Brug af AI til at styre vores tidsplaner

Hvordan AI i vores lommer vil hjælpe os med at blive mere effektive mennesker

Planlægning af møder: en opgave, som mennesker kan finde trættende og frustrerende. Den type arbejde, der burde være robotiseret. Det er en stor del af Doodles helt egen mission, og chatbotten Meekan er med til at hjælpe med at opnå den. Med sin engleagtige tålmodighed og henrivende hastighed er opgaven med at planlægge vanskelige møder på vej til at blive AI's eneste domæne. Ethvert moderne menneske skal vide en lille smule om AI. I dette indlæg deler vi et par af vores indsigter om de måder, hvorpå AI virkelig kan arbejde for og med mennesker. Vi vil også tale om de unikke udfordringer, som AI står over for for at blive mere effektiv, hvilke dele af AI der passer til menneskelig tænkning, og hvad der bliver til en fejlmeddelelse. Og vi vil se, hvordan AI i vores lommer er begyndt at blive virkelig integreret i vores daglige menneskelige liv.

Lad os starte med en lille nedtur (men det bliver bedre): Lige nu, i arbejdslivet og i forbindelse med tilrettelæggelse af privatlivet, foreslår mange apps at hjælpe os med at administrere vores tidsplaner. Teknologiens mål har altid været at optimere brugen af vores tid og den menneskelige produktivitet. Og alligevel er frustration over teknologien stadig en alt for almindelig oplevelse, især når det drejer sig om at synkronisere ikke blot vores egne kalendere, men også et helt teams kalendere. Så hvad sker der?

De to største udfordringer, som AI skal overvinde for virkelig at hjælpe mennesker

Der er to store udfordringer, som er særlige for AI, når det drejer sig om at automatisere planlægning. De to største udfordringer er:

Så AI kommer i krummer, i form af en koloni af isolerede systemer, der kun lejlighedsvis samarbejder sammen. Der findes ikke "én verden" af AI. Dette er et problem for en AI, der forsøger at hjælpe en gruppe mennesker med at planlægge et møde.

Her er hvordan AI allerede arbejder for dig hver dag

Tag et skridt tilbage og tænk over, hvor mange ting AI gør for os i løbet af en dag: Kort-appen kan guide os til vores arbejdssted i en hvilken som helst by. Den hjælper os med at finde ud af, hvilke undergrundsbaner vi skal tage, eller hvilken chauffør vi skal få til at hente os. Listen over dagligdags anvendelser af kunstig intelligens bliver stadig længere.

Der er tale om et væld af små dele og individuelle opgaver, som AI anvendes til. Hver af applikationerne tilhører et andet bureau, en anden virksomhed eller en anden netværksplatform, så f.eks. Google Calendar tilhører Google, mens man logger ind på Tinder via Facebook. Men nu bliver det interessant.

Tidligere var en stor kilde til frustration med teknologi, at medmindre brugerne var på nøjagtig samme platform, kunne deres enheder ikke samarbejde, medmindre de var på nøjagtig samme platform. Men efterhånden som arbejdsverdenen bevæger sig længere ind i industri 4.0-æraen, blev denne manglende evne til at synkronisere en stor hindring for vores produktivitet.

I dag bruger folk apps til en hel skov af små opgaver. Dybere og dybere og dybere integrerer vi nu informatik i alle aspekter af vores liv. Det betyder samarbejde mellem grupper af mennesker såvel som grupper af enheder - og AI'en i disse enheder.

Ingen kan gå ud fra, at hver enkelt person har den samme type kalender. Så udfordringen for en AI til planlægning er at få f.eks. fem personers kalendere til at tale sammen. Hvis vi overvinder udfordringen med "fordelingsbetingelserne for kunstig intelligens", kan vi åbne op for menneskelig produktivitet 4.0.

Doodles chatbot Meekan skal tage fat på denne udfordring med AI's spredning på en lang række individuelle applikationer, der leveres af en lang række samtidige leverandører, hvilket skaber en sådan udfordring for automatiseret planlægning.

Dette dækker altså aspektet af AI's distributive karakter.

Den anden udfordring er at forstå menneskeligt sprog uden for mange hikkefejl.

Sådan lærer AI menneskesprog

Når det drejer sig om at træne AI i menneskelig sprogbrug, ligger djævelen i detaljerne. Hvis en persons tone er sarkastisk, vil et andet menneske forstå det (forhåbentlig) - men AI vil tage tingene for pålydende og følge en mærkelig vej af formel logik og latterlighed. Hvis et menneske under en samtale kortvarigt bevæger sig uden for emnet, hvilket er naturligt, eller hvis samtalen er spækket med dobbeltbetydninger, eller lad os sige, at nogen taler i metaforer: alle disse kanaler kan få AI til at fungere dårligt.

Medmindre den naturligvis ved, hvordan den kan skelne mellem de forskellige toner i menneskelig tale. Tonen kan være informativ, sarkastisk, dramatisk, humoristisk, saglig, hvad som helst.

Det er et lidet kendt faktum, men virksomheder placerer hundredtusindvis af teknikere i datacentre overalt for at arbejde på at finpudse AI's semantiske præcision. Hvert ord har en semantisk sky af mulige primære og sekundære betydninger - tænk på de mange anvendelser af ordet "arm". Men nu er det her fascinerende: En semantisk cloud-tekniker vil tagge hvert ord med de mange nuancer af dets betydning. Semantic cloud-teknikere analyserer menneskelige ytringer for at vise AI, hvordan vi mennesker modulerer vores tonefald.

Det er en omfattende og kompleks opgave, da udviklerne arbejder på at skabe en AI, der virkelig kan forstå, hvordan mennesker kommunikerer, indirekte, skråt og sidelæns, og som ubesværet kan navigere i det uendeligt fintmaskede væv af menneskelige sproglige udtryk.

Vi ønsker, at AI skal være indlejret og ikke stå adskilt fra os selv

AI-chatbots som Meekan eller en digital assistent som Siri eller Alexa er trænet til at ignorere alt, hvad vi siger, indtil den opfanger noget, den måske kan hjælpe os med. Grunden til, at vi skal sige "Siri, åbn Tinder", er, at ordet "Siri" fungerer som en "on"-knap, til aktivering af Siri. Det samme gælder for en e-mail, hvor du måske cc'er en digital assistent til planlægning.

I det tilfælde bliver vi mennesker trænet i at kommandere AI; men målet er at få AI'en til at opfylde vores behov intuitivt, uden at vi mennesker skal lære at betjene den. Målet er at få AI indlejret i vores digitale kommunikation på en problemfri, hjælpsom og praktisk måde og at udbedre dumme robotmisforståelser.

Men misforståelser er forprogrammerede, hvis du undskylder ordspillet. Det er svært at lære AI sund fornuft, hvis man ikke ved, hvad sund fornuft er. Ingen ved, hvad sund fornuft er, selv om alle tror, de ved det. Filosoffer er aldrig blevet enige om en solid måde at definere sund fornuft på. Det er umuligt at måle sund fornuft. Så vi står i et stykke tid over for en stor udfordring, når vi skal træne AI i virkelig at forstå, hvad mennesker mener, når de taler.

Det dækker den anden store udfordring for AI, som blev nævnt i begyndelsen, nemlig sprogforståelse. De to hovedproblemer, vi har drøftet her, har været: sprog og den distributive karakter af AI-applikationer.

Et unikt øjeblik i teknologiens historie

At udvikle et AI-program, der kan planlægge møder godt, er en udfordring, som mange udviklere stadig kategoriserer som "umulig". Men afgørende er, at vi nu befinder os på et historisk punkt, hvor betingelserne er opfyldt for fremkomsten af nye applikationer inden for AI. Ifølge bloggen wecognize er tre vigtige forudsætninger:

AI eller sci-fi?

I de seneste to år er branchen for kunstig intelligens vokset som en svamp i en boom og en skov af nye virksomheder. Selvbestaltede "visionære" baserer deres forståelse af AI på science fiction, hvilket ikke stemmer overens med den virkelighed, hvor AI befinder sig i dag.

Den stemmer heller ikke overens med, hvor AI er på vej hen. Scifi viste os robotter med kunstig intelligens på menneskeligt niveau, som skulle forbløffe et naivt publikum. Men den form for naivitet er forsvundet, og i dag er folk alt for verdenskloge, forfaldne, efterentusiastiske og vant til teknologi og innovation. Vi føler os ikke længere overraskede over en historie om androide robotter, der forelsker sig i mennesker. Men det, der kan virkelig forbløffe nogle af os nu, er en AI, der planlægger alle vores møder med korrekt intuition.