Video: Augmented Intelligence: The weapon and shield of the future | David Benigson | TEDxBonnSquare (November 2024)
Deze aflevering van Fast Forward werd opgenomen in het IBM Watson Experience Center hier in New York City. Mijn gast was Rob High, vice-president en Chief Technology Officer van IBM Watson.
Dan Costa: Wat is de dominante misvatting die mensen hebben over kunstmatige intelligentie?
Rob High: Ik denk dat het meest voorkomende probleem dat we tegenkomen bij mensen die over AI praten, is dat ze nog steeds in de wereld leven waar ik denk dat Hollywood dit idee heeft versterkt dat cognitieve informatica, AI, gaat over het repliceren van de menselijke geest, en het is echt niet. Dingen zoals de Turing-test hebben de neiging om te versterken dat wat we meten het idee is dat AI kan concurreren met dwaze mensen om te geloven dat waar je mee te maken hebt een ander mens is, maar dat is echt niet waar we de grootste nut.
Dit gaat zelfs terug naar, als je naar bijna elke andere tool kijkt die ooit is gemaakt, zijn onze tools meestal het meest waardevol wanneer ze ons versterken, wanneer ze ons bereik vergroten, wanneer ze onze kracht vergroten, wanneer ze ons toestaan dingen te doen die we als mens niet alleen kunnen doen. Dat is echt de manier waarop we ook aan AI moeten denken, en voor zover we het eigenlijk augmented intelligence noemen, geen kunstmatige intelligentie.
Laten we het even hebben over die verschuiving, omdat het een geheel nieuw type computergebruik is. Het is de evolutie van computergebruik van waar we allebei mee zijn opgegroeid, een programmatisch computergebruik waarbij je computerberekening zou gebruiken om een zeer complex proces te bereiken en te beantwoorden, tot cognitief computergebruik, dat een beetje anders werkt. Kun je die overgang verklaren?
Waarschijnlijk is het grootste opmerkelijke verschil dat het zeer waarschijnlijk is, terwijl geprogrammeerd computergebruik echt gaat over het voorleggen van alle voorwaardelijke uitspraken die de dingen definiëren waar u op let en hoe u erop kunt reageren. Het is zeer deterministisch. Het is zeer wiskundig nauwkeurig. Met een klassiek geprogrammeerde computer kunt u een stuk software ontwerpen. Omdat je weet wat het wiskundige model is dat het vertegenwoordigt, kun je het wiskundig testen. Je kunt de juistheid ervan bewijzen.
Cognitief computergebruik is veel waarschijnlijker. Het gaat grotendeels over het testen van de signalen van de ruimtes waarop we ons richten, of dat nu visie of spraak of taal is, en proberen de betekenispatronen in die signalen te vinden. Zelfs dan is er nooit absolute zekerheid. Dit is gedeeltelijk omdat dat de manier is waarop het wordt berekend, maar ook omdat dat de aard is van de menselijke ervaring. Als je denkt aan alles wat we zeggen of zien of horen, proeven of aanraken of ruiken of iets dat deel uitmaakt van onze zintuigen, proberen wij als mensen altijd te evalueren wat dat echt is, en soms krijgen we het niet goed.
Wat is de kans dat toen ik die reeks geluiden hoorde, dit echt dit woord betekende? Wat is de kans dat toen ik deze reeks woorden zag, deze verklaring werd bedoeld? Wat is de kans dat wanneer ik deze vorm en een afbeelding zie dat ik ernaar kijk dat het dat object is? Zelfs voor mensen is dat een probabilistisch probleem, en in die mate is het altijd de manier waarop deze cognitieve systemen ook werken.
Als iemand naar je toe komt en ze hebben een probleem dat ze willen oplossen, denken ze dat daar een cognitieve computeroplossing voor is, ze komen naar Watson en zeggen: "Kijk, we gaan Watson gebruiken om het op te lossen dit probleem." Out of the box doet Watson niet veel. Ze moeten het leren hoe ze hun probleem kunnen oplossen. Kun je over dat onboarding-proces praten?
Eigenlijk moeten we het hier over twee dimensies hebben. Een daarvan is dat we ons enige tijd geleden realiseerden dat dit ding dat cognitief computergebruik wordt genoemd, echt groter was dan wij, het was groter dan IBM, het was groter dan elke andere leverancier in de industrie, het was groter dan een van de een of twee verschillende oplossingsgebieden waar we ons op zouden gaan richten, en we moesten het openstellen, en toen verschoven we van het focussen op oplossingen naar het echt omgaan met meer een platform van services, waarbij elke service echt individueel is gericht op een ander deel van de probleemruimte. Het is een component die in het geval van spraak strikt gericht is op het probleem van proberen je spraak te nemen en te herkennen welke woorden je in die spraak hebt uitgedrukt, of een afbeelding nemen en proberen te identificeren wat er in de afbeelding staat, of neem taal en probeer te begrijpen wat de betekenis ervan is, of neem een gesprek en neem hieraan deel.
Allereerst hebben we het nu over een reeks services, die elk iets heel specifieks doen, die elk proberen een ander deel van onze menselijke ervaring aan te pakken, en met het idee dat iedereen die een applicatie bouwt, iedereen die een sociaal, consumenten- of zakelijk probleem wil oplossen, kan dat doen door onze diensten te nemen en dat vervolgens in een applicatie samen te stellen. Dat is punt één.
Punt twee is het punt waarmee je bent begonnen, dat is goed, nu ik de service heb, hoe krijgen we het voor elkaar om de dingen te doen waarvan we willen dat het goed gaat? De techniek is er echt een van lesgeven. De probabilistische aard van deze systemen is gebaseerd op het feit dat ze zijn gebaseerd op machine learning of diep leren, en die algoritmen moeten worden geleerd hoe de patronen die betekenis vertegenwoordigen binnen een reeks signalen te herkennen, wat u doet door gegevens te verstrekken, gegevens die voorbeelden vertegenwoordigen van die situatie die u eerder had, waarbij u dat kunt labelen als: "Als ik die combinatie van geluiden hoor, betekent dit dit woord. Wanneer ik deze combinatie van pixels zie, betekent dit dat voorwerp." Toen ik die voorbeelden had, kan ik je nu naar het cognitieve systeem brengen, naar deze cognitieve diensten, en hen leren hoe ze beter kunnen herkennen wat het is dat we willen.
Ik denk dat een van de voorbeelden die dit echt goed illustreert, ligt in de medische ruimte, waar Watson artsen helpt beslissingen te nemen en grote hoeveelheden gegevens te parseren, maar dan uiteindelijk met hen samen aan een diagnose werkt. Kun je wat meer vertellen over hoe die training plaatsvindt en hoe de oplossing uiteindelijk tot betere resultaten leidt?
Het werk dat we in de oncologie hebben gedaan, is een goed voorbeeld van waar het eigenlijk een samenstelling is van meerdere verschillende soorten algoritmen die, op het werk dat moet worden uitgevoerd, op verschillende manieren worden gebruikt. We beginnen bijvoorbeeld met het bekijken van het medisch dossier, het bekijken van uw medisch dossier en het gebruiken van het cognitieve systeem om alle notities te bekijken die de clinici in de loop van de jaren hebben genomen dat ze met u samenwerkten en vinden wat we noemen relevante klinische informatie. Wat is de informatie in die medische notities die nu relevant zijn voor de consultatie waar u over gaat praten? Als we dat nemen, analyses van populatie-overeenkomst uitvoeren, proberen de andere patiënten te vinden, de andere cohorten die veel op u lijken, omdat dat de arts zal informeren over hoe hij moet denken over verschillende behandelingen en hoe die behandelingen geschikt voor u kunnen zijn en hoe je op die behandelingen gaat reageren.
Vervolgens gaan we in op wat we de standaard van zorgpraktijken noemen, wat relatief goed gedefinieerde technieken zijn die artsen delen over hoe ze verschillende patiënten voor verschillende soorten ziekten gaan behandelen, waarbij we erkennen dat deze echt zijn ontworpen voor de gemiddelde persoon. Vervolgens leggen we daar bovenop wat we klinische expertise noemen. Door de beste artsen in verschillende ziekten geleerd te hebben waar ze op moeten letten en waar de uitbijters zijn en hoe te redeneren over de verschillende normen van zorgpraktijken, welke van deze het meest geschikt is of hoe de verschillende paden door die verschillende zorgpraktijken kunnen worden gevolgd en pas ze nu op de best mogelijke manier toe, maar kijk eindelijk naar de klinische literatuur, alle honderdduizenden, 600.000 artikelen in PubMed over de wetenschappelijke vooruitgang die op dat gebied heeft plaatsgevonden die relevant zijn voor het maken van deze behandelaanbeveling.
Al die verschillende aspecten van algoritmen die we in verschillende fasen van dat proces toepassen, die we allemaal hebben geleerd door enkele van de beste artsen ter wereld voor deze systemen te plaatsen en ze het systeem te laten gebruiken en het systeem te corrigeren wanneer ze iets fout zien gaan, en het systeem in wezen leren door dat gebruik om zijn eigen prestaties te verbeteren. We gebruiken dat specifiek in het geval van oncologie om artsen in het veld te helpen informeren over behandelingsopties waar ze misschien niet bekend mee zijn, of zelfs als ze er enige bekendheid mee hebben, misschien geen echte ervaring mee hebben gehad en echt begrijpen hoe hun patiënten erop zullen reageren en hoe ze de meest effectieve respons van hun patiënten kunnen krijgen.
Wat dat in feite heeft gedaan, is de expertise democratiseren. We kunnen de beste artsen van Memorial Sloan Kettering nemen die het voordeel hadden letterlijk duizenden patiënten per jaar rond dezelfde ziekte te zien waarvan ze deze enorme expertise hebben ontwikkeld, die in het cognitieve systeem te vangen, naar een gemeenschap brengen of regionale kliniek waar die artsen mogelijk niet zoveel tijd hebben gewerkt met dezelfde ziekte bij een groot aantal verschillende patiënten, waardoor ze de mogelijkheid hebben om te profiteren van die expertise die nu in het cognitieve systeem is vastgelegd.
Ik denk dat het idee van het verspreiden van die expertise, in de eerste plaats, het vastleggen ervan een niet-triviale taak is, maar als je dat eenmaal hebt gedaan, en het echt over de hele planeet kunt verspreiden, zul je de expertise van de beste artsen van Memorial Sloan Kettering kunnen worden geleverd in China, in India, in kleine klinieken, en ik vind dat vrij uitzonderlijk.
Het heeft een enorme sociale impact op ons welzijn, op onze gezondheid, op de dingen die ons als samenleving ten goede zullen komen.
Aan de andere kant is het ding dat mensen bezighoudt met kunstmatige intelligentie dat het mensen gaat vervangen, het gaat banen vervangen. Het is verbonden met de automatiseringsbeweging. Wat me opvalt is, in de medische ruimte blijven, radiologen. Radiologen kijken honderden en honderden dia's per dag. Watson of een op AI gebaseerd systeem zou hetzelfde type diagnose en beeldanalyse kunnen repliceren. Denkt u dat er over tien jaar meer of minder menselijke radiologen in dienst zijn in de VS? Wat is de impact op dergelijke industrieën?
De impact gaat eigenlijk over het helpen van mensen om het beter te doen. Het gaat echt om… neem het in het geval van de dokter. Als de arts nu beter geïnformeerde beslissingen kan nemen, die zijn gebaseerd op echt bewijs, die worden ondersteund door de nieuwste wetenschappelijke feiten, die meer op maat zijn gemaakt en specifieker zijn voor de individuele patiënt, dan kunnen ze hun werk ook beter doen. Voor radiologen kan het hen in staat stellen dingen in het beeld te zien die ze anders zouden missen of waar ze door overweldigd zouden worden. Het gaat er niet om ze te vervangen. Het gaat erom hen te helpen hun werk beter te doen.
Het heeft een aantal van dezelfde dynamiek die elk hulpmiddel dat we ooit in de samenleving hebben gemaakt. Ik wil graag zeggen dat als je teruggaat en kijkt naar de laatste 10.000 jaar van de moderne samenleving sinds de komst van de agrarische revolutie, we als een menselijke samenleving gereedschappen, hamers, schoppen, hydraulica, katrollen, hefbomen en veel zijn geweest van deze tools zijn het meest duurzaam wanneer ze echt mensen versterken, onze kracht versterken, ons denken versterken, ons bereik vergroten.
Dat is echt de manier om over dit soort dingen na te denken, is dat het zijn grootste nut zal hebben wanneer het ons in staat stelt om te doen wat we beter doen dan we zelf zouden kunnen, wanneer de combinatie van de mens en de tool samen groter is dan een van beide van hen zouden zelf zijn geweest. Dat is echt de manier waarop we erover denken. Dat is hoe we de technologie ontwikkelen. Dat is waar het economische nut zal zijn.
Daar ben ik het helemaal mee eens, maar ik denk wel dat er industrieën zijn die worden ondervangen vanwege de efficiëntie van deze intelligente systemen.
Ze zullen worden overgezet. Ja, ze zullen worden overgezet. Ik wil dat punt niet verminderen door het zo te zeggen, maar ik wil er ook zeker van zijn dat we dit niet beschouwen als het elimineren van banen. Dit gaat over het transformeren van de taken die mensen uitvoeren. Ik zal je een voorbeeld geven. Veel discussie over hoe dit banen in het callcenter kan wegnemen. Wel, raad eens? Er is veel werk dat call center-agenten doen dat ze niet hoeven te doen, dat ze niet leuk vinden om te doen, dat hun vermogen om dingen te doen die interessanter zijn, wegneemt.
De wending die we in callcenters zien, wordt grotendeels gedreven door het feit dat als je nadenkt over de taak om een callcentermedewerker te zijn, je de hele dag aan het eind van het telefoongesprek luistert naar woedende klanten en dezelfde vraag stelt en opnieuw, en het is moeilijk om 's nachts naar huis te gaan met een heel goed gevoel over wat je die dag hebt gedaan. Het is moeilijk om tegen je vrienden en familie op te scheppen over deze baan die je hebt en hoe goed je het kunt doen als dat de situatie is waarin je je bevindt.
Als we het cognitieve systeem via een gesprekspartner een percentage kunnen laten lossen, laten we zeggen 30 procent van die oproepen binnenkomen en de meest voorkomende en dringende vragen van klanten snel, efficiënt beantwoorden en voor dat alledaagse werk zorgen, dan wat het enige dat overblijft, is het soort vragen dat mensen hebben die inherent meer een menselijke aanraking vereisen dan dat je je gaat wenden tot die call center agent. Het probleem waarmee ze voor die klant te maken hebben, is interessanter, uitdagender, vereist dat ze er meer intellectuele inspanningen in steken, maar ze hebben ook te maken met een klant die tevreden is. Ze komen een beetje gelukkiger aan. Ze komen niet helemaal boos over hun probleem.
Voor de callcenteragent heeft het hun taak zelfs verbeterd. Het maakt het eigenlijk mogelijk voor hen om hun werk beter te doen en daardoor meer te voldoen. In de tussentijd hebben ze voor de klant, voor de consument, hun meest dringende problemen snel opgelost. Ze zitten 10 minuten niet in de wacht. Ze wachten niet op de weg naar de juiste persoon met precies de juiste kennis. Ze krijgen de informatie die ze het meest nodig hebben en kunnen doorgaan met hun leven met waarschijnlijk een betere beslissing, zeker betere informatie of op zijn minst consistentere informatie. Het komt eigenlijk beide kanten van die vergelijking ten goede.
Het is interessant. Sommige van de demo's die ik vandaag heb gezien, zijn dat de callcentertoepassingen kunnen anticiperen op en de emotionele toestand kunnen detecteren van de mensen die vrij effectief bellen, dus het is niet alleen transactionele. Het kan eigenlijk de status van de persoon aan de andere kant van de regel behoorlijk goed lezen.
Dat is echt essentieel als je erover nadenkt; een gesprek heeft twee elementen. Een daarvan is dat wat mensen om te beginnen zeggen over het algemeen niet is waar ze echt voor zijn. Als ik zeg: "Wat is mijn balans?" Nou, dat is niet echt mijn probleem. Ja, ik moet mijn rekeningsaldo weten, ik moet weten hoeveel geld ik heb, maar mijn probleem is dat ik iets probeer te kopen, of ik probeer erachter te komen hoe ik geld in de juiste positie kan krijgen om te betalen mijn rekeningen deze maand, of ik probeer te sparen voor de opleiding van mijn kinderen. Mijn probleem is groter dan die eerste vraag die ik stelde, en een gesprek zou moeten gaan over het bereiken van dat echte probleem.
Het tweede gemeenschappelijke kenmerk van een gesprek is dat het meestal een soort emotionele boog met zich meebrengt. Mensen komen binnen in een bepaalde emotionele toestand en een deel van het gesprek is om hen door een emotionele verschuiving te bewegen die vaak betekent dat ze worden verplaatst van boos naar nu tevreden zijn. In sommige gesprekken komen we er misschien op in. Het kan zelfs een beetje warm worden. Je ziet een emotionele boog die misschien kalm begint en vervolgens naar een meer omstreden discussie gaat die uiteindelijk wordt opgelost.
Gevoelig zijn en zich bewust zijn van de emotionele toestand bij de betrokken partijen is een belangrijk onderdeel van effectief zijn in dat gesprek.
Wat zijn enkele van de andere applicaties waarvan u denkt dat ze echt transformerend zijn en die vandaag beschikbaar zijn?
Ik denk dat elk van hen, wat we doen, de gebruiker, de klant, betrekt op een manier die hen inspireert. Voor mij, uiteindelijk, en weer terugkomend op gesprekken als een voorbeeld, meestal wanneer mensen een gesprek aangaan, komen we naar de tafel met een idee. Je hebt een idee. Ik heb een idee. Dat startidee is het begin van het gesprek en in de loop van het gesprek ontwikkelen we die ideeën. We mengen ze. We voegen ze samen. We kunnen ze misschien verdisconteren of versterken. We evolueren naar een punt waarop we uit het gesprek komen, hopelijk hebben we een beter idee. Ideaal.
Om dat te doen, moet er niet alleen geven en nemen zijn, maar een element van hoe inspireer je iemand? Hoe zorg je ervoor dat mensen hun verbeelding activeren? Hoe zorg je ervoor dat ze nadenken over iets waar ze nog niet eerder aan hadden gedacht, of iets in een licht waar ze nog niet eerder aan hadden gedacht, of een ander gezichtspunt zien dat hen een pad aflegt dat ze niet eens wisten nadenken, vragen stellen die ze niet willen stellen? Dat zijn de voorbeelden, dat zijn de situaties die volgens mij het meest veelbelovend zijn en het grootste voordeel voor mensen zullen hebben.
Gebeurt dat vandaag, of is dat iets dat langs de lijn moet gebeuren naarmate de technologie zich ontwikkelt?
Nee, het gebeurt. We hebben hier voorbeelden van. Om terug te keren naar de oncologie als een voorbeeld, voor de beste artsen ter wereld, kunnen de behandelingsopties die worden gepresenteerd voor het grootste deel voor hen duidelijk zijn. Er kan één op de tien gevallen zijn waarin ze kunnen zeggen: "Wel, wacht eens even, dat was een interessant idee." Het zal niet zo vaak zijn, maar, zoals je eerder zei, als we dat nu meenemen naar gemeenschapsinstellingen, regionale instellingen en op gebieden waar dat niveau van expertise niet aanwezig is, het feit dat het systeem nieuwe ideeën kan introduceren, nieuwe behandelingsopties, het gaat echt om het introduceren van nieuwe ideeën. Dat zien we al.
Dan is natuurlijk verder gaan dan wat ik denk het klassieke chatbotscenario geworden dat ik denk dat sommigen van ons nu in verschillende voorbeelden beginnen te zien, nu als iemand een creditcardfraude-waarschuwing geeft op hun creditcard en ze gaan naar een chatbot van vandaag, zou het simpelweg kunnen zijn: "Was die transactie iets dat je hebt gedaan of niet? Zo ja, dan is het prima. Zo niet, dan gaan we iets doen aan het annuleren van de transactie, " in nu, "Oké, je hebt een nieuwe creditcard nodig. Waar kun je die het beste krijgen? Moeten we je deze mailen? Moeten we hem niet naar je mailen? Oh, je maakt je klaar om op reis te gaan. Dan zijn we duidelijk Ik zal het je niet sneller kunnen sturen. We moeten het sneller naar je toe brengen.
"Oh, je gaat naar het buitenland. Misschien is er hier een creditcardoptie waaraan je niet eerder was blootgesteld, waarvan je niet wist, waar we valutawissels in jouw voordeel beter afhandelen. Oh, je gebruikt dit voor bedrijven Dit is een buitenlandse reis. Je gebruikt dit voor zakelijke kosten. Nou, hier is een creditcard met een rentevoet die daar beter op is afgestemd. " Dit zijn allemaal heel eenvoudige voorbeelden, maar elk van hen opent een nieuwe reeks ideeën die vandaag de dag meestal niet in je eenvoudige chatbot gebeurt en toch echt heel empowerment voor mensen kan zijn.
Het interessante punt is dat als je al die opties doorloopt, dat in het verleden een script zou zijn. Er zou een script zijn met een paar takken. Het zou vooraf worden bepaald. Het is heel iets anders als een chatbot het doet die daadwerkelijk reageert op de informatie die je geeft en de informatie die je al hebt gegeven en je naar paden leidt die niet zijn gescript. Het weet dat je reist, maar je hebt het niet noodzakelijk gezegd. Het heeft die informatie uit uw e-mailgeschiedenis gevonden.
Het kan dingen over jou vinden die het onderweg heeft ontdekt.
We hebben het gehad over oncologie omdat het een goed voorbeeld is. We hebben gesproken over chatbots omdat de meeste mensen wat interactie met hen hebben gehad. Maar dit is een technologie die echt schaalbaar is in elke branche. Het is moeilijk een industrie te bedenken die geen enkele cognitieve component heeft. Zijn er voorbeelden die gewoon weg zijn waar mensen nog niet aan hebben gedacht?
Wat ik geweldig vind, is hoe elke dag iemand een nieuw idee bedenkt. Daarom denk ik dat we ons in zo'n zeer interessante fase bevinden, want door ons te concentreren op het ontbinden van wat we hebben op het gebied van cognitieve vaardigheden in bouwsteendiensten, kunnen mensen echt hun verbeelding gebruiken en ideeën gaan nastreven nooit echt eerder overwogen, of dat visuele herkenning gebruikt om het landschap te overzien.
In Californië, bijvoorbeeld, gebruikt een bedrijf daar visuele herkenning om naar de topografie en de topologie te kijken en in het beeld het verschil te herkennen tussen een betonnen oppervlak, een asfaltdakoppervlak, een grasoppervlak, bomen en struiken en deze dingen, om schat bijvoorbeeld hoeveel water wordt verbruikt en waar waterlekken kunnen optreden en wat kan worden gedaan om het efficiënte gebruik van water te verbeteren.
Of, in de juridische arena, deze dingen gebruiken om te vertrekken en advocaten te helpen doorlezen met letterlijk miljoenen en miljoenen pagina's achtergrondmateriaal dat lijkt op het vinden van de naald in een hooiberg. Waar is dat ene stuk papier dat echt relevant is voor dit specifieke geval? Ik probeer dat allemaal door te nemen. De kansen zijn gewoon enorm.
Ik denk dat een van die kwalificaties grote hoeveelheden gegevens zijn die moeten worden ontleed. U sprak over medische dossiers en het kunnen scannen van de medische dossiers voor de relevante informatie. Die records in de loop van je leven kunnen vele honderden pagina's lang zijn. Dat is het ding dat, misschien heeft uw huisarts daar een flauw idee van, maar ze zullen het niet allemaal onthouden, terwijl het systeem nooit vergeet.
Ja. Een arts heeft misschien vijf, misschien tien minuten om door die medische geschiedenis te kijken voordat hij bij je komt en overlegt, en toch zijn er allerlei zeer relevante informatie in je geschiedenis, je verleden, die ze onder alle andere omstandigheden gewoon zouden missen omdat ze niet de tijd hebben, dat als ze dat hadden, het verschil zou maken.
Denk aan een situatie waarin een vrouw haar arts had verteld dat haar moeder twee jaar geleden net aan borstkanker was overleden. Nou, de kans is groot dat de arts dat in dat verslag zal hebben opgemerkt, maar op dit moment, als deze vrouw binnenkomt en een knobbeltje in haar borst presenteert, en als die arts dat niet ziet, nou, dat is een zeer belangrijk stuk informatie. Nu, misschien zullen ze dat herontdekken door met de patiënt te praten, maar misschien ook niet. Wil je echt het risico nemen dat niet te hebben geweten als iets dergelijks zo relevant is?
Het overkoepelende kenmerk voor waar dit soort dingen meestal handig is, is dat je vermeldde dat er heel veel gegevens zijn. Ja, maar het is echt wanneer een van die aspecten van wie we zijn als mens, waar onze cognitieve capaciteiten zijn limiet beginnen te bereiken. We zijn goed in lezen. We kunnen iets lezen. We kunnen het assimileren. We kunnen ons als mens aanpassen aan de informatie en daar op zeer krachtige manieren gebruik van maken. Maar we zijn niet erg goed in het lezen van veel gegevens. We kunnen niet dan… Het idee om tienduizenden, honderdduizend, miljoenen pagina's literatuur per dag te lezen, gaat zo ver buiten onze mogelijkheden.
De vraag wordt, als we uitgroeien tot een wereld waar de hoeveelheid informatie die dagelijks wordt geproduceerd exponentieel groeit, hoeveel meer van die informatie maken we daar geen gebruik van, bevat dat kleine stukje informatie dat absoluut cruciaal voor de beslissing die we moeten nemen, bereiken we dat niet? Als het niet de hoeveelheid informatie is die we lezen, is het: Hoeveel assimileren we? Hoeveel kunnen we ons herinneren? Kunnen we de kleine patronen zien die relevant zijn in die informatie voor onze beslissingen?
Er zijn veel dingen waar we als mens goed in zijn. Er zijn ook veel dingen waar we niet zo goed in zijn, en dat is volgens mij waar cognitieve computing echt een enorm verschil begint te maken, is wanneer het die afstand kan overbruggen om die kloof te dichten.
Het lijkt vrij duidelijk dat dit de wereld is waar we naartoe gaan. Hoe voorbereid zijn we? Hoe kijk je naar ons onderwijssysteem, onze economie, onze politieke structuren? Hoe goed zijn we voorbereid om in een wereld te leven met dit soort cognitieve informatica als onderdeel?
Het is interessant. Dit is gebaseerd op een van de belangrijkste waardepunten die we bezitten als menselijke wezens, namelijk ons vermogen om ons aan te passen. Als je het in puur discrete termen bekijkt, waar gaat dit dan naartoe en als we 10 jaar vooruit zouden springen en ernaar kijken en zeggen: "Waar zijn we 10 jaar? Zijn we daarop voorbereid?" het antwoord zal waarschijnlijk zijn, nee. Er is nog veel meer dat we moeten doen. Maar mensen hebben dit opmerkelijke vermogen om zich meteen aan te passen en mee te groeien met de veranderingen die zich rondom hen voordoen.
Denk eens terug aan 10 jaar geleden, toen de smartphone pas voor ons beschikbaar kwam, laat staan populair, en hoeveel verandering we als samenleving de afgelopen 10 jaar hebben doorgemaakt. Denk elke dag na over hoe je leven is met en zonder je smartphone. We kunnen klagen over hoeveel het kan wegnemen van andere ervaringen, en dat kan waar zijn, maar het punt is dat we 10 jaar geleden niet veel tijd hebben besteed aan piekeren, waren we voorbereid als een samenleving, hoewel in feite hebben we de afgelopen 10 jaar veel veranderingen ondergaan waar we ons waarschijnlijk niet volledig bewust van waren, omdat we deze technologische verandering hebben opgenomen en er op zeer effectieve manieren gebruik van hebben gemaakt.
Er is veel dat we moeten doen. Er is veel dat we in de loop van de tijd gaan doen, veel groei die we zullen doormaken, veel onderwijs en politiek en andere dingen waar we doorheen moeten gaan, maar dat zullen we doen.
We komen op mijn laatste vragen. Welke technologische trend baart u het meest? Is er iets dat je 's nachts wakker houdt?
Ik denk dat de grootste zorg die ik nu heb, is dat mensen verantwoordelijkheid moeten nemen. Wij als ingenieurs en leveranciers van technologie, consumenten van technologie, mensen die verantwoordelijk zijn voor het reguleren van technologie, moeten echt bewust zijn en nu nadenken over wat we willen doen om onszelf te beschermen en ons voor te bereiden op de veranderingen die plaatsvinden. Dat zal niet zijn omdat we ons er niet aan zullen aanpassen. Wij zullen. Het probleem is natuurlijk dat we ons tijdens het aanpassen ervan niet bewust zullen zijn van wat dat doet en hoe dat ons beïnvloedt en waar mensen die technologie kunnen exploiteren op een manier die we niet verkiezen, dat we zijn niet comfortabel, of achteraf gezien zullen we dat niet per se willen.
Ik denk dat we bewust moeten zijn en moeten nadenken over wat we doen en dat we niet willen dat ons leven gebeurt met deze technologie. In het bijzonder leveranciers, in het bijzonder, wij als leveranciers van deze technologie, en de mensen die deze technologiecomponenten consumeren en er toepassingen van bouwen, moeten op dit moment de verantwoordelijkheid op ons nemen voor ons ethisch gedrag of gedrag dat voortkomt uit ethische waarden.
Als een voorbeeld raden we ten zeerste aan een van onze applicatieontwikkelaars, instellingen die applicaties maken met behulp van deze technologieën, aan dat ze zeer transparant zijn tegenover hun eindgebruikers over het feit dat dit een cognitieve applicatie is, het is een computer, en niet proberen zich als een echt mens voor te doen. Doe niet alsof. Laat dit ding niet doen alsof.
Niet imiteren.
Imiteer het niet en laat uw klanten nooit misleiden door te geloven dat dit een echt persoon is. Ethisch gezien is het verkeerd. Ik denk dat dit het risico op kwetsbaarheid met zich meebrengt. Een mens die met een mens in wisselwerking staat, kan bepaalde veronderstellingen maken over onze fouten, over ons onvermogen om veel informatie te behouden, waarbij we bij het omgaan met een cognitief systeem erop moeten letten dat de mensen die dat cognitieve aanbieden oplossing hebben een verantwoordelijkheid voor de privacy en bescherming van de informatie die wij verstrekken. We moeten dat feit nooit vergeten.
Wat de opwaartse technologie betreft, welke technologie gebruik je elke dag die gewoon verwondering oproept? Wat heeft je leven veranderd?
Ik denk dat het feit dat ik nu toegang kan krijgen tot informatie dat we, zelfs als ik het op internet zou kunnen krijgen, al heel lang informatie op internet beschikbaar had, maar vaak stoppen we met proberen die informatie te krijgen omdat het is overweldigend. Ik was op zoek naar wat camera-apparatuur en probeerde gewoon beslissingen te nemen over de afwegingen tussen verschillende camera's-
Ik stuur u een link naar onze kopersgids.
Daar ga je. Het wordt overweldigend, en toch moet je op andere mensen vertrouwen om dat advies voor je te geven en aannemen dat zij het onderzoek voor je hebben gedaan, maar zelfs dan doen ze dat op basis van enkele veronderstellingen die ze hebben gemaakt over wat je nodig hebt en waar je om geeft. Op een gegeven moment geef je gewoon op en zeg je: "Oké, oké, vertel me gewoon wat ik moet doen, ik zal het doen." Of je gaat naar een hele reeks websites en je ziet al deze meningen en het wordt gewoon verwarrend en tegenstrijdig en dus zeg je: "Nou ja, met al die dingen. Ik ga gewoon met wat voor mij goed voelt.""
Nu, omdat deze systemen enorme hoeveelheden informatie kunnen verzamelen en verwerken en organiseren, zelfs voor de mensen die aanbevelingen doen, zelfs voor de adviseurs, is het voordelig voor hen omdat het hen helpt beter te werken. Een manier waarop ik graag zeg dat het niet ons denken voor ons doet, het doet ons onderzoek voor ons zodat we ons denken beter kunnen doen, en dat geldt voor ons als eindgebruikers en het geldt ook voor adviseurs. Het geldt voor iedereen die in die rol van analist is.
Ik denk aan de applicatie, omdat we altijd proberen mensen te helpen bij het nemen van koopbeslissingen. We zijn niet ver van een systeem dat alle foto's kan bekijken die u de afgelopen vijf jaar hebt genomen, ziet dat u graag natuurfotografie of close-ups van bloemen maakt en doet vervolgens een camera-aanbeveling op basis van de foto's die u neemt.
Dat klopt. Flamingo's. Ik weet niet waarom.
Dit is de beste camera voor het maken van foto's van flamingo's.
Flamingo's, toch.
We zijn er bijna. De technologie bestaat, deze is nog niet geprogrammeerd.
Ja.
Of onderwezen, zoals we tegenwoordig doen. Rob High, hartelijk dank hiervoor.
Veel dank.
Abonneer je op de podcast voor meer Fast Forward met Dan Costa. Download op iOS de app Podcasts van Apple, zoek naar "Snel vooruit" en abonneer u. Download op Android de Stitcher Radio voor podcasts-app via Google Play.
