10 lépés a mesterséges intelligencia bevezetéséhez az üzleti életben

A mesterséges intelligencia (AI) egyértelműen növekvő erő a technológiai iparban. Az AI a konferenciák középpontjában áll, és számos iparágban rejlik potenciálját, ideértve a kiskereskedelmet és a gyártást is. Az új termékeket beágyazják a virtuális asszisztensekbe, míg a chatbotok mindent megválaszolnak az ügyfelek kérdéseire, az online irodai szolgáltató webhelyétől kezdve a web hosting szolgáltató támogatási oldaláig. Eközben olyan cégek, mint a Google, a Microsoft és a Salesforce, integrálják az AI-t intelligencia rétegként a teljes technológiai halomba. Igen, az AI határozottan megkapja a pillanatát.

Ez nem az AI, amelytől a popkultúra feltételezte minket; nem érző robotok vagy Skynet, vagy akár Tony Stark Jarvis asszisztense. Ez az AI-fennsík a felszín alatt zajlik, okosabbá téve a meglévő technológiánkat és felszabadítva a vállalkozások által gyűjtött összes adat erejét. Mit jelent ez: A gépi tanulás (ML), a számítógépes látás, a mély tanulás és a természetes nyelvfeldolgozás (NLP) széles körű fejlődése megkönnyítette az AI algoritmus rétegének sütését a szoftverbe vagy a felhőalapú platformba, mint valaha.

A vállalkozások számára a gyakorlati AI alkalmazások mindenféle módon megjelenhetnek, a szervezeti igényektől és az összegyűjtött adatokból származó üzleti intelligencia (BI) betekintéstől függően. A vállalkozások az AI-t mindazonáltal alkalmazhatják, a társadalmi adatok bányászásától az ügyfélkapcsolat-menedzsmentbe való elkötelezettség növeléséig, a logisztika és a hatékonyság optimalizálásáig az eszközök nyomon követése és kezelése terén.

Az ML kulcsszerepet játszik az AI fejlesztésében - jegyezte meg Luke Tang, a TechCode Global AI + Accelerator programjának ügyvezetõ igazgatója, amely inkubálja az AI induló vállalkozásokat és segít a vállalatoknak az AI beépítésében meglévõ termékeik és szolgáltatásaik fölé.

"Jelenleg az AI-t az ML-ben a közelmúltban elért haladás hajtja meg. Nincs egyetlen olyan áttörés, amelyre rámutathat, de az üzleti érték, amelyet az ML-ből kinyerhetünk, nem szerepel a listán" - mondta Tang. "Vállalati szempontból a mostani esemény zavarhatja néhány alapvető vállalati üzleti folyamatot a koordináció és ellenőrzés körül: ütemezés, erőforrás-elosztás és jelentéskészítés." Itt néhány szakértő tippeket adunk annak magyarázatához, hogy milyen lépéseket tehetnek a vállalkozások az AI integrációjához a szervezetben és annak biztosítása érdekében, hogy végrehajtása sikeres legyen.

1. Ismerkedjen meg az AI-vel

Szánjon időt arra, hogy megismerje, mit tehet a modern AI. A TechCode Accelerator széles körű erőforrásokat kínál az induló vállalkozásoknak az olyan szervezetekkel való partnerség révén, mint például a Stanford University és az AI térben működő vállalatok. Használnia kell az elérhető online információk és források sokaságát is, hogy megismerkedjen az AI alapelveivel. Tang néhány olyan távoli műhelyt és online tanfolyamot javasol, amelyeket szervezetek, például az Udacity kínálnak, mint egyszerű módszereket az AI-hez való elinduláshoz és az olyan területeken való ismeretek bővítéséhez, mint például az ML és a prediktív elemzés a szervezeten belül.

Az alábbiakban felsorolunk számos online (ingyenes és fizetett) forrást, amelyek felhasználhatók az induláshoz:

• Az Udacity bevezetése az AI tanfolyamba és a Mesterséges Intelligencia Nanodegree Programja
• A Stanfordi Egyetem online előadásai: Mesterséges intelligencia: Alapelvek és technikák
• Az edX online AI tanfolyamát a Columbia Egyetemen keresztül kínálják
• A Microsoft nyílt forráskódú kognitív eszközkészlete (korábban CNTK néven ismert), amellyel a fejlesztők elsajátíthatják a mélyreható algoritmusokat
• A Google nyílt forráskódú (OS) TensorFlow szoftver könyvtára a gépi intelligencia számára
• AI Resources, az AI Access Foundation nyílt forráskódú könyvtára
• A mesterséges intelligencia fejlesztésének szövetsége (AAAI)
• A MonkeyLearn gyengéd útmutatója a gépi tanuláshoz
• Stephen Hawking és Elon Musk életének jövője intézet
• Az OpenAI, egy nyílt iparág és az egész tudomány körében működő, mélyreható tanulási kezdeményezés

2. Határozza meg azokat a problémákat, amelyeket meg szeretne oldani az AI-vel

Miután felkészült az alapokra, minden üzleti vállalkozás következő lépéseként különböző ötletek feltárását kell kezdenie. Gondoljon arra, hogyan lehet az AI képességeket hozzáadni a meglévő termékekhez és szolgáltatásokhoz. Ennél is fontosabb, hogy a vállalatnak szem előtt kell tartania azokat a speciális felhasználási eseteket, amelyekben az AI üzleti problémákat oldhat meg vagy bizonyítható értéket nyújthat.

"Amikor egy társasággal dolgozunk, akkor annak kulcsfontosságú technológiai programjainak és problémáinak áttekintésével kezdjük. Meg akarjuk mutatni, hogy a természetes nyelvfeldolgozás, a képfelismerés, az ML stb. Hogyan illeszkedik ezekbe a termékekbe, általában valamilyen műhely a társaság vezetésével "- magyarázta Tang. "A specifikáció mindig iparágonként eltérő. Például, ha a cég video megfigyelést végez, akkor sok értéket tud elérni, ha ML-t ad hozzá ehhez a folyamathoz."

3. Priorizálja a konkrét értéket

Ezután fel kell mérnie az azonosított különféle lehetséges AI implementációk lehetséges üzleti és pénzügyi értékét. Könnyű eltévedni a „pie the sky” AI beszélgetésekben, de Tang hangsúlyozta annak fontosságát, hogy kezdeményezéseit közvetlenül az üzleti értékhez kapcsolják.

"A rangsorolás szempontjából nézzük meg a potenciál és a megvalósíthatóság dimenzióit, és helyezzük őket egy 2x2-es mátrixba" - mondta Tang. "Ez segíthet a rövid távú láthatóság alapján történő rangsorolásban, és tudja, hogy a társaság milyen pénzügyi értéket képvisel. Ehhez a lépéshez általában a tulajdonosok és a vezetők és a felső vezetők elismerése szükséges."

4. Nyugtázza a belső képességrést

Nyilvánvaló különbség van az, amit el akar érni, és azon, amit szervezeti képességei között képes elérni egy adott időkereten belül. Tang szerint egy vállalkozásnak tudnia kell, mire képes, és mi nem technológiai és üzleti folyamatok szempontjából, mielőtt elkezdené a teljes körű AI megvalósítást.

"Időnként ez hosszú időt vehet igénybe" - mondta Tang. "A belső képességbeli hiányosság orvoslása azt jelenti, hogy meg kell határozni, mit kell beszereznie, és azokat a folyamatokat, amelyeket belsőleg tovább kell fejleszteni, mielőtt elindulna. Az üzleti tevékenységektől függően vannak olyan projektek vagy csapatok, amelyek elősegíthetik ezt egyes üzleti egységeknél."

5. Szakértők bevonása és kísérleti projekt felállítása

Miután vállalkozása szervezeti és technológiai szempontból készen áll, itt az ideje megkezdeni az építkezést és az integrációt. Tang szerint itt a legfontosabb tényező a kicsi indulás, a projekt céljainak szem előtt tartása, és ami a legfontosabb: tisztában kell lenni azzal, amit tud, és amit nem tud az AI-ről. Ebben az esetben felbecsülhetetlen a külső szakértők vagy AI tanácsadók bevonása.

"Nem igényel sok időt egy első projekthez; általában egy kísérleti projekthez a 2-3 hónap jó időtartam" - mondta Tang. "Azt szeretné, hogy a belső és a külső embereket összekapcsolja egy kis csapatban, talán 4-5 embert, és ez a szűkebb időkeret tartja a csapatot az egyértelmű célokra összpontosítva. A pilóta befejezése után el kell döntenie, hogy mi a hosszú távú, kifinomultabb projekt lesz, és hogy az értékjavaslatnak van-e értelme az Ön vállalkozása számára. Fontos az is, hogy mindkét fél - az üzleti ismeretek és az AI-t ismerő emberek - szakértelmét egyesítsék a kísérleti projekt csapatában..”

6. A munkacsoport létrehozása az adatok integrálásához

Tang megjegyezte, hogy az ML vállalkozásába történő bevezetése előtt meg kell tisztítania az adatokat, hogy készen álljon a „szemetet be, szemetet ki” forgatókönyv elkerülésére. "A belső vállalati adatok általában különféle régi rendszerek több adatsilójában vannak eloszlatva, sőt, különböző prioritásokkal rendelkező különböző üzleti csoportok kezében is lehetnek" - mondta Tang. "Ezért egy nagyon fontos lépés a magas színvonalú adatok megszerzése felé az egyes munkacsoportok összeállítása, a különféle adatkészletek integrálása és az következetlenségek rendezése úgy, hogy az adatok pontosak és gazdagok legyenek, az ML-hez szükséges minden mérettel."

7. Kezdje a kicsi

Kezdje az AI alkalmazását az adatok egy kis mintájára, ahelyett, hogy túl sokáig vett volna be. "Kezdje egyszerűen, használja az AI-t fokozatosan az érték bizonyításához, a visszajelzés gyűjtéséhez, majd ennek megfelelően terjessze ki" - mondta Aaron Brauser, az M * Modal megoldáskezelési alelnöke, amely természetes nyelvi megértést (NLU) kínál az egészségügyi szervezetek számára, valamint AI platform, amely integrálódik az elektronikus egészségügyi nyilvántartásokhoz (EMR).

Különleges típusú információ lehet információ bizonyos orvosi szakterületekről. "Légy szelektív abban, amit az AI olvas majd" - mondta Dr. Gilan El Saadawi, az M * Modal orvosi információs vezetője (CMIO). "Például válasszon egy megoldandó problémát, fókuszálja rá az AI-t, és adjon neki egy konkrét kérdést, hogy válaszoljon, és ne dobja el az összes adatot."

8. Vegye be a tárolást az AI-terv részeként

Philip Pokorny, a Penguin Computing, a nagy teljesítményű számítástechnikát kínáló vállalat műszaki igazgatója (CTO) szerint egy kis adatmintából történő felmérés után meg kell fontolnia a tárolási követelményeket az AI-megoldás megvalósításához. HPC), AI és ML megoldások.

"Az algoritmusok fejlesztése fontos a kutatási eredmények eléréséhez. A pontos modellek felépítéséhez szükséges hatalmas adatmennyiség nélkül az AI rendszerek azonban nem tudnak eléggé javulni az Ön számítási céljainak elérése érdekében" - írta Pokorny egy fehér könyvben, melynek címe: "Kritikus döntések: Útmutató a Komplett mesterséges intelligencia megoldás építése sajnálatos módon. " "Ezért fontolja meg a gyors, optimalizált tárolás beépítését az AI rendszer tervezésének kezdetén."

Ezenkívül optimalizálnia kell az AI tárolását az adatátvétel, a munkafolyamat és a modellezés szempontjából - javasolta. "Ha időt vesz igénybe a lehetőségek áttekintésére, akkor óriási, pozitív hatással lehet arra, hogy a rendszer miként működik online, " tette hozzá Pokorny.

9. Vegye be az AI-t a napi feladatainak részeként

Dominic Wellington, a Moogsoft globális informatikai evangélista, az informatikai informatikai műveletek szolgáltatója (AIOps) szerint az AI által biztosított kiegészítő betekintéssel és automatizálással a munkavállalóknak eszközük van arra, hogy az AI-t a mindennapi rutin részévé tegyék, nem pedig valamit, amely helyettesíti azt.). "Egyes alkalmazottak attól tarthatnak, hogy a technológiájuk befolyásolhatja a munkájukat, ezért fontos a megoldás bevezetése a napi feladataik bővítésére" - magyarázta Wellington.

Hozzátette, hogy a vállalatoknak átláthatónak kell lenniük abban, hogy a technika miként működik, hogy megoldják a munkafolyamatban felmerülő kérdéseket. "Ez a munkavállalók számára egy" motorháztető alatt "élményt nyújt, így egyértelműen el tudják képzelni, hogyan növeli az AI szerepét, nem pedig megszünteti azt." - mondta.

10. Építsd meg az egyensúlyt

• A mesterséges intelligencia torzító problémával rendelkezik, és ez a mi hibánk A mesterséges intelligencia torzító problémával rendelkezik, és ez a mi hibánk
• Az IBM mesterséges intelligencia az emberi vita bajnokokról
• Az AI hatalmas potenciált kínál, de nem fog megtörténni éjszaka Az AI hatalmas potenciált kínál, de éjszakánként nem fog megtörténni

AI rendszer felépítésekor a technika igényeinek kielégítését igényli, valamint a kutatási projektet is - magyarázta Pokorny. "Az átfogó szempont, még az AI rendszer tervezésének megkezdése előtt is, hogy a rendszert egyensúlyban kell felépíteni" - mondta Pokorny. "Ez nyilvánvalónak tűnhet, de az AI rendszereket gyakran a kutatás céljainak elérését célzó specifikus szempontok alapján tervezik, anélkül, hogy megértsék a kutatást támogató hardver és szoftver követelményeit és korlátozásait. Az eredmény kevésbé az optimálisnál jobb, még diszfunkcionális rendszer, amely nem éri el a kívánt célokat."

Az egyensúly elérése érdekében a vállalatoknak elegendő sávszélességet kell beépíteniük a tároláshoz, a grafikus feldolgozó egységbe (GPU) és a hálózatba. A biztonság szintén gyakran figyelmen kívül hagyott elem. Az AI jellegéből adódóan széles körű adatokhoz való hozzáférést igényel a munkájához. Győződjön meg róla, hogy megérti, milyen típusú adatok kerülnek a projektbe, és hogy a szokásos biztonsági óvintézkedései - titkosítás, virtuális magánhálózatok (VPN) és rosszindulatú programok - nem feltétlenül elégségesek.

"Ehhez hasonlóan egyensúlyba kell hoznia a teljes költségvetés felhasználását a kutatás eléréséhez, valamint az áramkimaradások és más forgatókönyvek elleni védelem szükségességét az elbocsátások révén" - mondta Pokorny. "Előfordulhat, hogy rugalmasságot kell beépítenie, hogy lehetővé tegye a hardver újbóli elhelyezését a felhasználói igények változásakor."