Ibm Watson cto sul perché l'intelligenza aumentata batte ai

Questo episodio di Fast Forward è stato registrato nell'IBM Watson Experience Center qui a New York City. Il mio ospite era Rob High, Vice President e Chief Technology Officer di IBM Watson.

Alta opera in più team all'interno di IBM, inclusi ingegneria, sviluppo e strategia. È uno dei pensatori più lucidi nello spazio dell'intelligenza artificiale e la nostra conversazione ha riguardato molti modi in cui la tecnologia sta rimodellando i nostri lavori, la nostra società e le nostre vite. Leggi e guarda la nostra conversazione di seguito.

Dan Costa: Qual è il malinteso dominante che le persone hanno sull'intelligenza artificiale?

Rob High: Penso che il problema più comune che stiamo incontrando con le persone che parlano dell'IA è che vivono ancora nel mondo in cui penso che Hollywood abbia amplificato l'idea che il computing cognitivo, l'IA, riguarda la replica della mente umana, ed è non propriamente. Cose come il test di Turing tendono a rafforzare il fatto che ciò che stiamo misurando è l'idea che l'IA sia in grado di competere con gli imbroglioni per far credere che ciò con cui hai a che fare è un altro essere umano, ma non è proprio dove abbiamo trovato massima utilità.

Ciò risale anche a, se guardi quasi tutti gli altri strumenti che sono mai stati creati, i nostri strumenti tendono ad essere più preziosi quando ci stanno amplificando, quando stanno estendendo la nostra portata, quando stanno aumentando la nostra forza, quando ci stanno permettendo di fare cose che non possiamo fare da soli come esseri umani. Questo è davvero il modo in cui dobbiamo pensare anche all'IA, e nella misura in cui la chiamiamo intelligenza aumentata, non intelligenza artificiale.

Parliamo un po 'di quel cambiamento, perché è un tipo di elaborazione completamente nuovo. È l'evoluzione del calcolo da quello con cui entrambi siamo cresciuti, un calcolo programmatico in cui useresti il ​​calcolo per raggiungere e rispondere usando un processo molto complesso, al calcolo cognitivo, che funziona in modo leggermente diverso. Puoi spiegare quella transizione?

Probabilmente la più grande differenza notevole è che è molto probabilistico, mentre il calcolo programmato riguarda davvero la presentazione di tutte le dichiarazioni condizionali che definiscono le cose a cui stai prestando attenzione e come rispondervi. È altamente deterministico. È estremamente matematicamente preciso. Con un classico computer programmato, è possibile progettare un software. Poiché sai qual è il modello matematico che rappresenta, puoi testarlo matematicamente. Puoi dimostrare la sua correttezza.

Il computing cognitivo è molto più probabilistico. Si tratta in gran parte di testare i segnali degli spazi su cui ci siamo concentrati, sia che si tratti di visione o linguaggio o linguaggio, e di cercare di trovare gli schemi di significato in quei segnali. Anche allora, non c'è mai assoluta certezza. Ora, questo è in parte perché è così che viene calcolata, ma anche perché è la natura dell'esperienza umana. Se pensi a tutto ciò che diciamo o vediamo o sentiamo, assaggiamo o tocchiamo o annusiamo o qualsiasi cosa faccia parte dei nostri sensi, noi come esseri umani cerchiamo sempre di valutare ciò che è realmente, e talvolta non lo capiamo bene.

Qual è la probabilità che quando ho sentito quella sequenza di suoni, significasse davvero questa parola? Qual è la probabilità che quando ho visto questa sequenza di parole significasse questa affermazione? Qual è la probabilità che quando vedo questa forma e un'immagine che sto guardando sia quell'oggetto? Anche per gli esseri umani, questo è un problema probabilistico, e fino a quel punto è sempre il modo in cui funzionano anche questi sistemi cognitivi.

Se qualcuno viene da te e hanno un problema che vogliono risolvere, pensano che esista una soluzione di calcolo cognitivo, vengono a Watson, dicono: "Guarda, useremo Watson per provare a risolvere questo problema." Fuori dagli schemi, Watson non fa molto. Devono insegnargli come risolvere il loro problema. Puoi parlarci di quel processo di onboarding?

In realtà, dovremmo parlare di due dimensioni di questo. Uno è che qualche tempo fa ci siamo resi conto che questa cosa chiamata cognitive computing era davvero più grande di noi, era più grande di IBM, era più grande di qualsiasi fornitore nel settore, era più grande di una o due diverse aree di soluzione su cui ci saremmo concentrati e abbiamo dovuto aprirlo, che è stato quando ci siamo spostati dal concentrarci sulle soluzioni alla gestione reale di più di una piattaforma di servizi, in cui ciascun servizio è realmente focalizzato individualmente su una parte diversa del spazio problematico. È un componente che, nel caso del discorso, è focalizzato rigorosamente sul problema di provare a prendere il tuo discorso e riconoscere quali parole hai espresso in quel discorso, o prendere un'immagine e provare a identificare ciò che è nell'immagine, o prendere linguaggio e cerca di capire qual è il suo significato, oppure prendi una conversazione e partecipa.

Prima di tutto, quello di cui stiamo parlando ora è un insieme di servizi, ognuno dei quali fa qualcosa di molto specifico, ognuno dei quali sta cercando di affrontare una parte diversa della nostra esperienza umana e con l'idea che qualcuno stia costruendo un'applicazione, chiunque desideri risolvere un problema sociale o di consumo o aziendale può farlo prendendo i nostri servizi e componendolo in un'applicazione. Questo è il punto uno.

Il secondo punto è quello con cui hai iniziato, che è, va bene, ora che ho il servizio, come facciamo a fare le cose che vogliamo che facciano bene? La tecnica è davvero di insegnamento. La natura probabilistica di questi sistemi si basa sul fatto che si basano sull'apprendimento automatico o sull'apprendimento profondo e a tali algoritmi deve essere insegnato come riconoscere gli schemi che rappresentano il significato all'interno di un insieme di segnali, che si ottiene fornendo dati, dati che rappresentano esempi di quella situazione che hai avuto prima in cui sei stato in grado di etichettarlo come dicendo: "Quando sento quella combinazione di suoni, significa questa parola. Quando vedo questa combinazione di pixel, significa che oggetto." Quando ho avuto quegli esempi, ora posso portarti al sistema cognitivo, a questi servizi cognitivi e insegnare loro come fare un lavoro migliore nel riconoscere qualunque cosa vogliamo che faccia.

Penso che uno degli esempi che lo illustri davvero sia nello spazio medico, in cui Watson sta aiutando i medici a prendere decisioni e analizzando grandi quantità di dati, ma alla fine lavorando con loro su una diagnosi in collaborazione. Puoi parlarci un po 'di come si svolge quell'allenamento e di come la soluzione finisce per fornire risultati migliori?

Il lavoro che abbiamo svolto in oncologia è un buon esempio di dove in realtà è una composizione di diversi tipi di algoritmi che, attraverso lo spettro del lavoro che deve essere eseguito, vengono utilizzati in diversi modi. Iniziamo con, ad esempio, guardando la cartella clinica, guardando la tua cartella clinica e usando il sistema cognitivo per esaminare tutte le note che i medici hanno preso negli anni in cui hanno lavorato con te e hanno trovato ciò che chiamiamo informazioni cliniche pertinenti. Quali sono le informazioni in quelle note mediche che sono ora rilevanti per la consultazione in cui stai per entrare? Prendendolo, facendo analisi della somiglianza della popolazione, cercando di trovare gli altri pazienti, le altre coorti che hanno molta somiglianza con te, perché questo informerà il medico su come pensare a diversi trattamenti e su come tali trattamenti potrebbero essere appropriati per te e come reagirai a questi trattamenti.

Quindi entriamo in quello che chiamiamo lo standard delle pratiche di cura, che sono tecniche relativamente ben definite che i medici condividono su come cureranno diversi pazienti per diversi tipi di malattie, riconoscendo che quelli sono realmente progettati per la persona media. Quindi ci mettiamo in cima a ciò che chiamiamo competenza clinica. Essendo stato insegnato dai migliori medici in diverse malattie cosa cercare e dove sono gli outlier e come ragionare sui diversi standard di pratiche di cura, quale di questi è più appropriato o come percorrere i diversi percorsi attraverso quelle diverse pratiche di cura e ora li applicano nel miglior modo possibile, ma alla fine entrando e guardando la letteratura clinica, tutte le centinaia di migliaia, 600.000 articoli in PubMed sui progressi della scienza che si sono verificati in quel campo che sono rilevanti per ora fare questa raccomandazione di trattamento.

Tutti questi sono diversi aspetti degli algoritmi che stiamo applicando nelle diverse fasi di quel processo, tutti insegnati mettendo alcuni dei migliori dottori al mondo di fronte a questi sistemi e facendoli usare il sistema e correggere il sistema quando vedono qualcosa che non va e il sistema impara essenzialmente attraverso quell'uso su come migliorare le proprie prestazioni. Lo stiamo usando in particolare nel caso dell'oncologia per aiutare i medici nel campo in merito alle opzioni terapeutiche che potrebbero non avere familiarità, o anche se hanno una certa familiarità con esso, potrebbe non aver avuto alcuna esperienza reale e non farlo capire veramente come i loro pazienti risponderanno ad esso e come ottenere la risposta più efficace dai loro pazienti.

Ciò che sostanzialmente ha fatto è democratizzare l'esperienza. Possiamo prendere i migliori dottori al Memorial Sloan Kettering che hanno avuto il vantaggio di vedere letteralmente migliaia di pazienti all'anno attorno alla stessa malattia da cui hanno sviluppato questa straordinaria esperienza, catturarla nel sistema cognitivo, portarla in una comunità o ambito clinico regionale in cui quei medici potrebbero non aver trascorso tanto tempo a lavorare con la stessa malattia su un gran numero di pazienti diversi, dando loro l'opportunità di beneficiare di quella competenza che è stata ora catturata nel sistema cognitivo.

Penso che l'idea di distribuire quell'esperienza, prima di tutto, catturarla sia un compito non banale, ma poi una volta che lo hai fatto, potendo distribuirlo davvero su tutto il pianeta, avrai l'esperienza di i migliori medici del Memorial Sloan Kettering possono essere consegnati in Cina, in India, in piccole cliniche, e penso che sia davvero straordinario.

Ha un enorme impatto sociale sul nostro benessere, sulla nostra salute, sulle cose che ci avvantaggeranno come società.

D'altro canto, la cosa che preoccupa le persone dell'intelligenza artificiale è che sostituirà le persone, sostituirà i lavori. È legato al movimento dell'automazione. La cosa che mi colpisce è, stare nello spazio medico, i radiologi. I radiologi guardano centinaia e centinaia di diapositive al giorno. Watson o un sistema basato sull'intelligenza artificiale potrebbero replicare lo stesso tipo di diagnosi e analisi dell'immagine. Tra dieci anni, pensi che ci saranno più o meno radiologi umani impiegati negli Stati Uniti? Qual è l'impatto su settori del genere?

L'impatto è in realtà aiutare le persone a fare un lavoro migliore. Si tratta davvero di… prenderlo nel caso del dottore. Se il medico può ora prendere decisioni più informate, basate su prove reali, supportate dagli ultimi fatti scientifici, che sono più su misura e specifiche per il singolo paziente, ciò consente loro di svolgere effettivamente il proprio lavoro meglio. Per i radiologi, potrebbe consentire loro di vedere nell'immagine cose che altrimenti potrebbero perdere o essere sopraffatte. Non si tratta di sostituirli. Si tratta di aiutarli a fare meglio il loro lavoro.

Ha la stessa dinamica di ogni strumento che abbiamo mai creato nella società. Mi piace dire che se torni indietro e guardi agli ultimi 10.000 anni della società moderna dall'avvento della rivoluzione agricola, siamo stati una società umana che costruisce strumenti, martelli, pale, idraulica, pulegge, leve e molto di questi strumenti sono stati più durevoli quando ciò che stanno realmente facendo è amplificare gli esseri umani, amplificare la nostra forza, amplificare il nostro pensiero, amplificare la nostra portata.

Questo è davvero il modo di pensare a questa roba, è che avrà la sua massima utilità quando ci consentirà di fare ciò che facciamo meglio di quanto potremmo fare da soli, quando la combinazione dell'essere umano e dello strumento insieme sono maggiori di uno dei due di loro sarebbero stati da soli. Questo è davvero il modo in cui ci pensiamo. Ecco come stiamo evolvendo la tecnologia. Ecco dove sarà l'utilità economica.

Sono completamente d'accordo, ma penso che ci saranno industrie che sono ovviate a causa dell'efficienza introdotta da questi sistemi intelligenti.

Stanno per essere trasferiti. Sì, verranno trasferiti. Non voglio sminuire questo punto dicendo in questo modo, ma voglio anche essere sicuro che non stiamo pensando a questo come all'eliminazione dei posti di lavoro. Si tratta di trasformare i lavori che le persone svolgono. Ti faccio un esempio. Molte discussioni su come ciò possa portare via i lavori nel call center. Beh, indovina un po '? C'è molto lavoro che fanno gli agenti dei call center che non hanno bisogno di fare, che non gli piace fare, che toglie alla loro capacità di fare cose che sono più interessanti.

L'abbandono che vediamo nei call center è in gran parte guidato dal fatto che se pensi al lavoro di agente del call center, sei seduto alla fine della telefonata ad ascoltare i clienti irritati tutto il giorno a porre la stessa domanda e ancora, ed è difficile tornare a casa la sera sentendosi davvero bene per quello che hai fatto quel giorno. È difficile vantarsi con i tuoi amici e la famiglia di questo lavoro che svolgi e di quanto sei bravo a farlo quando è la situazione in cui ti trovi.

Se riusciamo a convincere il sistema cognitivo attraverso un agente conversazionale a scaricare una certa percentuale, diciamo il 30 percento di quelle chiamate in arrivo e rispondendo alle domande più comuni e urgenti dei clienti in modo rapido, efficiente e prendendoci cura di quel lavoro banale, allora dopo tutto ciò che è stato curato sono i tipi di domande che le persone hanno intrinsecamente richiedono più di un tocco umano che poi passerai a quell'agente del call center. Il problema con cui hanno a che fare con quel cliente è più interessante, più impegnativo, richiede loro di avere più sforzo intellettuale, ma anche di avere a che fare con un cliente che è stato soddisfatto. Stanno arrivando un po 'più felici. Non si arrabbiano per il loro problema.

Per l'agente del call center, ha effettivamente migliorato il proprio lavoro. In realtà, rende loro possibile svolgere meglio il proprio lavoro ed esserne più soddisfatti. Nel frattempo, per il cliente, per il consumatore, hanno risolto rapidamente i loro problemi più urgenti. Non restano in attesa per 10 minuti. Non stanno aspettando che vengano indirizzati alla persona giusta con la giusta conoscenza. Stanno ottenendo le informazioni di cui hanno bisogno più prontamente e in grado di andare avanti con la propria vita con una decisione probabilmente migliore, informazioni sicuramente migliori o almeno informazioni più coerenti. In realtà avvantaggia entrambi i lati di tale equazione.

È interessante. Alcune delle demo che ho visto oggi sono che le applicazioni del call center possono anticipare e rilevare lo stato emotivo delle persone che stanno chiamando in modo abbastanza efficace, quindi non è solo transazionale. Può effettivamente leggere abbastanza bene lo stato della persona dall'altra parte della riga.

Il che è davvero essenziale se ci pensi; una conversazione ha due elementi. Uno è che ciò che la gente dice per cominciare non è generalmente quello per cui sono davvero lì. Se dico "Qual è il mio saldo?" bene, non è davvero un mio problema. Sì, ho bisogno di conoscere il saldo del mio conto, ho bisogno di sapere quanti soldi ho, ma il mio problema è che sto cercando di acquistare qualcosa o sto cercando di capire come ottenere i soldi nella posizione giusta per pagare le mie bollette questo mese, o sto cercando di risparmiare per l'educazione dei miei figli. Il mio problema è più grande della prima domanda che ho posto e una conversazione dovrebbe riguardare il problema reale.

La seconda caratteristica comune di una conversazione è che tipicamente porta con sé una sorta di arco emotivo. Le persone entrano in un certo stato emotivo e parte della conversazione è di spostarle attraverso uno spostamento emotivo che spesso significa spostarle dall'ira all'essere ora soddisfatte. In alcune conversazioni, potremmo entrarci. Potrebbe effettivamente riscaldarsi un po '. Vedi un arco emotivo che inizia forse calmo e poi passa a una discussione più controversa che alla fine si risolve.

Essere sensibili e consapevoli dello stato emotivo nelle parti coinvolte è una parte importante dell'essere efficaci in quella conversazione.

Quali sono alcune delle altre applicazioni che ritieni siano realmente trasformative che sono disponibili oggi?

Penso che ognuno di loro, quello che stiamo facendo, sia coinvolgere l'utente, il cliente, in un modo che li ispira. Per me, alla fine, e tornando di nuovo alle conversazioni come esempio, in genere quando gli esseri umani entrano in una conversazione, veniamo al tavolo con un'idea. Hai un'idea Ho un'idea. Quell'idea iniziale è l'inizio della conversazione e nel corso della conversazione sviluppiamo quelle idee. Li mescoliamo. Li uniamo. Forse li sconto o li amplifichiamo. Ci evolviamo fino al punto in cui uscendo dalla conversazione abbiamo un'idea migliore, si spera. Idealmente.

Per farlo, ci deve essere non solo il dare e avere, ma un elemento di come ispirare qualcuno? Come inducete le persone ad attivare la loro immaginazione? In che modo li fai pensare a qualcosa a cui non avevano pensato prima o vedere qualcosa in una luce a cui non avevano mai pensato prima o vedere un altro punto di vista che li porta su un percorso che non sapevano nemmeno pensare a porre domande che non stanno pensando di porre? Questi sono gli esempi, quelle sono le situazioni che ritengo siano le più promettenti e avranno il massimo beneficio per le persone.

Sta succedendo oggi o è qualcosa che deve accadere lungo la linea mentre la tecnologia evolve?

No, sta succedendo. Abbiamo esempi di ciò che sta accadendo ora. In effetti, tornando all'oncologia come un esempio, per i migliori medici del mondo, le opzioni di trattamento che vengono presentate possono essere ovvie per la maggior parte. Potrebbero esserci uno su dieci casi in cui potrebbero dire: "Beh, aspetta un minuto, è stata un'idea interessante". Non sarà così spesso, ma, come hai detto prima, se lo portiamo ora alle impostazioni della comunità, alle impostazioni regionali e in aree in cui non ci sono livelli di competenza, il fatto che il sistema possa introdurre nuove idee, nuove opzioni di trattamento, si tratta davvero di introdurre nuove idee. Lo stiamo già vedendo.

Quindi, naturalmente, andare oltre quello che penso sia diventato il classico scenario di chatbot che penso che alcuni di noi stiano iniziando a vedere in diversi esempi fino ad ora una situazione in cui se qualcuno dà un avviso di frode con carta di credito sulla propria carta di credito e si recano a un chatbot oggi, potrebbe essere semplicemente: "Quella transazione è stata qualcosa che hai fatto o no? Se lo è, allora va bene. In caso contrario, faremo qualcosa per annullare la transazione, " in ora ", " Okay, hai bisogno di una nuova carta di credito. Dov'è il posto migliore per riceverti? Dovremmo inviarti per posta? Non dovremmo inviarti per posta? Oh, ti stai preparando per partire per questo viaggio. Quindi chiaramente siamo non sarà in grado di inviarti per posta. Dobbiamo riceverlo più velocemente di così.

"Oh, stai andando all'estero. Forse c'è un'opzione di carta di credito qui a cui non sei stato esposto prima, non sapevo, dove gestiamo meglio i cambi di valuta a tuo favore. Oh, la stai usando per affari Questo è un viaggio all'estero. Lo stai usando per le spese aziendali. Bene, ecco una carta di credito che ha un tasso di interesse più appropriato per quello. " Questi sono tutti esempi molto semplici, ma ognuno di essi sta aprendo una nuova serie di idee che in genere non accade oggi nel tuo semplice chatbot e che tuttavia può davvero dare molto potere agli esseri umani.

Il punto interessante è che mentre attraversi tutte queste opzioni, in passato sarebbe una sceneggiatura. Ci sarebbe una sceneggiatura con un paio di rami. Sarebbe predefinito in anticipo. È una cosa molto diversa quando lo fa un chatbot che in realtà reagisce alle informazioni fornite e alle informazioni che hai già fornito e che ti guida lungo percorsi che non sono stati scritti. Sa che stai viaggiando, ma non l'hai necessariamente detto. Ha trovato queste informazioni dalla tua cronologia email.

Può trovare cose su di te che ha scoperto lungo la strada.

Abbiamo parlato di oncologia perché è un ottimo esempio. Abbiamo parlato di chatbot perché la maggior parte delle persone ha avuto qualche interazione con loro. Ma questa è una tecnologia che si adatta a tutti i settori. È difficile pensare a un settore che non avrà alcun tipo di componente cognitiva. Ci sono esempi che sono appena usciti a cui la gente non ha ancora pensato?

La cosa sorprendente per me è come ogni giorno qualcuno abbia un'altra idea nuova. Ecco perché penso che siamo in una fase così interessante, perché essendoci concentrati sulla scomposizione di ciò che abbiamo in termini di capacità cognitive in servizi di costruzione, è davvero liberare le persone dall'utilizzare la loro immaginazione e andare a perseguire idee che abbiamo mai veramente considerato prima, se quello sta usando il riconoscimento visivo per sorvegliare il paesaggio.

In California, ad esempio, un'azienda sta utilizzando il riconoscimento visivo per esaminare la topografia e la topologia e riconoscere nell'immagine la differenza tra una superficie in calcestruzzo, una superficie del tetto in asfalto, una superficie in erba, alberi e arbusti e queste cose, per stimare quanta acqua viene consumata e dove potrebbero esserci perdite d'acqua e cose che potrebbero essere fatte per migliorare l'uso efficiente dell'acqua, ad esempio.

Oppure, nell'arena legale, usare queste cose per dare una mano e aiutare gli avvocati a leggere letteralmente milioni e milioni di pagine di materiale di base che è come trovare l'ago in un pagliaio. Dov'è quel pezzo di carta che è veramente rilevante per questo caso particolare? Cercando di riordinare tutto ciò. Le opportunità sono semplicemente enormi.

Penso che una di queste qualifiche abbia grandi quantità di dati che devono essere analizzati. Hai parlato di cartelle cliniche e di essere in grado di scansionare le cartelle cliniche alla ricerca delle informazioni pertinenti. Tali registrazioni nel corso della tua vita potrebbero essere lunghe molte centinaia di pagine. Questa è la cosa, forse il tuo medico di famiglia ne ha una vaga idea, ma non se ne ricorderanno tutto, mentre il sistema non dimentica mai.

Si. Un medico può avere cinque, forse dieci minuti per esaminare quella storia medica prima di venire e consultarsi con te, eppure ci sono tutti i tipi di informazioni molto rilevanti che potrebbero essere nella tua storia, nel tuo passato, che in qualsiasi altra circostanza perderebbero loro perché non hanno tempo, che se lo facessero farebbe la differenza.

Pensa a una situazione in cui se una donna avesse detto al suo medico che sua madre era morta di cancro al seno due anni fa. Bene, è probabile che il dottore lo abbia notato in quel record, ma in questo momento, se questa donna sta arrivando presentando un nodulo nel suo seno, e se quel dottore non lo vede, beh, questo è un pezzo molto importante di mancanza informazione. Ora, forse lo riscopriranno parlando con il paziente, ma forse no. Vuoi davvero correre il rischio di non averlo saputo quando qualcosa del genere è così germano?

La caratteristica principale per cui questa roba tende ad essere utile è che hai menzionato in cui ci sono molti e molti dati. Sì, ma in realtà è quando uno di quegli aspetti di chi siamo come esseri umani, dove la nostra capacità cognitiva inizia a raggiungere il suo limite. Siamo bravi a leggere. Possiamo leggere qualcosa. Possiamo assimilarlo. Possiamo adattarci alle informazioni e utilizzarle in modi molto potenti come esseri umani. Ma non siamo molto bravi a leggere molti dati. Non possiamo che… L'idea di leggere decine di migliaia, centomila, milioni di pagine di letteratura in un giorno è molto al di là delle nostre capacità.

La domanda diventa, man mano che cresciamo in un mondo in cui la quantità di informazioni che vengono prodotte su base giornaliera sta crescendo in modo esponenziale, quanta più di queste informazioni non stiamo usando che ha informazioni in essa, ha quella piccola quantità di informazioni che è assolutamente fondamentale per la decisione che dobbiamo prendere non ci stiamo avvicinando? Se non è la quantità di informazioni che leggiamo, è: quanto assimiliamo? Quanto possiamo ricordare? Siamo in grado di vedere i piccoli schemi che sono rilevanti in tali informazioni per le nostre decisioni?

Ci sono molte cose in cui noi esseri umani siamo bravi. Ci sono anche molte cose che non siamo molto bravi, ed è questo il punto in cui il cognitive computing inizia davvero a fare una grande differenza, è quando è in grado di colmare quella distanza per colmare questa lacuna.

Sembra abbastanza chiaro che questo è il mondo in cui ci stiamo muovendo. Quanto siamo preparati? Cosa guardi al nostro sistema educativo, alla nostra economia, alle nostre strutture politiche? Quanto siamo preparati a vivere in un mondo con questo tipo di cognitive computing come componente?

È interessante. Questo si basa su uno dei punti chiave di valore che possediamo come esseri umani, che è la nostra capacità di adattamento. Se lo guardi in termini puramente discreti, dove sta andando questo, e se dovessimo saltare di 10 anni e guardarlo e dire: "Dove saremo 10 anni? Siamo preparati per quello?" la risposta sarà probabilmente, no. C'è molto di più che dobbiamo fare. Ma gli esseri umani hanno questa straordinaria capacità di adattarsi al volo e crescere con i cambiamenti che si stanno verificando intorno a loro.

Ripensaci 10 anni fa, quando lo smartphone stava davvero iniziando a diventare disponibile per noi, per non parlare del popolare, e quanti cambiamenti abbiamo attraversato come società negli ultimi 10 anni. Pensa a come è la tua vita su base giornaliera con e senza il tuo smartphone. Possiamo lamentarci di quanto potrebbe essere togliendo da altre esperienze, e questo può essere vero, ma il punto è che non abbiamo passato molto tempo 10 anni fa a preoccuparci, se fossimo preparati come società, anche se infatti negli ultimi 10 anni abbiamo subito molti cambiamenti di cui probabilmente non eravamo pienamente consapevoli poiché abbiamo assimilato questo cambiamento nella tecnologia e abbiamo iniziato a utilizzarlo in modo molto efficace.

C'è molto che dobbiamo fare. Ci sono molte cose che faremo nel tempo, molta crescita che attraverseremo, molta istruzione, politica e altre cose su cui dobbiamo cambiare, ma lo faremo.

Arriveremo alle mie ultime domande. Quale tendenza tecnologica ti interessa di più? C'è qualcosa che ti tiene sveglio la notte?

Penso che la più grande preoccupazione che ho adesso sia che le persone debbano assumersi la responsabilità. Noi come ingegneri e fornitori di tecnologia, consumatori di tecnologia, persone che hanno la responsabilità di regolamentare la tecnologia, abbiamo davvero bisogno di essere consapevoli e pensare attraverso ciò che vogliamo fare per proteggerci e prepararci ai cambiamenti che stanno avvenendo. Non sarà perché non ci adatteremo ad esso. Noi. Il problema è ovviamente, nel processo di adattamento, inoltre non saremo consapevoli di ciò che sta facendo e di come ciò ci sta influenzando e dove le persone potrebbero sfruttare quella tecnologia in modi che non preferiamo, che non siamo non ci sentiamo a nostro agio o con il senno di poi.

Penso che dobbiamo essere consapevoli e pensare a ciò che facciamo e non vogliamo che ciò accada nelle nostre vite con questa tecnologia. In particolare, i venditori in particolare, noi come fornitori di questa tecnologia e le persone che consumano questi componenti tecnologici e ne creano applicazioni, in questo momento dovremmo presumere la responsabilità del nostro comportamento o comportamenti etici che nascono da valori etici.

Ad esempio, consigliamo vivamente a tutti i nostri sviluppatori di applicazioni, a qualsiasi istituzione che sta creando applicazioni utilizzando queste tecnologie, di essere molto trasparenti con i loro utenti finali sul fatto che si tratta di un'applicazione cognitiva, di un computer e non tentare di mascherarsi da vero essere umano, per esempio. Non fingere. Non lasciare che questa cosa faccia finta.

Non imitare.

Non imitarlo e non lasciare che i tuoi clienti siano mai indotti a credere che questa cosa sia una persona reale. Eticamente, è sbagliato. Penso che crei il rischio di vulnerabilità. Un essere umano che interagisce con un essere umano può fare alcune ipotesi sui nostri difetti, sulla nostra incapacità di conservare effettivamente molte informazioni, dove quando abbiamo a che fare con un sistema cognitivo, dobbiamo essere consapevoli che le persone che forniscono quel cognitivo soluzione ha una responsabilità per la privacy e la protezione delle informazioni che le forniamo. Non dovremmo mai dimenticare questo fatto.

In termini di tecnologia al rialzo, quale tecnologia usi ogni giorno che ispira meraviglia? Cosa ti ha cambiato la vita?

Penso che ora posso avere accesso alle informazioni che, anche se potessi ottenerle su Internet, abbiamo avuto informazioni a nostra disposizione su Internet per molto tempo, ma spesso smettiamo di cercare di ottenere tali informazioni perché è travolgente. Stavo guardando alcune apparecchiature per fotocamere e stavo solo cercando di prendere decisioni sui compromessi tra le diverse fotocamere-

Ti invierò un link alla nostra guida per gli acquirenti.

Ecco qua. Diventa travolgente, eppure devi fare affidamento su altre persone per fornirti quel consiglio e presumere che abbiano fatto la ricerca per te, ma anche allora, lo fanno sulla base di alcune ipotesi che hanno fatto su ciò che hai bisogno e cosa ti interessa. Ad un certo punto semplicemente ti arrendi e dici: "Okay, bene, dimmi solo cosa devo fare, lo farò." Oppure vai su un sacco di siti Web e vedi tutte queste opinioni e diventa confuso e contraddittorio e così dici: "Beh, diamine con tutti loro. Vado solo con ciò che mi fa sentire bene."

Ora, poiché questi sistemi possono accumulare, assimilare e organizzare grandi quantità di informazioni, anche per le persone che stanno formulando raccomandazioni, anche per i consulenti, ne beneficiano perché aiutano a fare un lavoro migliore. Un modo in cui mi piace dire che è che non fa il nostro pensiero per noi, fa la nostra ricerca per noi in modo che possiamo fare meglio il nostro pensiero, ed è vero per noi come utenti finali ed è vero per i consulenti. È vero per chiunque abbia quel ruolo di analista.

Penso all'applicazione, perché cerchiamo sempre di aiutare le persone a prendere decisioni di acquisto. Non siamo lontani da un sistema in grado di guardare tutte le foto che hai scattato negli ultimi cinque anni, vedere che ti piace fare fotografie naturalistiche o primi piani di fiori, quindi fare una raccomandazione fotocamera basata sulle immagini che tu prendi.

Giusto. Fenicotteri. Non so perché.

Questa è la migliore fotocamera per scattare foto di fenicotteri.

Fenicotteri, giusto.

Ci siamo quasi. La tecnologia esiste, non è ancora stata programmata.

Si.

O insegnato, come facciamo in questi giorni. Rob High, grazie mille per averlo fatto.

Grazie mille.

Per un avanzamento più veloce con Dan Costa, iscriviti al podcast. Su iOS, scarica l'app Podcast di Apple, cerca "Avanzamento rapido" e iscriviti. Su Android, scarica l'app Stitcher Radio for Podcast tramite Google Play.