Oto jedyna rzecz, do której nigdy nie należy zlecać outsourcingu modelu sztucznej inteligencji

W świecie, w którym najważniejsza jest wydajność, a zakłócenia tworzą z dnia na dzień rynki warte miliardy dolarów, nieuniknione jest, że firmy będą postrzegać generatywną sztuczną inteligencję jako potężnego sojusznika. Od ChatGPT OpenAI generującego tekst przypominający ludzki, po DALL-E tworzący grafikę, gdy zostaniemy o to poproszeni, widzieliśmy przyszłość, w której maszyny tworzą razem – a nawet razem z nami. Ona również przewodzi wszystkim. Dlaczego nie zwiększyć tego w obszarze badań i rozwoju (B+R)? W końcu sztuczna inteligencja może przyspieszyć generowanie pomysłów, wykonywać iteracje szybciej niż badacze-ludzi i potencjalnie odkrywać „kolejną wielką rzecz” z zapierającą dech w piersiach łatwością, prawda?

Złapać. Wszystko to brzmi świetnie w teorii, ale bądźmy szczerzy: stawianie na to, że General AI przejmie Twoje badania i rozwój, prawdopodobnie przyniesie odwrotny skutek w znaczący, być może katastrofalny sposób. Niezależnie od tego, czy jesteś start-upem na wczesnym etapie, dążącym do rozwoju, czy też uznanym graczem chroniącym swoje terytorium, outsourcing zadań generatywnych w rurociągu innowacji jest niebezpieczną grą. W wyścigu o przyjęcie nowych technologii ryzykujesz utratę istoty naprawdę udanych innowacji i, co gorsza, wepchnięcie całej branży w spiralę śmierci jednorodnych, pozbawionych inspiracji produktów.

Pozwólcie, że wyjaśnię, dlaczego nadmierne poleganie na ogólnej sztucznej inteligencji w badaniach i rozwoju może mieć fatalne skutki dla innowacji.

1. Podstawowy talent AI: przewidywanie Wyobraźnia

Ogólna sztuczna inteligencja jest zasadniczo superdoładowaną maszyną prognostyczną. Opiera się na obszernej historii przykładów, przewidując, które słowa, obrazy, projekty lub fragmenty kodu będą najlepiej dopasowane. Choć może to brzmieć elegancko i wyrafinowanie, powiedzmy sobie jasno: sztuczna inteligencja jest tak dobra, jak jej zbiór danych. Nie jest to zbyt twórcze w ludzkim znaczeniu tego słowa; Nie „myśli” w radykalny, destrukcyjny sposób. To patrzenie wstecz – zawsze poleganie na tym, co już zostało zbudowane.

W badaniach i rozwoju staje się to podstawową wadą, a nie cechą. Aby naprawdę zyskać nowe możliwości, potrzebujesz czegoś więcej niż tylko stopniowych ulepszeń wydobytych z danych historycznych. Wielkie innowacje często powstają w wyniku skoków, zwrotów i nowych pomysłów, a nie drobnych poprawek w istniejącym temacie. Weź pod uwagę, że w sektorze pojazdów elektrycznych firmy takie jak Apple z iPhonem czy Tesla nie tylko ulepszyły istniejące produkty, ale wywróciły do ​​góry nogami paradygmaty.

Gen AI może powielić szkice projektowe kolejnego smartfona, ale nie uwolni nas to od smartfonów koncepcyjnie. Odważne, zmieniające świat momenty – te, które na nowo definiują rynki, zachowania, a nawet branże – pochodzą z ludzkiej wyobraźni, a nie z prawdopodobieństwa obliczonego przez algorytm. Kiedy sztuczna inteligencja napędza Twoje prace badawczo-rozwojowe, otrzymujesz lepsze iteracje istniejących pomysłów, a nie kolejny przełom definiujący kategorię.

2. Ogólne AI jest z natury siłą jednorodną

Jednym z największych zagrożeń związanych z pozwoleniem sztucznej inteligencji na przejęcie kontroli nad procesem tworzenia pomysłów na produkt jest to, że sztuczna inteligencja przetwarza treść – niezależnie od tego, czy są to projekty, rozwiązania czy konfiguracje techniczne – w sposób prowadzący do zbieżności, a nie rozbieżności. Biorąc pod uwagę nakładające się bazy danych szkoleniowych, prace badawczo-rozwojowe oparte na sztucznej inteligencji doprowadzą do powstania jednorodnych produktów na całym rynku. Tak, różne smaki tej samej koncepcji, ale mimo to ta sama koncepcja.

Wyobraź sobie taką sytuację: czterech Twoich konkurentów stosuje generyczne systemy sztucznej inteligencji do projektowania interfejsu użytkownika (UI) swoich telefonów. Każdy system szkolony jest na mniej więcej tym samym repozytorium informacji – danych wydobytych z sieci na temat preferencji konsumentów, istniejących projektów, bestsellerów itp. Co produkują te wszystkie systemy AI? Odmiany tego samego wyniku.

To, co z biegiem czasu będzie się rozwijać, to zaburzona spójność wizualna i koncepcyjna, w której konkurencyjne produkty zaczynają się odzwierciedlać. Jasne, ikony mogą się nieznacznie różnić lub cechy produktu będą się różnić na marginesie, ale istota, tożsamość i wyjątkowość? Bardzo szybko wyparowują.

Widzieliśmy już wczesne oznaki tego zjawiska w sztuce generowanej przez sztuczną inteligencję. Na platformach takich jak ArtStation wielu artystów wyraziło obawy dotyczące napływu treści generowanych przez sztuczną inteligencję, które przypominają estetykę z recyklingu i remiksują popularne odniesienia kulturowe, szerokie tropy wizualne i gatunki, zamiast prezentować wyjątkową ludzką kreatywność. To nie jest najnowocześniejsza innowacja, która ma napędzać silnik badawczo-rozwojowy.

Jeśli każda firma będzie de facto kierować się sztuczną inteligencją Generacji jako swoją de facto strategią innowacyjności, Twoja branża nie będzie otrzymywać co roku pięciu lub dziesięciu przełomowych nowych produktów – otrzyma pięć lub dziesięć gotowych klonów.

3. Magia ludzkich psot: jak wypadki i niejednoznaczność napędzają innowacje

Wszyscy czytaliśmy książki historyczne: penicylinę odkryto przypadkowo, gdy Alexander Fleming pozostawił luźne kultury bakterii. Kuchenka mikrofalowa narodziła się, gdy inżynier Percy Spencer przypadkowo stopił tabliczkę czekolady, stojąc zbyt blisko urządzenia radarowego. Aha, a karteczka Post-it? Kolejny szczęśliwy przypadek – nieudana próba stworzenia supermocnego kleju.

W rzeczywistości niepowodzenia i przypadkowe odkrycia są nieodłącznymi elementami prac badawczo-rozwojowych. Badacze zajmujący się ludźmi, wyjątkowo świadomi wartości ukrytej w porażce, często potrafią postrzegać nieoczekiwane jako szansę. Spontaniczność, intuicja, przeczucie – są one tak samo ważne dla powodzenia innowacji, jak każdy starannie opracowany plan działania.

Ale sedno problemu z Zen AI polega na tym, że nie ma ono pojęcia dwuznaczności, nie mówiąc już o elastyczności w interpretowaniu porażki jako atutu. Programowanie sztucznej inteligencji uczy ją unikać błędów, optymalizować pod kątem dokładności i rozwiązywać niejednoznaczności danych. Jest to świetne rozwiązanie, jeśli usprawniasz logistykę lub zwiększasz przepustowość fabryki, ale jest fatalne w przypadku przełomowych odkryć.

Eliminując możliwość produktywnej dwuznaczności – wyjaśnianie wypadków, przeciwstawianie się wadliwym projektom – sztuczna inteligencja spłaszcza potencjalne ścieżki w kierunku innowacji. Ludzie doceniają złożoność i wiedzą, jak pozwolić rzeczom oddychać, gdy pojawią się nieoczekiwane rezultaty. Tymczasem sztuczna inteligencja podwoi pewność, wprowadzając pomysły ze środka do głównego nurtu i eliminując wszystko, co wygląda na nieregularne lub niewykorzystane.

4. Sztucznej inteligencji brakuje empatii i przewidywania – dwóch nieuchwytnych rzeczy, które czynią produkty rewolucyjnymi

Rzecz w tym, że innowacja nie jest jedynie produktem logiki; Jest produktem empatii, intuicji, pragnień i wizji. Ludzie wprowadzają innowacje, ponieważ zależy im nie tylko na logicznej wydajności lub wynikach finansowych, ale także na reagowaniu na subtelne ludzkie potrzeby i emocje. Marzymy o tym, aby wszystko było szybsze, bezpieczniejsze i przyjemniejsze, ponieważ na podstawowym poziomie rozumiemy ludzkie doświadczenia.

Pomyśl o geniuszu stojącym za minimalistycznym interfejsem pierwszego iPoda lub wyszukiwarki Google. To nie umiejętności czysto techniczne zapewniły sukces tym rewolucyjnym graczom – to empatia pozwalająca zrozumieć frustrację użytkowników związaną ze skomplikowanymi odtwarzaczami MP3 lub zaśmieconymi wyszukiwarkami. Ogólna sztuczna inteligencja nie może tego imitować. Nie wie, jak to jest zmagać się z banalną aplikacją, zachwycać się atrakcyjnym designem lub czuć frustrację niezaspokojoną potrzebą. Kiedy sztuczna inteligencja „wprowadza innowacje”, robi to bez kontekstu emocjonalnego. Ten brak wizji ogranicza jego zdolność do tworzenia punktów widzenia, które odpowiadają poglądom prawdziwych ludzi. Co gorsza, bez empatii sztuczna inteligencja mogłaby tworzyć produkty imponujące technologicznie, ale bezduszne, sterylne i transakcyjne – pozbawione człowieczeństwa. W badaniach i rozwoju jest zabójcą innowacji.

5. Nadmierne poleganie na sztucznej inteligencji grozi utratą umiejętności ludzkich talentów

Oto ostatnia, zachęcająca myśl dla naszych błyskotliwych fanatyków przyszłości AI. Co się stanie, jeśli pozwolisz AI wykonać zbyt dużą część pracy? W każdej dziedzinie, w której automatyzacja zmniejsza zaangażowanie ludzi, umiejętności z czasem maleją. Wystarczy spojrzeć na branże, w których wprowadzono wczesną automatyzację: pracownicy tracą kontakt z „dlaczego” rzeczy, ponieważ nie aktywują regularnie swoich mięśni potrzebnych do rozwiązywania problemów.

W środowiskach obciążonych pracami badawczo-rozwojowymi stanowi to realne zagrożenie dla kapitału ludzkiego, który kształtuje długoterminową kulturę innowacji. Jeśli zespoły badawcze staną się jedynie obserwatorami prac generowanych przez sztuczną inteligencję, mogą utracić zdolność kwestionowania wyników sztucznej inteligencji, myślenia o niej lub przekraczania jej wyników. Im mniej praktykujesz innowacje, tym mniej będziesz w stanie sam wprowadzać innowacje. Kiedy zorientujesz się, że wyszedłeś poza równowagę, będzie już za późno.

Ta erozja ludzkich umiejętności jest niebezpieczna, gdy rynek zmienia się dramatycznie i żadna ilość sztucznej inteligencji nie jest w stanie wydobyć Cię z mgły niepewności. Przełomowe czasy wymagają od ludzi wyrwania się z tradycyjnych ram – coś, w czym sztuczna inteligencja nigdy nie będzie dobra.

Droga naprzód: sztuczna inteligencja jako uzupełnienie, a nie substytut

Żeby było jasne, nie twierdzę, że w badaniach i rozwoju nie ma miejsca na ogólną sztuczną inteligencję – absolutnie tak. Jako narzędzie uzupełniające sztuczna inteligencja może umożliwić badaczom i projektantom szybkie testowanie hipotez, przeglądanie kreatywnych pomysłów i dopracowywanie szczegółów szybciej niż kiedykolwiek wcześniej. Prawidłowo stosowany może zwiększyć produktywność bez niszczenia kreatywności.

Rzecz w tym, że sztuczna inteligencja będzie stanowić uzupełnienie ludzkiej kreatywności, a nie jej substytut. Naukowcy zajmujący się ludźmi muszą pozostać w centrum procesu innowacji, wykorzystując narzędzia sztucznej inteligencji do wzbogacania swoich wysiłków, ale nigdy nie rezygnując z kontroli nad kreatywnością, wizją i kierunkiem strategicznym na rzecz algorytmu.

Pojawiła się ogólna sztuczna inteligencja, ale także ciągłe zapotrzebowanie na tę rzadką, potężną iskrę ludzkiej ciekawości i śmiałości – taką, której modele uczenia maszynowego nigdy nie będą w stanie złagodzić. Zignorujmy to.

Ashish Pawar jest inżynierem oprogramowania,