Sei curioso di sapere cosa potrebbe andare storto con i progetti AI?

Se hai sentito parlare di alcune delle tendenze artificiali del 2023 e forse stai pensando di incorporare l'IA nel tuo flusso di lavoro, potresti essere cauto riguardo ai fallimenti dei progetti di intelligenza artificiale.

Questi hanno lasciato innumerevoli aziende di fronte a enormi perdite e un flusso di lavoro compromesso.

Sfortunatamente, oggi accade che la maggior parte delle iniziative di intelligenza artificiale fallisca. Uno studio Pactera ha stabilito che l'85% di tutti i progetti di intelligenza artificiale finisce per non raggiungere gli obiettivi.

Ciò significa che per ogni dieci progetti di intelligenza artificiale che la tua azienda potrebbe provare, è molto probabile che solo uno di essi abbia successo.

È quindi importante conoscere i più grandi fallimenti dell'IA del nostro tempo in modo da poter evitare le insidie ​​​​comuni del progetto. 

In questo articolo, ti guiderò attraverso i principali fallimenti dell'intelligenza artificiale che dovresti conoscere e possibilmente imparare per raggiungere il successo con il tuo progetto.

Iniziamo.

1. Pregiudizio Sviluppato Dal Software Amazon Recruiting

Se hai lavorato in un dipartimento di reclutamento per qualche tempo, sarai d'accordo sul fatto che il pregiudizio umano è un grosso problema.

Il pregiudizio inconscio nei processi di assunzione è particolarmente dilagante. Ciò è in linea con uno studio della Yale University, in cui i partecipanti tendevano a favorire inconsciamente l'assunzione di uomini rispetto alle donne e offrivano persino $ 4.000 in più di stipendio annuo.

Era quindi comprensibile il motivo per cui Amazon si è rivolta a un software di reclutamento basato sull'intelligenza artificiale per semplificare il processo di assunzione.

Tuttavia, il software di assunzione di Amazon ha fallito poiché ha sviluppato pregiudizi di genere .

Di conseguenza, il gigante dell'e-commerce è finito negli esempi di fallimenti dell'IA poiché ha cercato invano di attingere alle ultime tendenze della trasformazione digitale per attuare la sua visione.

Il sistema aveva lo scopo di facilitare il lavoro di valutazione di innumerevoli curriculum. Ha filtrato le domande tramite l'elaborazione del linguaggio naturale e l'apprendimento automatico per offrire una manciata di candidati qualificati per la revisione.

L'algoritmo era stato addestrato per valutare i candidati in base all'esperienza.

Poiché le posizioni lavorative erano per lo più in un settore tecnologico dominato dagli uomini, dove gli uomini tendevano ad avere più esperienza delle donne, il software di apprendimento automatico ha sviluppato una preferenza per i candidati maschi.

Allora perché Recruiter AI di Amazon ha funzionato in modo impreciso?

Fallimenti dell'intelligenza artificiale come questo risalgono semplicemente a dati di addestramento insufficienti, con il 41% delle aziende che oggi attesta dati incoerenti nei propri flussi di lavoro.

Le fonti di dati in questo rapporto di Dun & Bradstreet variavano dai sistemi di gestione del lavoro ai CRM.

Se hai una certa esperienza con i modelli AI, potresti sapere che questi algoritmi riflettono i dati di cui si nutrono .

Nel caso di Amazon, il modello ha considerato una storia lavorativa di 10 anni dal loro sistema di gestione dei dipendenti, che disponeva di dati limitati sulle lavoratrici e sulle loro prestazioni nel settore.

2. Microsoft Tay Chatbot È Diventato Offensivo

Stai pensando di implementare un assistente intelligente?

Se è così, non sei solo perché i chatbot sono tutti intorno a noi oggi.

Spesso, potresti prendere in considerazione assistenti virtuali intelligenti per alleggerire l'onere dell'assistenza clienti e soddisfare le richieste 24 ore su 24.

Tuttavia, vale la pena notare che il 73% degli intervistati in un sondaggio DigitasLBi ha affermato che non userebbe mai più lo stesso bot se avesse avuto una brutta esperienza con esso, il che ci porta alla prossima storia di fallimento dell'IA.

Microsoft ha presentato Tay Chatbot nel marzo 2016 per gestire il suo impegno sui social media su Twitter.

Sfortunatamente, questo assistente basato sull'intelligenza artificiale è diventato uno dei più grandi fallimenti di progetti di intelligenza artificiale di tutti i tempi a causa di un cattivo design.

Addestrandosi su set di dati che imitavano la personalità di un'adolescente, il chatbot ha presto iniziato a lanciare commenti infiammatori agli utenti. Di conseguenza è stato messo offline, con la società costretta a scusarsi per risolvere la cattiva pubblicità.

Tay, come molti altri chatbot, ha lavorato su un corpus di dati, da cui è stato in grado di mappare le risposte alle domande ricevute.

Per ulteriori informazioni sulla creazione di chatbot affidabili e professionali per aziende senza competenze di codifica, vale la pena prendere in considerazione questi corsi di intelligenza artificiale .

Il problema è sorto perché Microsoft ha progettato il software per apprendere dalle conversazioni effettive che ha avuto con gli esseri umani online .

Come risultato di questo difetto di apprendimento automatico, il chatbot ha anche rilevato parolacce e le ha utilizzate regolarmente nelle sue risposte.

Tutto sommato, tali fallimenti dell'intelligenza artificiale risalgono al mancato inserimento nella lista nera di parole dispregiative e anche all'assenza di un rigoroso corpus di dati per l'apprendimento supervisionato.

3. L'auto A Guida Autonoma Di Uber Ha Causato Un Incidente Mortale

I veicoli autonomi (AV) sono visti come una soluzione a molti dei nostri problemi di viaggio.

In cima alla lista ci sono gli incidenti automobilistici, che potresti ritenere che le auto a guida autonoma possano aiutare a ridurre eliminando la fatica e la guida ecologica.

Con l'errore umano che gioca un ruolo nel 94% di tutti i principali incidenti , secondo una ricerca dell'NHTSA, i veicoli autonomi sono spesso lodati come la soluzione.

Tuttavia, alcuni esempi di fallimenti dell'IA come gli incidenti automobilistici a guida autonoma di Uber ci forniscono la prova che i veicoli autonomi presentano ancora enormi rischi .

Il 18 marzo 2018, un veicolo a guida autonoma Uber ha causato la morte di un ciclista in Arizona.

Tuttavia, questo non è un caso isolato. Uno studio dell'Università del Michigan ha rilevato che i veicoli autonomi sono coinvolti in più del doppio degli incidenti rispetto alle auto convenzionali.

Un tipico veicolo autonomo utilizza la tecnologia di visione artificiale, abbinata a sensori di prossimità e altri sensori, per rilevare ed evitare oggetti.

Nel caso di Uber, c'è stato un ritardo tra l'azione correttiva del sistema e il momento in cui l'oggetto è stato rilevato. Ciò ha comportato il rallentamento e la frenata dell'auto solo dopo l'incidente.

Tali fallimenti dell'intelligenza artificiale risalgono al trascurare le falle del sistema.

Gli ingegneri di Uber avevano ignorato la necessità di programmare incidenti in arrivo in frazioni di secondo. Questo è stato trascurato per evitare frenate brusche regolari che potrebbero avere un impatto negativo sull'esperienza del passeggero.

In altre parole, il gigante del trasporto su richiesta ha ignorato i potenziali rischi a favore dell'esperienza dell'utente. 

4. Pazienti Con Diagnosi Errata Di IBM Watson For Oncology

Sapevi che il cancro è tra le principali cause di morte in tutto il mondo?

Una ricerca dell'American Cancer Society ha scoperto che ci sono stati oltre 1,8 milioni di nuovi casi di cancro nel 2020. Questo enorme tasso di cancro è uno dei motivi per cui l'intelligenza artificiale continua a essere seguita nel settore sanitario.

Qualche tempo fa, IBM Watson, una rete di computer basata sull'intelligenza artificiale, è stata sfruttata per migliorare i servizi di oncologia presso il Memorial Sloan Kettering Cancer Center.

Non ha funzionato come sperato, provocando uno dei più grandi fallimenti di intelligenza artificiale della storia, dopo che un investimento di 62 milioni di dollari è andato in malora.

È facile circoscrivere i problemi Watson di IBM a diagnosi errate e scarsa qualità dei dati , che è alla base della maggior parte dei fallimenti dell'intelligenza artificiale oggi . 

Invece di utilizzare i dati dei pazienti reali, il team di sviluppo dell'app sanitaria si è concentrato in primo luogo su ipotetici casi di trattamento che coinvolgono una piccola frazione di set di dati. Il risultato è stato che gli algoritmi hanno appreso dalla prospettiva limitata di pochi specialisti, il che ha influito sul modo in cui offriva servizi di oncologia.

IBM Watson, quindi, ha fornito suggerimenti per il trattamento del cancro che a volte erano pericolosi e errati. Il progetto è stato rapidamente chiuso lasciando il gigante della tecnologia a contare le sue perdite.

Se l'azienda avesse fatto affidamento su set di dati più ampi e variabili mediche della vita reale, avrebbe potuto avere un successo migliore con il suo progetto.

5. L'intelligent Camera Operator Di ICT Tiene Traccia In Modo Impreciso

Lo sport offre un enorme potenziale per l'uso della tecnologia basata sull'intelligenza artificiale.

Una di quelle aree in cui è stato testato il software basato sull'intelligenza artificiale è la gestione della fotocamera. Qui, la tecnologia di tracciamento della palla viene sfruttata per facilitare il lavoro di tracciamento manuale da parte degli operatori di telecamere umani.

Oltre a semplificare i servizi di streaming HD per le squadre sportive, la tecnologia di tracciamento della palla basata sull'intelligenza artificiale può anche aiutare tali fornitori di servizi a ridurre i costi di trasmissione delle partite in diretta.

Non guardare oltre l'Inverness Caledonian Thistle (ICT) FC, per uno degli ultimi esempi di fallimenti dell'IA nello sport.

ICT ha annunciato il suo operatore di telecamere intelligenti per una partita di calcio nell'ottobre 2020.

Tuttavia, le cose non sono andate secondo i piani poiché il sistema ha costantemente scambiato la testa calva del guardalinee per la palla.

Lavorando sul principio delle reti neurali convoluzionali per il tracciamento degli oggetti, l'operatore autonomo della telecamera è stato inizialmente in grado di identificare e seguire la palla.

Tuttavia, a causa delle somiglianze tra questi due oggetti e di un'angolazione della telecamera in cui il guardalinee sembrava essere all'interno di parametri geografici, cioè all'interno del campo, il sistema continuava a confondere l'uno con l'altro.

Se eri all'estremità ricevente del live streaming, potresti non aver apprezzato la copertura della partita del giorno, proprio come molti altri fan sconvolti dopo la partita.

In fin dei conti, fallimenti dell'intelligenza artificiale di questo tipo risalgono al non tenere conto di errori eccezionali .

Concentrarsi esclusivamente su un caso d'uso dello scenario perfetto potrebbe essere il motivo per cui il tuo progetto di intelligenza artificiale potrebbe incontrare problemi in seguito.

Conclusione

È tempo di affrontare la verità.

La tecnologia AI funziona su politiche GIGO in cui dati scadenti producono risultati scadenti.

Molti fallimenti dei progetti di intelligenza artificiale sono dovuti alla mancanza di dati di qualità, che finiscono per produrre un modello inaffidabile che prima o poi fornisce risultati inaffidabili.

Pertanto, potresti voler provare questi corsi di scienza dei dati per estrarre e pulire meglio i dati per progetti di intelligenza artificiale di successo.

In altri casi, è possibile far risalire i maggiori fallimenti dell'IA alla mancanza di un approccio basato sul senso del prodotto per risolvere i problemi aziendali.

In altre parole, potresti creare soluzioni basate sull'intelligenza artificiale alla ricerca di un problema e non viceversa. 

Di conseguenza, le lezioni chiave da questi principali fallimenti dell'intelligenza artificiale che dovresti conoscere si riducono a tre fattori, vale a dire dati di qualità, corretta valutazione degli obiettivi aziendali e buona gestione delle eccezioni.

Vedi di più qui onlinecourseing.com