkan fenomena sub-atomik seperti keterikatan untuk melakukan operasi pada data yang jauh lebih cepat daripada komputer saat ini.
“Pada kenyataannya, kita setidaknya lima, lebih mungkin 10 tahun dari itu,” kata Brobst kepada saya. “Kita harus mencari tahu model pemrogramannya, karena model pemrograman untuk kuantum benar-benar berbeda dari yang kita gunakan sekarang - harus ada reinvention dan itu akan memakan waktu.”
Kurangnya Sumber Daya Manusia
Sampai baru-baru ini, Kecerdasan Buatan telah menjadi sesuatu yang dibicarakan oleh penulis fiksi ilmiah dan bekerja di kedalaman laboratorium penelitian TI universitas. Dengan kata lain, tanpa case use market massal tidak ada banyak uang di dalamnya (kecuali Anda membuat film-film Hollywood tentang robot yang mengambil alih bumi).
Ini berarti ada relatif sedikit organisasi yang mau menanamkan uang dalam pengembangan keterampilan ini, dan subjek tidak terwakili dengan baik dalam kurikulum pendidikan dan pelatihan yang berfokus pada industri.
Dengan ledakan minat dalam beberapa tahun terakhir, semua ini telah berubah. Kursus sains data yang berfokus pada keterampilan inti yang diperlukan untuk pengembangan Kecerdasan Buatan - matematika, ilmu komputer dan statistik - telah menjadi lazim dan umumnya terlalu banyak berlangganan.
Tetapi masih ada orang yang tidak cukup untuk memungkinkan setiap bisnis atau organisasi untuk melepaskan visi mereka tentang kemajuan mesin di dunia. Seperti halnya di bidang sains dan teknologi lainnya, ada kekurangan keterampilan - tidak cukup banyak orang yang tahu cara mengoperasikan mesin yang berpikir dan belajar sendiri.
Beberapa kekuatan sedang bekerja yang harus bertindak untuk memperbaiki situasi ini, diberikan waktu. Salah satunya adalah munculnya apa yang sering digambarkan sebagai "ilmuwan data warga". Ada profesional yang, meskipun tidak secara formal dilatih atau terutama dipekerjakan sebagai spesialis data, mengembangkan kompetensi praktis dalam bekerja dengan data dan analitik, biasanya untuk memajukan pekerjaan mereka di bidang spesialisasi mereka sendiri.
Yang lainnya adalah langkah untuk menyediakan platform dan alat yang memungkinkan pekerjaan yang digerakkan oleh Kecerdasan Buatan sebagai layanan. Daripada harus membangun semuanya dari awal, organisasi semakin mampu mengambil solusi yang sudah jadi dan cukup memasukkan data mereka sendiri - memanen hasil yang mengabaikan operasi teknis yang terjadi "di belakang layar".
Membangun kepercayaan
Brobst memperkirakan bahwa pada tahun 2020 akan ada pemberontakan oleh "berisik 10 persen" terhadap penangguhan Kecerdasan Buatan telah mengambil alih hidup kita. “Masalahnya adalah Kecerdasan Buatan adalah kotak hitam - orang tidak merasa nyaman ketika mereka tidak mengerti bagaimana keputusan itu dibuat. ”
"Misalnya algoritma yang digunakan oleh bank terutama matematika linier dan cukup mudah untuk menjelaskan jalur dari input ke output - 'Saya menolak aplikasi hipotek Anda karena, Anda tidak memiliki pekerjaan, atau apa pun ... "
"Dengan jaringan saraf multi-layer, rata-rata manusia tidak mengerti, jadi sekarang kita membuat prediksi berdasarkan hal-hal yang tidak dimengerti orang dan itu akan membuat orang tidak nyaman."
Meskipun pemberontakan ini lebih cenderung mengambil bentuk kampanye media sosial dan boikot, daripada menghancurkan mesin dan membakar pabrik perakitan, itu adalah rintangan yang dapat menggagalkan upaya untuk mendorong kemajuan.
Solusinya di sini adalah membuat orang melihat bahwa teknologi ini berfungsi, saran Brobst. “Kenyataannya adalah bahwa ada peluang besar untuk membuat segalanya lebih baik dengan memiliki prediksi yang lebih akurat, dan resep.
"Kita harus membuat manusia memahami dan menerima rekomendasi itu - tetapi itu tidak berarti mengatakan kita tidak boleh menantang mesin, karena kita mungkin masih tahu sesuatu yang tidak mereka ketahui."
Legislasi, yang sejauh ini gagal total untuk mengimbangi kecepatan kemajuan teknologi, kemungkinan akan berperan dalam hal ini. Tumbuhnya kesadaran konsumen akan semakin banyaknya keputusan yang dibuat oleh mesin, menggunakan data pribadi kami sendiri, telah mendorong anggota parlemen untuk mengatasi masalah dari sudut pandang kami (konsumen). Salah satu contoh adalah GDPR, yang akan mulai berlaku di UE tahun depan (dan memengaruhi siapa pun yang berurusan dengan data pribadi warga negara Uni Eropa, di mana pun mereka berada di dunia.
Ini menimbulkan masalah melangkahi pemerintah, juga, pikir, kata Brobst. Sebagai contoh, bagian dari peraturan tersebut menyatakan bahwa warga negara dapat memiliki hak untuk memiliki penjelasan untuk keputusan yang dibuat tentang mereka oleh Kecerdasan Buatan.
“Di bawah interpretasi GDPR yang sangat ketat saya dapat menuntut itu, katakanlah, Netflix, menjelaskan mengapa film itu merekomendasikan film itu kepada saya. ”
“Bagi Netflix, ini adalah hal-hal yang sangat rahasia, eksklusif, mutakhir yang telah menghabiskan banyak waktu dan uang untuk berkembang. Bagi saya rasanya tidak masuk akal bahwa jika saya menginvestasikan trilyun dolar membangun mesin rekomendasi, siapa pun dapat mencurinya dari saya. ”
Pikiran satu arah
Tantangan terakhir yang patut dipertimbangkan adalah bahwa sebagian besar implementasi Kecerdasan Buatan yang digunakan saat ini sangat terspesialisasi.
Kecerdasan Buatan khusus, sering disebut sebagai “Kecerdasan Buatan yang diterapkan”, dibuat untuk melakukan satu tugas khusus dan belajar untuk menjadi lebih baik dan lebih baik dalam hal itu. Ia melakukan ini dengan mensimulasikan apa yang akan terjadi dengan setiap kombinasi nilai input, dan mengukur hasilnya, hingga output paling efektif tercapai.
Kecerdasan Buatan yang digeneralisasi - seperti robot yang kuat seperti Data Star Trek, yang mampu mengarahkan tangan mereka ke tugas apa pun seperti yang dilakukan manusia, masih akan menjadi mimpi fiksi ilmiah untuk beberapa waktu lagi.
Seperti Raja Hadsell, ilmuwan riset Kecerdasan Buatan dengan Google, mengatakan, "Tidak ada jaringan saraf di dunia, dan tidak ada metode saat ini yang dapat dilatih untuk mengidentifikasi objek dan gambar, memainkan penyerbu ruang dan mendengarkan musik."
Masalahnya di sini adalah bahwa organisme cerdas "alami" seperti manusia mampu mempertimbangkan pembelajaran dan data dari tugas-tugas selain yang sedang kita kerjakan. Kemampuan untuk memanfaatkan sumber daya selain yang langsung terlihat, untuk mengatasi masalah, dikenal oleh klise seperti pemikiran "out-of-the-box" atau "langit biru" dan merupakan unsur masalah manusia. -menyelesaikan dan kecerdikan yang Kecerdasan Buatan saat ini fokus, berpikiran tunggal dan sering obsesif tidak mungkin untuk ditiru dalam waktu dekat.
Ini berarti Kecerdasan Buatan harus diajarkan untuk memastikan bahwa solusi mereka tidak menyebabkan masalah lain, lebih jauh ke depan, di area di luar yang mereka dirancang untuk dipertimbangkan. Ini termasuk belajar untuk tidak menginjak-injak Kecerdasan Buatan lain. Misalnya, di kota yang cerdas, mudah untuk membayangkan efek dari satu sistem Kecerdasan Buatan - mengelola pencahayaan keamanan, katakanlah - bertentangan dengan yang lain, seperti mengatur penggunaan daya.
Keempat tantangan utama yang harus diatasi Kecerdasan Buatan dalam waktu dekat ini tentu saja tidak dapat diatasi. Tetapi solusi harus diimplementasikan sebelum Kecerdasan Buatan akan hidup sesuai dengan potensinya yang sangat besar. Dalam kasus sebagian besar dari mereka - umumnya yang akan diselesaikan dengan kemajuan teknologi - pekerjaan itu sedang berlangsung. Namun, yang lain akan membutuhkan pikiran manusia untuk bersatu dan membangun prinsip-prinsip dan kode perilaku yang bisa diterapkan, sebuah proses yang bisa memakan waktu lebih lama.