AI in strojno učenje bosta začela sprejemati veliko več odločitev. Verjetno jih v bližnji prihodnosti še vedno ne bodo uporabljali za sprejemanje "velikih" odločitev, na primer, ali naj blago postavi 25-odstotno carino in s partnerjem začne trgovinsko vojno.
Vendar je skoraj vse, kar ste zataknili v Excelu in ga zmasirali, kodirali ali razvrstili, dobra težava pri razvrščanju, razvrščanju ali učenju do uvrstitve. Vse, kar je skupek vrednot, ki jih je mogoče predvideti, je dober problem strojnega učenja. Vse, kar je vzorec ali oblika ali predmet, skozi katerega preprosto greste in ga "iščete", je dobra težava pri globokem učenju.
In posla je polno teh. Tako kot je urejevalnik besedil zamenjal področje pisalnih strojev, bo tudi umetna inteligenca kmalu zamenjala horde pisarniških delavcev, ki strmijo v Excel - in zamenjala tudi nekatere analitike.
Podjetja se morajo pripraviti na to spremembo. Tako kot so podjetja, ki se niso pripravila na splet in e-poslovanje, ostala v prahu, se bodo tudi podjetja, ki se ne prilagajajo umetni inteligenci in strojnemu učenju. Če ne gledate velike količine podatkov, ki jih obdelujete, in odločitev, ki jih sprejemate, in sprašujete: "Ali ne morem narediti vsega, da to avtomatiziram?" ali iščete stvari, ki jih ne počnete, ker se ne morete odločiti "v realnem času", da bi dobili prednost - čez nekaj let bom v časopisih videl zaprtje vašega podjetja.
Za pripravo na to spremembo imate pet pogojev, preden lahko sploh začnete poslovno preobrazbo. Potrebujete strategijo za širjenje umetne inteligence v celotni organizaciji, ki se začne s temi petimi predpogoji.
Predpogoj za umetno inteligenco št. 1: Izobraževanje
Iz vašega podjetja ne morete narediti podatkovnega znanstvenika. Poleg tega neka matematika teče prehitro, da bi jo razumeli mi, smrtniki - poseben algoritem, za katerega ljudje mislijo, da je ta teden najučinkovitejši, verjetno naslednji teden ne bo pravi.
Vendar se nekatere osnovne stvari ne bodo spremenile. Vsi v vaši organizaciji bi morali razumeti nekatere osnovne sposobnosti strojnega učenja, še posebej razvijalci:
- Grozdanje: združevanje stvari.
- Razvrstitev: Razvrščanje stvari v označene skupine.
- Napovedovanje na premici: če lahko naredite linijski graf, verjetno lahko predvidete, kakšna bo ta vrednost.
- Napovedovanje variacije: ne glede na to, ali gre za likvidnostno tveganje ali vibracije ali skoke moči, če imate nabor vrednosti, ki spadajo v obseg, lahko predvidete, kakšna je vaša varianca na določen dan.
- Razvrščanje / naročanje / določanje prednosti: Ne govorim o preprostih stvareh. Ne glede na to, ali gre za iskanje ali določanje prednostnih nalog, kateri klic bo prevzel vaš prodajalec ali podpornik, je to mogoče rešiti s strojnim učenjem.
- Prepoznavanje vzorcev: ne glede na to, ali gre za obliko, zvok ali niz razponov vrednosti ali dogodkov, se lahko računalniki naučijo, kako jih najti.
Ena najpomembnejših stvari je, da je naokoli nabor ljudi, ki bi to lahko zaničil glede na njihovo raven usposobljenosti. Vaše razvijalce morda zanimajo določeni algoritmi ali tehnike, toda vaši analitiki in vodstveni delavci bi morali razumeti osnovne poslovne težave in računalniške tehnike. Vašim izvršnim direktorjem morda ne bo treba vedeti, kako deluje združevanje v skupine, vendar morajo prepoznati, da je težava "videti kot" težava z združevanjem v skupine.
Na koncu potrebujete redno osvežitev izobraževanja, vsaj vsako leto, ker se zmogljivosti širijo.
Sorodni video: Strojno učenje in dešifrirana umetna inteligenca
Prebrskajoč hrup okoli strojnega učenja in umetne inteligence, naš panel govori o definicijah in posledicah tehnologije.
Predpogoj za umetno inteligenco št. 2: Komponentizacija
Nekatera nedavna orodja za komponentizacijo so »zvezki« za podatkovne znanstvenike; iz njih zraste veliko drugih orodij. To so odlična orodja za podatkovne znanstvenike in njihove sodelavce.
Težava je v tem, da spodbujajo slabe prakse pri proizvodnji. Vmesnik za klasifikacijski algoritem je videti približno enako kot vsi drugi algoritmi. Izvedba določenega algoritma klasifikacije se s poslovnim problemom ne spremeni.
Tako kot so številna podjetja morala ugotoviti, kako narediti eno predstavitev stranke (in ne povsem različnih v vsakem sistemu za vsak poslovni problem), morate to storiti tudi za algoritme. To ne pomeni, da morate pripraviti en pravi algoritem za združevanje v skupine, ampak da sestavite, kaj je drugače.
Predpogoj za umetno inteligenco št. 3: sistemizacija
Kljub vsem hrupom je večina sistemov še vedno videti enako. Obstaja nekaj postopkov za vnos podatkov v algoritem, nekaj postopkov za izvrševanje algoritma in prostor za izpljunitev rezultata. Če vse te stvari znova in znova oblikujete za vsak algoritem, zapravite čas in denar - in si ustvarite večji problem. Tako kot je SOA spremenil število podjetij, ki uporabljajo aplikacijsko programsko opremo, so podobne tehnike potrebne tudi pri uvajanju umetne inteligence.
Ne potrebujete kopice po meri grozdov Spark, ki se povsod izvajajo s prilagojenimi "zvezki" in postopki ETL po meri. Potrebujete sisteme umetne inteligence, ki lahko dvignejo težka dela, ne glede na poslovni problem.
Predpogoj za umetno inteligenco št. 4: komponenta AI / UI
V svetu JavaScript / spletnega uporabniškega vmesnika z RESTful storitvami na zadnji strani bi morali številni vaši uporabniški vmesniki imeti možnost samo mešati komponento AI. Ne glede na to, ali gre za priporočila, ki temeljijo na vedenju uporabnika, ali za popolnega navideznega pomočnika, bi vaše podjetje moralo ustvariti knjižnico uporabniškega vmesnika, ki vključuje funkcionalnost umetne inteligence, ki jo je mogoče enostavno vdelati v vaše poslovne aplikacije.
Predpogoj za umetno inteligenco št. 5: Instrumentacija
Nič od tega ne deluje brez podatkov. Ne vračamo se več k ustvarjanju velikih, debelih odlagališč podatkov, kjer na HDFS samo zberemo kup smeti in upamo, da bo nekoč imelo vrednost, kot so k temu pozivali nekateri prodajalci. Namesto tega poglejmo, katere stvari je treba poučiti.
Če se ukvarjate s proizvodnjo, obstajajo preprosta izhodišča: kdor izvleče ročni merilnik, vam zapravlja čas. Vendar imate tudi pri prodaji in trženju e-pošto in mobilne telefone - na njih je mogoče samodejno zbrati podatke, ki so očitno koristni. Zakaj sistemom ne bi dovolili, da bi to storili sami?
Pojdite na svojo strategijo umetne inteligence
Če povzamemo, je pet ključnih predpogojev:
- Širite znanje o umetni inteligenci po celotni organizaciji.
- Vsak bi moral razumeti osnovne vsakdanje stvari, ki jih stroji zmorejo sami.
- Izdelajte sisteme in komponente za vaš AI.
- Zgradite kombinacije AI / UI za enostavno dodajanje AI v vaše poslovne aplikacije.
- Instrumentirajte svoje sisteme za zbiranje podatkov, ki jih potrebujete za vnašanje algoritmov, da lahko sprejemajo odločitve namesto vas.
Če sestavite te predpogoje, bi morali slediti ostali, ko prehajate iz informacijske dobe v dobo vpogleda.
