你的位置:好运心水论坛 > 好运心水论坛 > 正文

野生智能名目胜利的8个机密

更新时间:2019-01-03   来源:本站原创

人工智能领有伟大的商业远景,但明显大多半组织并没有充分利用这一上风。以下是初期采用者如何从人工智能项目中发掘商业价值的一些倡议。

  各个领域的商业首领都看到了人工智能的价值,但使用大好人工智能能力真正表现其价值地点。

  在这里,我们总结了一些探路者们的教训经验,愿望能给厥后者一些有意思的参考。根据德勤比来的一项调查显著,82%的人工智能晚期采取者从认知技巧投资中看到了踊跃的财务结果,投资回报率的中位数为17%。

  一个成功的人工智能项目和一个不成功的人工智能项目之间最年夜的差别是甚么?德勤征询公司的分析与认知部分主管Nitin Mittal表示,不管是技术驱动的仍是商业需求驱动的,都有迹可循。

  盼望充足应用人工智能的构造要留神了:“存眷可能合适野生智能的特定用例。专一于须要完成的营业目的,证实其驾驶,并扩展范围。那便是咱们看到的良多案例可能胜利的起因。”Mittal道。

  上面是将人工智能项目转化为商业价值的8个技巧,这些技能来自于那些从人工智能中取得实际利益的人的总结。

专注于详细问题

  通用电气背责硬件研讨的副总裁Colin Parris说,在特用电气,贸易价值是每小我工智能项目的核心。

  “我们从一系列最小可行的产物开始,它果然能预测什么吗?如果我们能做到,它是更廉价、更快,还是能带来更多收入?最后,我们可以如何扩展它,如何安排它来失掉商业价值?”他说。

这一系列的后绝举动是相当主要的。

  例如,如果人工智能系统正在预测需要保护的装备,那末这些预测需要集成到任务流中。这可能象征着需要差遣适合的现场工程师在合适的时光进行开适的维护。

它还可能需要集成到库存系统中。

  或者可能需要与现实机器进行集成。“如果我的人工智能让我能够真公理解什么时候需要提低温度或压力,我就必需集成到节制系统中,”他说。

懂得AI的范围性

  当人类试图做出预测时,他们有时会成为被称为Dunning-Kruger效应的心思圈套的就义品。当一个人认识不到自己对某个话题知之甚少,错误地认为自己是专家时,就会呈现这种情况。其结果可能既风趣又悲凉。

  人工智能系统也可能降进异样的圈套。比方,一个接收过特定命据集练习的人工智能被请求依据完齐分歧的数据散进行预测,这会给出完整过错的谜底――当心是对于曾经教会依附人工智能猜测的用户去说,这多是使人佩服的。

  现真相况是,这需要一名数据科学家来了解分析模型何时适合于特定命据集。“我必须理解基于数据的假设,”IBM的Parris说。“我如何测试模型?”我可能需要天生其他类别的数据,或者模拟数据,来断定它是不是无效。然后我必须在数据运行时检讨数据以确保这些假设是有用的。这是你作为人工智能专家经由多年培训后才能够做到的事件。”

  新员工或非数据科学家可能没有接受过这种培训,从而使组织轻易遭到开导性结论的硬套。

  为了解决这个问题,通用电气已经开始研究所谓的“humble AI”,它是一种人工智能系统,能够知道其算法实用于哪些情况,而且只在那些情况下使用机器学习模型。

  “如果我不在这个范畴内,我就不会使用这个模型。我念归去使用我们从前20年来使用的物理模型,”Parris说。 “这类人工智能知道它自己的能力规模。”

  他说,“humble AI”现在正在接受测试。“使用价值数百万美圆的机器时,你相对不想做任何侵害机器寿命或机能的事情。退后一步,回到惯例的套路来吧。”

  聆听利益相关者和客户的看法

  对一些公司来讲,确保人工智能系统发生有效的成果可能需要一些内部辅助。

  安康内华达项目的尾席数据科学家Jim Metcalf说:“幻想情况下,你可以在黑板集会上开始一个项目,所有重要好处相闭者皆已经花了一下战书的时间来了解细节并记载查询需要。”

  例如,健康内华达团队正在研究一种治疗心净病患者的方案。这就需要支集病人出院时开药的信息。但有些药物,如他汀类药物,每每是在病人第一次出院时开的,当病人分开时会持续开出。系统假设这些药物是患者已经在服用的药物,而不是与心脏病发生相关的新药。只有当药物数量最终低于预期时,才会发现这个问题。

  “如果我们从一开始就和所有感兴致的人进行更具体的探讨,团队可能会更早地解决这个问题,”Metcalf说。“我们的数据迷信团队已经学会了不做任何假设。我们会在职何人将脚指放在键盘上之进步行完全检查,讨论和记载查问要供。”

  对于企业收出管理仄台提供商Coupa,一个客户提醒并指出了一种检测欺诈的新方法。

  公司担任产物策略和翻新的副总裁Donna Wilczek说:“在我们的行业中,我们始终在一个信息孤岛中对待收入欺诈。例如,有许多利用法式只存眷用度讲演欺诈,和采购中的欺诈。”

  但是事实证明,中华高手论坛558551,在一个发域舞弊的职工也有可能在其余范畴做弊,她说。经过与洽购专家和财政审计职员的攀谈,发明欺诈检测的机密实际上是针对处于讹诈中心的团体。

  “这就是AI的一种十分美丽、适用的运用地点,”她说。“这些数据对于人类审计员来说太多了,无奈辨认出此中的特定模式。”

  人工智能还可以加速欺诈检测的过程,让企业在付款前就能发现欺诈行为。她说:“凡是情况下,主顾在花费过程当中不克不及这样做,因为这会让买卖的生意业务流程加速。”

  Coupa现在正在搜集企业呈文的欺诈行为的例子,然后将这些实实的例子增加到人工智能系统中。

  拥抱领域的专业常识

  愈来愈多的公司开始意想到人工智能自身并非灵丹仙丹。

  “很多时候,企业会说,我有大批的数据,这个巨大的数据湖,只有拔出你的人工智能,就能告知我一些风趣的事情,”全球信息技术咨询公司人工智能和大数据技术总监JJ Lopez Murphy说道。“是的,人工智能会帮助你发现暗藏的模式,但是如果你没有一个恰当的问题,它就不会给你问案。这是不会主动产生的。”

  Cognoa的首席人工智能卒Halim Abbas说,仅仅依附数据科学家和人工智能专家从数据中获得洞察力是一个宏大的错误,该公司正在将人工智能答用于行为诊断领域,帮助识别患有孤单症和其他行为健康问题的女童。

  在现实世界中,数据可能彼此依劣,或许一些数据也可能不相干,需要专家来了解个中的差别。例如,如果一组在有蓝色墙壁的房间里诊断的病人和另外一组在有红色墙壁的房间里诊断的病人产死了分歧的结果,一个寻觅形式的剖析本相可能会揣摸出墙漆存在临床意义。

  “跟着数据集巨细的增加,你会防止这些笨拙的论断,”他说。“但可能还会有一些奥妙的变更。”

  他说,没有领域专业知识的人工智能专家不会心识到这些问题。当数据集很小的时候,好比数据集很少或者生齿统计数据很少的时辰,这一点特别重要。

  固然,领域专家也有他们自己的成见,Abbas说。“他们可能对某些变量和某些前提之间的接洽持有毛病的见解。进行两重肯定的一个好办法是在接受领域专家的输出的同时,在人工智能方面也如许做,而且只处置单重考证都经由过程的情况。”

  内部的临床专业知识也有助于Cognoa断定这些模型能否有用,并帮助改良它们。

  “每次你在现实世界中经心构建的实验中验证人工智能算法的时候,你都可能会发现现实与模拟的不婚配,”他说。“但通过火析,你可以深刻了解产品,并进一步进行劣化。”

  正如一家有111年近况的搜集和发布化学研究数据的公司CAS所发现的如许,将领域内的专业知识与人工智能相联合在数据治理中也是必不行少的。

  CTO Venki Rao说:“像空格、下标、破合号或化学构造中一个字母的变化,都可能招致保险反响和发作反映的不同。以是我们需要有跨越350名专士在我们的工致中进行管理数据。”

  比来,该公司开始使用人工智能来帮助对数据进行分类和收拾,从而腾出一些博士来处置更庞杂的工作。但即便是建立一个简略的光学字符识别系统,也需要领域专家的专业知识。例如,“nm”是nanomolar的缩写,而“mm”是millimolar的缩写――相好6个数量级。如果系统转换不当,这可能意味着平安化学反应和风险化学反应之间的区别。

  他说:“如果你是一个纯洁的技术专家,你弗成能在第一天就可以够为我们进行工作。如果你在不了解化学道理的情形下,用技术粗鲁天逼迫AI系统,它永久不会获得最好的结果。”

  Rao说,这确切使应聘变得更具挑战性,偶然也使得中包变得不成能。“但是投资已隐示其在处理计划品质上的回报。”

  意识到对实在世界进止测试的价值

  出有一个交战打算能在与仇敌的接触中幸存――也不一小我工智能体系能在取现真世界的打仗中幸存。假如您的公司没有筹备好面貌这个现实,你的人工智能名目乃至正在开端之前就必定要失利。

  瑞士疑贷团体的认知和数字办事主管Jennifer Hewit正里应答了这一挑衅。

  当公司决议宣布其新的客户支撑聊天机器人Amelia时,Hewit晓得聊天机械人极可能常常会被废弃并将宾户收收给人工代办,而没有是能够本人答复贪图的或年夜局部的题目。

  她说:“我很早就决定要上线了。”她注意到,当这个聊天机器人第一次上线时,它理解用户意图的能力只要23%。

  然而经由过程置身于事实天下中,谈天机械人可以察看到多文明、多说话跟多代人的对付话――并从中进修。

  “疾速上线,背组织展现我们的才能,这意味着我们能够在5个月内将她懂得用意的能力从23%进步到86%。”

  警惕人工智能的“黑箱问题”

  可托量是人工智能在进入现实世界时面对的另一个问题,果为人工智能系统简直无法看到它们是如何得出自己的看法的,这个问题被称为“黑箱问题”。

  总部位于波士顿的Beacon Health Options公司的履行副总裁兼首席删主座Christina Mainelli说:“我们的经历让我们永近无法战胜这个问题。”Beacon Health Options公司正为全好4000多万人提供行动健康治疗。

  终极,该公司决定树立一个人工智能系统,在病人病情进级到需要入院医治的水平之前,尽早发现病人。为了确保该系统能够被实践使用,Beacon Health将使用应系统的人凑集在一路,不只就工作历程,借就算法若何工尴尬刁难他们进行培训。

  因而,在系统投进应用之前,就对现有患者的旧数据禁止了一次模仿运转。

  她说:“那些被以为是下危人群的人现实上就是高危人群――由于他们被送进了病院。我们的临床大夫能够看到它是若何工作的,这赞助我们削减了乌箱问题。”

  而后,当人工智能系统被用于以后的病人时,在项目的前12周,它识别出了远300名高危人群,个中57%的人没有被之前的传统方式检测到。

  “这无比有目共睹。在此之前我们其实不知道他们是高危险的,”Mainelli说。“现在团队正在努力影响他们。”

  这包含挨德律风给他们,让他们联系供给商,确保他们失掉他们需要的药物。

  在一到两个月后,Beacon Health公司将看到这些干涉办法的结果,因为在索赚通过之前另有一段时间,这将是另一个重要的现实世界测试。

  “我们需要看到最后的数据才干真挚知道结果如何,”她说。

  建破清楚的衡量标准

  占有明白的业务指标来衡量人工智能项目的结果,对于证明它是有效的异常重要,并且应当获得连续的支持。

  很多公司对AI项目标这圆面没有赐与充足的器重。根据德勤的考察,不到50%的受访企业衡量的是正确衡度财政报答所必须的要害绩效指导,如本钱节俭、支出和客户保存等目标。

  报告作家、德勤技术、媒体和电信核心的执行董事Jeff Loucks表示,这是像人工智能这样的新兴技术的一个通病。

  “他们平日不会像公司使用更成生的技术一样进行严厉管理,”他写道。

  结果是人工智能项目可能“无处可往”,最末成了无法扩大的试面项目或没有商业利益的项目,他说。

  从外部训练人才

  你可以在那里找到既懂人工智能技术又懂营业需求的人?这可不是件容易的事。今朝,寰球人工智强人才缺乏,再减上专业知识的要求,意味着潜伏候选人的数目只能是更少。

  根据德勤的人工智能调查,69%的公司表现,他们的员工中存在中等、严重或极真个技巧缺心。

  在通用电气,该公司也尽力寻觅着具有人工智能所需的编程和分析技能,以及商业方面所需的物理和工程知识的人。

  通用电气的Parris说:“我们会在大学进行投资,在领英(LinkedIn)上搜寻,在媒体上看作品,在会议上认识所需要的人。”

  但该公司也在内部觅找具备资料科学配景的人,比方在人工智能课程中进修过的人,或在把持系统和材料科学课程中学习过的人工智能开辟者。

  Parris说,找到兼具领域专业知识和人工智能技能的人只是路程的开始。他说,通用电气需要能够将这些知识转化为能够实际应用的人才。“我如何看就业务问题并将其分化为数据问题?”

  为了实现这一目标,通用电气供给跨本能机能培训,将人工智能和工程学结合起来。到今朝为行,已经有10到15名科学家和工程师经历了这一过程――约占公司所有科学家和工程师的三分之一。

  Parris弥补讲:“可能会有更多的人阅历这一进程。”

  这只是转变企业文化、组织系统、权衡尺度甚至是鼓励机造的开初。

  “对于像通用电气如许的公司来说,这是一项艰难的义务,我们当初正处于起步阶段,”他说。“但是一旦我们做对了――我们所有人的将来都邑改变。”

(起源:互联网)