기술 회사가 인간을 사용하여 AI를 돕는 이유 | 벤 딕슨

"앤드류 인 그램 (Andrew Ingram)"은 이메일을 스캔하고, 동료와 논의 할 회의 및 약속에 대한 일정 계획 아이디어를 제공하고, 작업을 설정하고, 거의 도움없이 관련 당사자에게 초대장을 보내는 디지털 비서입니다. 새로운 X.ai의 고급 인공 지능 기능을 사용합니다. 요크 기반 AI 어시스턴트 개발을 전문으로하는 스타트 업. 그것이 해결하는 문제는 지저분한 일정을 가진 사람들 (나 같은)을 위해 많은 시간과 좌절을 줄일 수 있습니다.

그러나 5 월에 출판 된 Wired 이야기에 따르면 Andrew Ingram의 지능은 완전히 인공적인 것이 아닙니다. 그것은 AI의 행동을 모니터링하고 조수가 처리 할 수없는 사건에 처할 때마다 인계하는 마닐라 외곽의 보안 건물에 40 명의 필리핀 인 그룹이 후원합니다.

실제 사람들이 전자 메일을 검색한다는 생각은 소름 끼칠 수 있지만 고객에게 AI 서비스를 제공하는 많은 회사에서 일반적인 관행이되었습니다. 월스트리트 저널 (Wall Street Journal) 의 최근 기사에 따르면 직원들이 고객 이메일에 액세스하고 읽은 후 새로운 기능을 구축하고 이전에는 보지 못했던 AI를 교육 할 수있는 여러 회사를 공개했습니다.

인공 지능 알고리즘의 단점을 보완하기 위해 인간을 조용히 사용하는 관행은 "오즈의 마법사"기술 또는 유사 AI라고 불린다. 인공 지능 산업이 직면 한 가장 큰 난제 중 일부를 밝힌다.

AI는 광범위한 문제에 대한 준비가되어 있지 않습니다

최근 몇 년 동안 대부분의 AI 혁신 뒤에는 딥 러닝 알고리즘과 신경망이 있습니다. 심층 신경망은 정보를 분류하는 데 매우 효율적입니다. MRI 및 CT 스캔에서 음성 및 얼굴 인식 또는 암 식별과 같은 많은 경우에있어 인간보다 성능이 우수합니다.

그렇다고 딥 러닝과 신경망이 인간이 할 수있는 모든 작업을 수행 할 수 있다는 의미는 아닙니다.

DeepGrammar의 공동 창립자이자 CEO 인 Jonathan Mugan은 "딥 러닝은 인식 문제를 해결할 수있게 해줍니다. 이는 인식이 60 년 전에 시작된 이후 AI가 제한 되었기 때문에 큰 문제입니다"라고 말합니다. "지각 문제를 해결하면 AI가 음성 인식 및 로봇 공학에 유용하게되었습니다."

그러나 Mugan은 인식이 유일한 문제는 아니라고 지적했다. 딥 러닝은 상식적인 추론과 이해가 관련된 곳에서 어려움을 겪습니다.

"딥 러닝은이 문제를 해결하는 데 도움이되지 않습니다."라고 그는 말합니다. "우리는 언어를 인식 문제로 취급함으로써, 즉 단어와 문장을 벡터로 변환함으로써 NLP (자연어 처리)에서 약간의 발전을 이루었습니다. 이것은 분류와 기계 번역을위한 텍스트를 더 잘 표현할 수있게 해줍니다. 그러나 상식 추론에는 도움이되지 않습니다. 이것이 챗봇이 크게 실패한 이유입니다."

모든 딥 러닝 응용 프로그램이 직면하는 주요 문제 중 하나는 AI 모델을 훈련시키기 위해 올바른 데이터를 수집하는 것입니다. 작업을 수행하기 위해 신경망을 훈련시키는 데 필요한 노력과 데이터는 문제 공간의 폭과 필요한 정확도 수준에 달려 있습니다.

예를 들어, HBO Silicon Valley의 Not Hotdog 앱과 같은 이미지 분류 응용 프로그램은 매우 좁고 구체적인 작업을 수행합니다. 스마트 폰의 카메라에 핫도그가 표시되는지 여부를 알려줍니다. 핫도그 이미지가 충분하면 앱의 AI가 매우 중요한 기능을 높은 정확도로 수행 할 수 있습니다. 그리고 때때로 실수를하더라도 아무에게도 해를 끼치 지 않습니다.

그러나 X.ai가 구축하는 것과 같은 다른 AI 응용 프로그램은 훨씬 광범위한 문제를 해결하고 있으므로 많은 품질의 예가 필요합니다. 또한 오류에 대한 내성이 훨씬 낮습니다. 핫도그를 위해 오이를 착각하는 것과 잘못된 시간에 중요한 비즈니스 미팅을 예약하는 것 사이에는 뚜렷한 차이가 있습니다.

불행히도, 품질 데이터는 모든 회사가 소유하는 상품이 아닙니다.

스티브 마쉬 (Steve Marsh) 박사는“일반적으로 AI가 해결하고자하는 일반적인 문제 일수록 발생할 수있는 더 많은 경우 나 비정상적인 행동이 발생한다는 것이다. Geospock의 CTO. "스타트 업은 일반적으로 방대한 양의 교육 데이터에 액세스 할 수 없으므로, 실현 가능한 모델은 매우 틈새 시장이되어 부서지기 쉬우 며 일반적으로 기대에 미치지 못합니다."

이러한 풍부한 정보는 수십억 명의 사용자 데이터를 수년간 수집해온 Facebook 및 Google과 같은 대기업에서만 보유하고 있습니다. 소규모 기업은 교육 데이터를 얻거나 작성하기 위해 많은 금액을 지불해야하므로 애플리케이션 실행이 지연됩니다. 대안은 어쨌든 인간 트레이너와 실시간 고객 데이터를 사용하여 AI를 즉시 교육하고 AI가 인간에 덜 의존하기를 희망하면서 AI 교육을 시작하는 것입니다.

예를 들어, 전자 메일 관리를위한 앱을 개발하는 캘리포니아에 본사를 둔 회사 인 Edison Software는 직원들에게 고객의 전자 메일을 읽어 "스마트 응답"기능을 개발하도록했습니다. CEO는 월스트리트 저널에 말했다. 스마트 한 답장 만들기는 광범위하고 어려운 작업입니다. 수십억 명의 사용자의 이메일에 액세스 할 수있는 Google조차도 매우 좁은 경우에 스마트 한 답글을 제공합니다.

그러나 인간을 사용하여 실제 사용자 데이터로 AI를 훈련시키는 것은 소규모 회사에만 국한되지 않습니다.

2015 년 Facebook은 다양한 대화의 뉘앙스를 이해하고 이에 대응하고 많은 작업을 수행 할 수있는 AI 챗봇 M을 출시했습니다. Facebook은 캘리포니아에있는 제한된 수의 사용자가 M을 사용할 수 있도록하고 AI의 성능을 모니터링하고 사용자 요청을 이해할 수 없을 때이를 수정하기 위해 개입하는 휴먼 운영자 직원을 설정했습니다. 원래 계획은 인간 운영자가 조수에게 이전에는 보지 못했던 최첨단 사례에 대응하도록 가르치는 데 도움이되었습니다. 시간이 지남에 따라 M은 인간의 도움없이 작동 할 수있었습니다.

달성 할 수없는 목표?

Edison Software, X.ai 및 인공 지능 시스템을 시작하여 AI를 완전히 자동화하는 데 걸리는 시간은 확실하지 않습니다. AI의 현재 추세가 더 넓은 영역에 참여할 수있는 시점에 도달 할 수 있을지 의심됩니다.

2018 년에 Facebook은 공식적으로 배포하지 않고 M을 종료했습니다. 회사는 세부 정보를 공유하지 않았지만 광범위한 대화에 참여할 수있는 챗봇을 만드는 것은 매우 어렵다는 것이 분명합니다. 그리고 모든 종류의 대화에 자동으로 완전히 대응할 수있게하지 않고 Facebook의 20 억 사용자 모두에게 M을 제공하려면 소셜 미디어 대기업이 M의 격차를 메우기 위해 거대한 직원을 고용해야했습니다.

DeepGrammar의 Mugan은 우리가 상식 추론, 다른 사람들이 일반 AI로 분류 한 것을 해결할 수있는 AI를 궁극적으로 만들 수 있다고 믿습니다. 그러나 그것은 곧 일어나지 않을 것입니다. Mugan은“현재 컴퓨터에는 작은 아이가 아는 것을 컴퓨터가 이해할 수있는 방법이 없다”고 말했다. "이 기본적인 이해가 없으면 컴퓨터는 100 % 많은 시간 동안 많은 작업을 수행 할 수 없습니다."

이를 OpenAI의 전문가들은 최근에 물체를 처리 할 수있는 로봇 손인 Dactyl을 개발했습니다. 이것은 모든 어린이가 조기에 무의식적으로 수행하는 것을 배우는 작업입니다. 그러나 Dactyl 6, 144 개의 CPU와 8 개의 GPU와 같은 기술을 개발하기 위해서는 약 100 년의 경험이 필요했습니다. 그것은 매혹적인 업적이지만 좁은 AI와 인간 두뇌의 작동 방식 사이의 뚜렷한 차이점을 강조합니다.

Marsh는“우리는 인공 지능 (AI)을 갖기까지 먼 길을 가졌으며, AGI는 다양한 유형의 좁은 범위 또는 응용 분야별 AI의 조합 및 조정이 될 것입니다. "현재 AI의 기능을 과대 평가하는 경향이 있다고 생각하지만, 첫 단계를 밟아 기존 머신 러닝 모델을 구현하는 것에는 엄청난 가치가 있습니다."

또 다른 AI Winter Looming인가?

1984 년 미국 인공 지능 협회 (이후 인공 지능 발전 협회로 이름을 바꿨 음)는 AI에 대한 과대 광고와 열정이 결국 실망으로 이어질 것이라고 비즈니스 커뮤니티에 경고했습니다. 얼마 지나지 않아 AI에 대한 투자와 관심이 무너져 "AI winter"로 더 잘 알려진 시대가되었습니다.

2010 년 초 이래로이 분야에 대한 관심과 투자가 다시 증가하고 있습니다. 일부 전문가들은 AI 응용 프로그램의 성능이 저하되어 기대에 미치지 못하면 또 다른 AI 겨울이 뒤따를 것이라고 우려합니다. 그러나 전문가들은 AI가 이미 우리 삶의 단계를 되풀이하기에는 너무 통합되어 있다고 믿었습니다.

Mugan은“AI가 이제 가상의 가치뿐만 아니라 실제 가치를 제공하기 때문에 우리가 이전과 같이 AI 겨울의 위험에 처한 것으로 생각하지 않는다”고 말했다. "그러나 우리가 일반 대중에게 컴퓨터가 인간처럼 똑똑하다고 계속한다면, 우리는 반발을 일으킬 위험이 있습니다. 우리는 인식을 위해 딥 러닝을 사용하지 않고 'AI'라는 용어를 접하게 될 것입니다. 다른 것을 불러야합니다."

확실한 것은 최소한 환멸의 시대가 우리 앞에 있다는 것입니다. 우리는 다른 분야에서 AI의 현재 혼합을 신뢰할 수있는 정도를 배우려고합니다.

"내가 기대하는 것은 일부 회사는 이전에 수동적이고 값 비싼 서비스에 AI를 얼마나 빨리 제공 할 수 있는지에 놀랐으며, 다른 회사는 데이터를 수집하기에 충분한 데이터를 수집하는 데 예상보다 시간이 오래 걸린다는 것을 알게 된 것입니다. Kindred.ai의 공동 창립자이자 연구 책임자 인 James Bergstra는 말합니다. "후자가 너무 많고 전자가 충분하지 않으면 투자자들 사이에 또 ​​다른 AI 겨울이 촉발 될 수있다."

• 인공 지능은 바이어스 문제가 있으며, 우리의 잘못입니다 인공 지능은 바이어스 문제가 있으며, 우리의 결함입니다
• AI를 가르치는 것이 중요한 이유 AI를 배우는 것이 중요한 이유
• 인공 지능은 큰 잠재력을 제공하지만 밤새 일어날 수는 없습니다. 인공 지능은 큰 잠재력을 제공하지만 밤새 일어날 수는 없습니다.

Geospock의 Marsh는 자금은 가라 앉지는 않지만 역학에 약간의 조정이있을 것으로 예측합니다. 투자자들은 진정한 전문 지식이 거의 없으며 모델 교육을 위해 데이터에 액세스 할 수있는 사람들 만이 업계에서 차별화 될 것임을 인식함에 따라 시장에서 큰 통합이 이루어질 것이며 훨씬 적은 신생 기업도 자금을 조달 할 것입니다.

Marsh는 "틈새 시장 응용 프로그램이나 방대한 양의 데이터가없는 많은 AI 신생 기업의 경우: 겨울이 다가오고있다"고 결론 지었다.