非正式合作伙伴专栏:“让我们的机器”
  我听到了‘ rsquo;前几天用作动词。

  现场是另一个关于体育价值的小组讨论,在另一个营销会议上。

  这不是对话的确切复制品,而是捕捉要点:

  “他们可以出售六国冠军。您认为什么值得?”

  “不知道,但是我确定我们可以加工它。”

  我喜欢“机器”。

  这是一个如此引人注目的短语,它比主题更重要的是说话者。

  自从Sport开始吸引认真的品牌现金以来,赞助商和权利持有人就围绕着古老的价值问题而跳舞。

  自从马克·麦考马克(Mark McCormack)和阿诺德·帕尔默(Arnold Palmer)握手以来,找到确定的答案一直是圣杯。

  与每个业务领域一样,其中一些工作都是自动化的:赞助商和权利持有人都使用具有不同质量和复杂性的机器,从简单的Excel仪表板到数据浏览超级计算机。

  但是,它的真正力量是“机器”在于更多的东西。这是关于我们对复杂问题的简单答案的根本寻求。

  ‘ rsquo;通过将营销归因的驴工作放到优雅的方程式中,使我们能够在因果关系问题上滑行,从而提供了一个令人困惑的简单数字,即使是首席执行官也可以理解的。

  “ Alexa,六国价值什么?”

  “答案是79”

  “谢谢,Alexa”

  “没问题。我今天还有什么可以帮助您的吗?”

  想想所有专门用于追求体育赞助的智力能量,只是让机器人首先到达那里,这听起来像是IBM Watson和Lesa Ukman的Bastard Love Child。

  2011年,IBM&rsquo的超级计算机在测验表演危险中击败了人类参赛者,在美国电视上直播。

  从那时起,沃森就被用作有关人工智能,自动化和工作未来的辩论的速记,这是一个数百年来的模因,其中心是一台全知的机器的概念,这是一种人造的系统,可以达到诚意。

  这是弗兰肯斯坦(Frankenstein)的情节,玛丽·雪莱(Mary Shelley)几乎在200年前就撰写了,这个故事的版本自’Robot&rsquo&rsquo’一词以来一直驱动了科幻小说。 1920年代首次出现在捷克文学中,意思是劳动者。或&‘ rsquo;;

  这种背景为我们如何看待AI和机器学习的进度来着色。

  简而言之,我们在两个极端的恐惧和无限期望之间转向。

  一方面,AI的想象潜力是它将解决我们的问题,无论是大(世界饥饿)还是小(WTA标题交易的价值)。

  这种乌托邦的观点与相应的失望保持平衡,即机器人仍然与科学怪人的伴侣的缺点搏斗:缺乏细微的判断,创造力,直觉和直觉和本能&ndash&ndash–又名人类。

  这种错误的二分法背叛了对计算机的基本误解。

  在著名的IBM特技表演之后的第二天,最好解释这一点,当时哲学家约翰·塞尔(John Searle)在《华尔街日报》上写了一篇文章,题为“沃森”(Watson)不知道它在Jeopardy&Rsquo;

  ‘沃森不了解这些问题,他写道,也没有答案,也没有一些答案是对的,有些是错误的,也没有在玩游戏,也没有赢得比赛。因为它不了解任何东西。

  Searle说,IBM&rsquo的计算机不是,也不可能是为了理解的。相反,它旨在模拟理解,表现得像理解一样。正如一些评论员所说的那样,逃避的是,计算机理解与人类的理解不同。从字面上看,没有计算机理解之类的东西。只有模拟。计算机识别符号,并且非常快。但是符号不是含义。

  因此,角落里的盒子是一个快速的白痴,人类不会过时。这可能是时代的标志,但我发现这一点令人放心。

  在Twitter上关注Richard Gillis:@Richardgillis1

  理查德·吉利斯(Richard Gillis)是船长神话的作者:莱德杯(Ryder Cup and rsquo)的伟大领导妄想,由英国和美国的布卢姆斯伯里(Bloomsbury)出版。

  我听到了‘ rsquo;前几天用作动词。

  现场是另一个关于体育价值的小组讨论,在另一个营销会议上。

  这不是对话的确切复制品,而是捕捉要点:

  “他们可以出售六国冠军。您认为什么值得?”

  “不知道,但是我确定我们可以加工它。”

  我喜欢“机器”。

  这是一个如此引人注目的短语,它比主题更重要的是说话者。

  仪表板的简单答案

  自从Sport开始吸引认真的品牌现金以来,赞助商和权利持有人就围绕着古老的价值问题而跳舞。

  自从马克·麦考马克(Mark McCormack)和阿诺德·帕尔默(Arnold Palmer)握手以来,找到确定的答案一直是圣杯。

  与每个业务领域一样,其中一些工作都是自动化的:赞助商和权利持有人都使用具有不同质量和复杂性的机器,从简单的Excel仪表板到数据浏览超级计算机。

  但是,它的真正力量是“机器”在于更多的东西。这是关于我们对复杂问题的简单答案的根本寻求。

  ‘ rsquo;通过将营销归因的驴工作放到优雅的方程式中,使我们能够在因果关系问题上滑行,从而提供了一个令人困惑的简单数字,即使是首席执行官也可以理解的。

  “ Alexa,六国价值什么?”

  “答案是79”

  “谢谢,Alexa”

  “没问题。我今天还有什么可以帮助您的吗?”

  想想所有专门用于追求体育赞助的智力能量,只是让机器人首先到达那里,这听起来像是IBM Watson和Lesa Ukman的Bastard Love Child。

  科学怪人的影子

  2011年,IBM&rsquo的超级计算机在测验表演危险中击败了人类参赛者,在美国电视上直播。

  从那时起,沃森就被用作有关人工智能,自动化和工作未来的辩论的速记,这是一个数百年来的模因,其中心是一台全知的机器的概念,这是一种人造的系统,可以达到诚意。

  这是弗兰肯斯坦(Frankenstein)的情节,玛丽·雪莱(Mary Shelley)几乎在200年前就撰写了,这个故事的版本自’Robot&rsquo&rsquo’一词以来一直驱动了科幻小说。 1920年代首次出现在捷克文学中,意思是劳动者。或&‘ rsquo;;

  这种背景为我们如何看待AI和机器学习的进度来着色。

  简而言之,我们在两个极端的恐惧和无限期望之间转向。

  一方面,AI的想象潜力是它将解决我们的问题,无论是大(世界饥饿)还是小(WTA标题交易的价值)。

  这种乌托邦的观点与相应的失望保持平衡,即机器人仍然与科学怪人的伴侣的缺点搏斗:缺乏细微的判断,创造力,直觉和直觉和本能&ndash&ndash–又名人类。

  这种错误的二分法背叛了对计算机的基本误解。

  在著名的IBM特技表演之后的第二天,最好解释这一点,当时哲学家约翰·塞尔(John Searle)在《华尔街日报》上写了一篇文章,题为“沃森”(Watson)不知道它在Jeopardy&Rsquo;

  ‘沃森不了解这些问题,他写道,也没有答案,也没有一些答案是对的,有些是错误的,也没有在玩游戏,也没有赢得比赛。因为它不了解任何东西。

  Searle说,IBM&rsquo的计算机不是,也不可能是为了理解的。相反,它旨在模拟理解,表现得像理解一样。正如一些评论员所说的那样,逃避的是,计算机理解与人类的理解不同。从字面上看,没有计算机理解之类的东西。只有模拟。计算机识别符号,并且非常快。但是符号不是含义。

  因此,角落里的盒子是一个快速的白痴,人类不会过时。这可能是时代的标志,但我发现这一点令人放心。

  理查德·吉利斯(Richard Gillis)是船长神话的作者:莱德杯(Ryder Cup and rsquo)的伟大领导妄想,由英国和美国的布卢姆斯伯里(Bloomsbury)出版。

  盖蒂图像