您现在的位置: 兴旺 > 果木种子 >
   野生智能名目胜利的8个机密

野生智能名目胜利的8个机密

2018发布时间: 2018-12-05

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足应用这一上风。以下是晚期采取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才能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,盼望能给厥后者一些有意义的参考。根据德勤比来的一项调查隐示,82%的人工智能初期采用者从认知技术投资中看到了踊跃的财政结果,投资回报率的中位数为17%。

一个胜利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?德勤征询公司的剖析与认知部分主管Nitin Mittal表现,不管是技术驱动的仍是商业需供驱动的,都有迹可循。

愿望充分利用人工智能的组织要注意了:“存眷可能适开人工智能的特定用例。专注于需要完成的营业目的,证实其价值,并扩展范围。这就是我们看到的很多案例能够成功的起因。”Mittal说。

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

专一于详细问题

通用电气背责硬件研究的副总裁Colin Parris说,在通用电气,商业价值是每小我工智能项目的中心。

“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,还是能带来更多支进?最后,我们可以如何扩展它,如何安排它来取得商业价值?”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工作流中。这可能意味着需要差遣合适的现场工程师在合适的时间进行适合的维护。

它还可能需要集成到库存系统中。

或许可能需要取现实机械进止集成。“假如我的人工智能让我可能真挚懂得什么时候需要进步温量或压力,我就必需散成到把持体系中,”他说。

了解AI的范围性

当人类试图做出猜测时,他们偶然会成为被称为Dunning-Kruger效答的心思圈套的就义品。当一小我认识没有到自己对付某个话题知之甚少,过错天以为本人是专家时,便会呈现这类情形。其结果可能既风趣又悲凉。

人工智能系统也可能降入异样的圈套。例如,一个接受过特定命据集训练的人工智能被要求根据完整不同的数据集进行预测,这会给出完全错误的问案――但是对于已经学会依劣人工智能预测的用户来说,这多是使人佩服的。

事实情况是,这需要一名数据科学家来了解分析模型何时合适于特定命据集。“我必须理解基于数据的假设,”IBM的Parris说。“我若何测试模型?”我可能需要天生其余类别的数据,或模仿数据,来断定它能否无效。而后我必须在数据运转时检讨数据以确保这些假设是有用的。这是你做为人工智能专家经由多年培训后才干够做到的事情。”

新职工或非数据科学家可能没有接受过这种培训,从而使组织容易遭到开导性论断的影响。

为懂得决这个题目,特用电气曾经开端研讨所谓的“humble AI”,它是一种人工智能系统,可以知讲其算法实用于哪些情况,而且只在那些情况下应用机械进修本相。

“如果我不在这个规模内,我就不会使用这个模型。我想归去使用我们从前20年来使用的物理模型,”Parris说。 “这种人工智能知道它自己的能力范畴。”

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

聆听利益相闭者和客户的看法

对一些公司来讲,确保人工智能系统产死有效的结果可能需要一些内部帮助。

安康内华达项目的尾席数据迷信家Jim Metcalf说:“幻想情况下,你可以在黑板集会上开初一个项目,贪图重要利益相干者都已花了一下战书的时光去了解细节并记载查问需求。”

例如,健康内华达团队正在研究一种治疗心脏病患者的方案。这就需要搜集病人出院时开药的信息。但有些药物,如他汀类药物,凡是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,而不是与心净病发生相关的新药。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。“我们的数据科学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,讨论和记载查询要求。”

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,我们始终在一个疑息孤岛中对待收入讹诈。比方,有良多利用法式只存眷用度讲演欺诈,和洽购中的欺诈。”

但是事实证明,在一个领域作弊的员工也有可能在其他领域舞弊,她说。经由过程与采购专家和财务审计职员的攀谈,发现欺诈检测的机密实际上是针对处于欺诈核心的个人。

“这就是AI的一种无比美丽、适用的应用地点,”她说。“这些数据对于人类审计员来说太多了,无法识别出个中的特定模式。”

人工智能还可以加速欺诈检测的进程,让企业在付款前就可以发现欺诈行为。她说:“平日情况下,主顾在花费过程当中不克不及如许做,由于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。

拥抱领域的专业知识

愈来愈多的公司开始意想到人工智能自身并非灵丹仙丹。

“许多时候,企业会说,我有大批的数据,这个宏大的数据湖,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,人工智能会辅助你发现暗藏的形式,但是如果你没有一个恰当的问题,它就不会给你谜底。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巨大的错误,该公司正在将人工智能应用于行为诊断领域,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,数据可能彼此依附,或者一些数据也可能不相关,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一组在有红色墙壁的房间里诊断的病人发生了分歧的结果,一个寻觅模式的分析模型可能会揣摸出墙漆具备临床意思。

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

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候,这一点特别重要。

固然,范畴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联系持有毛病的见解。进行两重断定的一个好方式是在接收发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肯定这些模型是不是有用,并赞助改良它们。

“每次你在现实天下中经心构建的实验中验证人工智能算法的时辰,你都可能会收现现真与模拟的不婚配,”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年近况的收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管理中也是必不成少的。

CTO Venki Rao说:“像空格、下标、破合号或化教构造中一个字母的变更,皆可能招致保险反映跟发作反响的分歧。以是咱们须要有跨越350名专士正在我们的工致中禁止治理数据。”

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。但即便是建破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,你不行能在第一天就能够为我们进行工作。如果你在不了解化学道理的情况下,用技术粗鲁地逼迫AI系统,它永近不会获得最好的结果。”

Rao说,这确切使应聘变得更具挑衅性,有时也使得中包变得弗成能。“然而投资已经显著其在处理计划品质上的回报。”

意识到对实在世界进行测试的价值

没有一个交战打算能在与仇敌的接触中幸存――也没有一个人工智能系统能在与现实世界的打仗中幸存。如果你的公司没有筹备好面貌这个现实,你的人工智能项目乃至在开始之前就必定要失利。

瑞士信贷团体的认知和数字办事主管Jennifer Hewit正面应答了这一挑战。

当公司决定宣布其新的客户支撑聊天机器人Amelia时,Hewit知道聊天机器人极可能常常会被废弃并将客户发收给人工代办,而不是能够自己答复所有的或年夜局部的问题。

她说:“我很早就决定要上线了。”她留神到,当这个谈天机器人第一次上线时,它理解用户用意的才能只要23%。

但是通过置身于现实世界中,聊天机器人能够察看到多文化、多说话和多代人的对话――并从中学习。

“疾速上线,背构造展现我们的能力,这意味着我们能够在5个月内将她理解意图的能力从23%提高到86%。”

警惕人工智能的“黑箱问题”

可托度是人工智能在进进现实世界时面对的另外一个问题,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“乌箱问题”。

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:“我们的阅历让我们永久无法战胜这个问题。”Beacon Health Options公司正为齐好4000多万人供给行动健康治疗。

最末,应公司决议树立一团体工智能系统,在病人病情进级到需要入院医治的水平之前,尽早发明病人。为了确保该系统能够被实践使用,Beacon Health将使用该系统的人凑集在一路,不只就任务历程,借就算法若何工尴尬刁难他们进行培训。

因而,在系统投入使用之前,就对现有患者的旧数据进行了一次模拟运行。

她说:“那些被认为是高危人群的人实际上就是高危人群――因为他们被送进了病院。我们的临床大夫可以看到它是如何工作的,这帮助我们削减了黑箱问题。”

然后,当人工智能系统被用于以后的病人时,在项目的前12周,它辨认出了远300名高危人群,此中57%的人没有被之前的传统办法检测到。

“这十分有目共睹。在此之前我们其实不晓得他们是下危险的,”Mainelli说。“当初团队正在尽力硬套他们。”

这包含挨德律风给他们,让他们接洽供给商,确保他们获得他们需要的药物。

在一到两个月后,Beacon Health公司将看到这些干涉办法的结果,因为在索赚经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能力真正知道结果如何,”她说。

建立清楚的衡量标准

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,并且应当失掉连续的支持。

很多公司对AI项目标这圆里出有赐与充足的器重。依据德勤的考察,不到50%的受访企业权衡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、支出和宾户保存等目标。

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。

“他们每每不会像公司使用更成生的技术一样进行严厉管理,”他写道。

成果是野生智能项目可能“无处可往”,终极成了无奈扩大的试面名目或不贸易好处的项目,他道。

从内部练习人才

您能够在那里找到既懂人工智能技巧又懂营业需要的人?那可不是件轻易的事。今朝,寰球人工智强人才缺乏,再减上专业常识的请求,象征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%的公司表示,他们的员工中存在中等、严重或极真个技能缺心。

在通用电气,该公司也努力觅找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。”

当心该公司也在外部寻觅存在材料科学配景的人,比方在人工智能课程中学习过的人,或者在节制系统和资料科学课程中进修过的人工智能开辟者,白姐93143心水论坛

Parris说,找到兼具领域专业知识和人工智能技巧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现实运用的人才。“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,通用电气提供跨本能机能培训,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弥补道:“可能会有更多的人经历这一过程。”

这只是改变企业文明、组织系统、衡量尺度甚至是鼓励机造的开始。

“对于像通用电气这样的公司来说,这是一项艰难的义务,我们现在正处于起步阶段,”他说。“但是一旦我们做对了――我们所有人的将来都邑转变。”

(起源:互联网)