Štai vienas dalykas, kurio niekada neturėtumėte perduoti dirbtinio intelekto modeliui

Pasaulyje, kuriame efektyvumas yra karalius, o sutrikimas per naktį sukuria milijardų dolerių rinkas, neišvengiamai įmonės žiūri į generatyvųjį AI kaip į galingą sąjungininką. Nuo OpenAI ChatGPT, generuojančio žmogaus panašų tekstą, iki DALL-E, sukuriančio meną, kai paraginti, matėme žvilgsnius į ateitį, kurioje mašinos kuria kartu su mumis – ar net vadovauja. Kodėl to neišplėtus į mokslinius tyrimus ir plėtrą (MTEP)? Galų gale, dirbtinis intelektas gali paskatinti idėjų generavimą, kartoti greičiau nei žmonių tyrinėtojai ir potencialiai kvapą gniaužiančiu lengvai atrasti „kitą didelį dalyką“, tiesa?

Laikykis. Teoriškai visa tai skamba puikiai, bet būkime realūs: statymas, kad gen AI perims jūsų MTTP, greičiausiai atsilieps reikšmingais, o gal net katastrofiškais būdais. Nesvarbu, ar esate ankstyvos stadijos startuolis, siekiantis augimo, ar įsitvirtinęs žaidėjas, ginantis savo veją, generatyvių užduočių perdavimas naujovių sistemoje yra pavojingas žaidimas. Skubant priimti naujas technologijas, gresia pavojus prarasti pačią esmę to, kas sukuria tikrai proveržio naujoves – ir, dar blogiau, visą savo pramonę nukreipti į homogenizuotų, neįkvėptų produktų mirties spiralę.

Leiskite man papasakoti, kodėl per didelis pasitikėjimas genetiniu dirbtiniu intelektu MTTP gali būti inovacijų Achilo kulnas.

1. Neoriginalus AI genijus: numatymas ≠ vaizduotė

Gen AI iš esmės yra įkrauta prognozavimo mašina. Jis sukuriamas numatydamas, kokie žodžiai, vaizdai, dizainai ar kodo fragmentai geriausiai tinka, remiantis didžiule precedentų istorija. Kad ir kaip tai atrodytų elegantiška ir sudėtinga, būkime aiškūs: AI yra tik tiek, kiek yra jo duomenų rinkinys. Tai nėra tikrai kūrybinga žmogiškąja šio žodžio prasme; ji „negalvoja“ radikaliais, trikdančiais būdais. Tai žvelgiama atgal – visada pasikliaujama tuo, kas jau sukurta.

MTTP srityje tai tampa esminiu trūkumu, o ne savybe. Norint iš tikrųjų žengti į priekį, reikia daugiau nei tik laipsniškų patobulinimų, ekstrapoliuotų iš istorinių duomenų. Didžiosios naujovės dažnai atsiranda dėl šuolių, posūkių ir pergalvojimo, o ne dėl nedidelio esamos temos pakeitimo. Apsvarstykite, kaip tokios įmonės kaip „Apple“ su „iPhone“ ar „Tesla“ elektromobilių erdvėje ne tik patobulino esamus produktus – jos apvertė paradigmas ant galvos.

Gen AI gali kartoti kito išmaniojo telefono dizaino eskizus, tačiau tai konceptualiai mūsų neišvaduos nuo paties išmaniojo telefono. Drąsūs, pasaulį keičiantys momentai – tie, kurie iš naujo apibrėžia rinkas, elgesį, net pramonės šakas – kyla iš žmogaus vaizduotės, o ne iš algoritmu apskaičiuotų tikimybių. Kai dirbtinis intelektas skatina jūsų mokslinius tyrimus ir plėtrą, jūs gaunate geresnes esamų idėjų iteracijas, o ne kitą kategoriją apibrėžiantį proveržį.

2. Gen AI iš prigimties yra homogenizuojanti jėga

Vienas iš didžiausių pavojų leidžiant dirbtiniam intelektui perimti jūsų produktų kūrimo vadeles yra tai, kad AI apdoroja turinį – nesvarbu, ar tai būtų dizainas, sprendimai ar techninės konfigūracijos – tokiu būdu, kuris veda prie konvergencijos, o ne skirtumo. Atsižvelgiant į persidengiančias mokymo duomenų bazes, dirbtinio intelekto vykdomi moksliniai tyrimai ir plėtra padės sukurti homogenizuotus produktus visoje rinkoje. Taip, skirtingi tos pačios koncepcijos skoniai, bet vis tiek ta pati koncepcija.

Įsivaizduokite tai: keturi jūsų konkurentai įdiegia gen AI sistemas, kad sukurtų savo telefonų vartotojo sąsajas (UI). Kiekviena sistema yra apmokyta daugiau ar mažiau tuo pačiu informacijos rinkiniu – iš interneto išgautais duomenimis apie vartotojų pageidavimus, esamus dizainus, geriausiai parduodamus produktus ir pan. Ką gamina visos tos AI sistemos? Panašaus rezultato variacijos.

Tai, ką pamatysite bėgant laikui, yra nerimą kelianti vizualinė ir konceptuali sanglauda, ​​kai konkuruojantys produktai pradeda atspindėti vienas kitą. Žinoma, piktogramos gali šiek tiek skirtis arba produkto savybės skirsis paraštėse, bet esmė, tapatumas ir unikalumas? Gana greitai jie išgaruoja.

Jau matėme ankstyvus šio reiškinio požymius dirbtinio intelekto sukurtame mene. Tokiose platformose kaip „ArtStation“ daugelis menininkų išreiškė susirūpinimą dėl AI sukurto turinio antplūdžio, kuris, užuot pademonstravęs unikalų žmogaus kūrybiškumą, atrodo kaip perdirbta estetika, permaišanti populiarias kultūros nuorodas, plačias vizualines tropijas ir stilius. Tai nėra pažangiausia naujovė, kurios norite varyti savo MTEP variklį.

Jei kiekviena įmonė naudoja gen AI kaip de facto inovacijų strategiją, tada jūsų pramonė kasmet negaus penkių ar dešimties žalingų naujų produktų – ji gaus penkis ar dešimt išpuoštų klonų.

3. Žmonių išdykimo magija: kaip nelaimingi atsitikimai ir dviprasmiškumas skatina naujoves

Visi skaitėme istorijos knygas: penicilinas buvo atrastas atsitiktinai po to, kai Aleksandras Flemingas paliko kai kurias bakterijų kultūras atidengtas. Mikrobangų krosnelė gimė, kai inžinierius Percy Spenceris netyčia ištirpdė šokolado plytelę, stovėdamas per arti radaro. O ir „Post-it“ užrašas? Kitas laimingas nelaimingas atsitikimas – nesėkmingas bandymas sukurti itin tvirtus klijus.

Tiesą sakant, nesėkmės ir atsitiktiniai atradimai yra esminiai MTEP komponentai. Žmonių tyrinėtojai, unikaliai prisitaikę prie nesėkmės slypinčios vertės, netikėtumą dažnai sugeba vertinti kaip galimybę. Ramybė, intuicija, nuojauta – tai yra tokie pat svarbūs sėkmingoms naujovėms, kaip ir bet koks kruopščiai parengtas planas.

Tačiau čia yra gen AI problemos esmė: ji neturi dviprasmiškumo sampratos, jau nekalbant apie lankstumą interpretuoti nesėkmę kaip privalumą. AI programavimas moko išvengti klaidų, optimizuoti tikslumą ir išspręsti duomenų dviprasmybes. Tai puiku, jei supaprastinate logistiką arba padidinate gamyklos našumą, tačiau tai baisu, kai ieškote proveržio.

Pašalinus produktyvaus dviprasmiškumo galimybę – nelaimingų atsitikimų interpretavimą, priešinimąsi ydingam dizainui – AI išlygina galimus inovacijų kelius. Žmonės suvokia sudėtingumą ir žino, kaip leisti dalykams atsikvėpti, kai atsiranda netikėtas rezultatas. Tuo tarpu dirbtinis intelektas padvigubins tikrumą, įtraukdamas vidurio kelio idėjas ir pašalindamas viską, kas atrodo netaisyklinga ar neišbandyta.

4. AI trūksta empatijos ir vizijos – dviejų neapčiuopiamų dalykų, dėl kurių produktai tampa revoliucingi

Štai ką: naujovės nėra tik logikos produktas; tai empatijos, intuicijos, noro ir vizijos produktas. Žmonės diegia naujoves, nes jiems rūpi ne tik loginis efektyvumas ar esminiai dalykai, bet ir reagavimas į niuansuotus žmogaus poreikius ir emocijas. Svajojame, kad viskas būtų greitesnė, saugesnė, malonesnė, nes iš esmės suprantame žmogaus patirtį.

Pagalvokite apie pirmojo „iPod“ genialumą arba minimalistinį „Google“ paieškos sąsajos dizainą. Ne vien techniniai nuopelnai padarė šiuos žaidimų keitiklius sėkmingus – tai buvo empatija suprasti vartotojų nusivylimą sudėtingais MP3 grotuvais ar netvarkingomis paieškos sistemomis. Gen AI negali to pakartoti. Ji nežino, koks jausmas grumtis su klaidinga programėle, stebėtis elegantišku dizainu ar patirti nusivylimą dėl nepatenkinto poreikio. Kai AI „diegia naujoves“, tai daro be emocinio konteksto. Šis regėjimo trūkumas sumažina jo gebėjimą sukurti požiūrius, kurie rezonuoja su tikrais žmonėmis. Dar blogiau, be empatijos dirbtinis intelektas gali sukurti produktus, kurie yra techniškai įspūdingi, bet jaučiasi bejėgiai, sterilūs ir operatyvūs – be žmogiškumo. Mokslinių tyrimų ir plėtros srityje tai yra naujovių žudikas.

5. Per didelė priklausomybė nuo dirbtinio intelekto gali prarasti žmogaus talentą

Štai paskutinė, šiurpinanti mintis mūsų blizgantiems ateities dirbtinio intelekto fanatikams. Kas atsitiks, kai leisite AI padaryti per daug? Bet kurioje srityje, kurioje automatizavimas mažina žmonių įsitraukimą, įgūdžiai laikui bėgant blogėja. Tiesiog pažvelkite į pramonės šakas, kuriose buvo įdiegtas ankstyvas automatizavimas: darbuotojai praranda ryšį su dalykų „kodėl“, nes jie reguliariai nelanksto problemų sprendimo raumenų.

Aplinkoje, kurioje daug MTTP, tai kelia tikrą grėsmę žmogiškajam kapitalui, formuojančiam ilgalaikę inovacijų kultūrą. Jei mokslinių tyrimų grupės taps tik dirbtinio intelekto sukurto darbo prižiūrėtojais, jos gali prarasti gebėjimą mesti iššūkį, negalvoti ar peržengti AI rezultatus. Kuo mažiau praktikuojate naujoves, tuo mažiau tampate pajėgūs patys diegti naujoves. Kol suprasite, kad viršijote pusiausvyrą, gali būti per vėlu.

Ši žmogaus įgūdžių erozija yra pavojinga, kai rinkos dramatiškai keičiasi, o joks AI negali jus nuvesti per netikrumo miglą. Nerimą keliantys laikai reikalauja, kad žmonės išeitų už įprastų rėmų – AI niekada nebus geras.

Kelias į priekį: AI kaip priedas, o ne pakaitalas

Kad būtų aišku, aš nesakau, kad „gen AI“ neturi vietos MTTP – jis tikrai turi. Kaip papildoma priemonė, AI gali suteikti tyrėjams ir dizaineriams galimybę greitai patikrinti hipotezes, kartoti kūrybines idėjas ir tobulinti detales greičiau nei bet kada anksčiau. Tinkamai naudojamas, jis gali padidinti produktyvumą, nesugadindamas kūrybiškumo.

Triukas yra toks: turime užtikrinti, kad AI veiktų kaip žmogaus kūrybiškumo papildymas, o ne pakaitalas. Žmonių tyrėjai turi likti inovacijų proceso centre, panaudodami dirbtinio intelekto įrankius, kad praturtintų savo pastangas, tačiau niekada neatsisakydami kūrybiškumo, vizijos ar strateginės krypties kontrolės algoritmui.

Atėjo gen AI, bet taip pat ir toliau reikia tos retos, galingos žmogaus smalsumo ir įžūlumo kibirkšties – tokio, kurio niekada negalima redukuoti iki mašininio mokymosi modelio. Nepameskime to iš akių.

Ashish Pawar yra programinės įrangos inžinierius.