10 žingsnių, norint pritaikyti dirbtinį intelektą jūsų versle

Dirbtinis intelektas (AI) yra aiškiai auganti jėga technologijų pramonėje. AI užima svarbiausią vietą konferencijose ir parodo potencialą įvairiose pramonės šakose, įskaitant mažmeninę prekybą ir apdirbamąją pramonę. Nauji produktai yra integruoti su virtualiais asistentais, o pokalbių programos atsakinėja į klientų klausimus apie viską, pradedant jūsų internetinio biuro tiekėjo svetaine ir baigiant žiniatinklio prieglobos paslaugų teikėjo palaikymo puslapiu. Tuo tarpu tokios įmonės kaip „Google“, „Microsoft“ ir „Salesforce“ integruoja AI kaip žvalgybos lygmenį per visą savo technikos krūvą. Taip, AI tikrai turi savo akimirką.

Tai nėra ta AI, kurios mus privertė tikėtis pop kultūra; tai nėra jautrūs robotai ar „Skynet“ ar net Tony Starko „Jarvis“ asistentas. Šis AI plokščiakalnis vyksta po paviršiumi, todėl mūsų turimos technologijos yra protingesnės ir atlaisvina visų duomenų, kuriuos renka įmonės, galią. Ką tai reiškia: Dėl plataus masto mokymosi mašinomis (ML), kompiuterinio matymo, giluminio mokymosi ir natūralios kalbos apdorojimo (NLP) pažangos dar labiau nei bet kada buvo lengviau iškepti AI algoritmo sluoksnį į savo programinę įrangą ar debesų platformą.

Verslo įmonėms praktinės PG programos gali pasireikšti įvairiais būdais, atsižvelgiant į jūsų organizacinius poreikius ir verslo informacijos (BI) įžvalgas, gautas iš jūsų surinktų duomenų. Įmonės gali naudoti AI visose srityse, pradedant socialinių duomenų gavyba ir skatinant įsitraukimą į ryšių su klientais valdymą (CRM) ir baigiant logistikos optimizavimu ir efektyvumu, kai reikia sekti ir valdyti turtą.

ML vaidina pagrindinį vaidmenį plėtojant AI, pažymėjo Luke Tang, „TechCode“ pasaulinio AI + spartintuvo programos, kuri inkubuoja AI pradedančiuosius verslus ir padeda įmonėms integruoti AI į savo esamus produktus ir paslaugas, generalinis direktorius.

"Šiuo metu AI skatina visa naujausia pažanga ML srityje. Nėra nė vieno lūžio, į kurį galėtumėte atkreipti dėmesį, tačiau verslo vertė, kurią dabar galime išgauti iš ML, yra nepatenkinama", - teigė Tang. "Įmonės požiūriu, tai, kas vyksta dabar, gali sutrikdyti kai kuriuos pagrindinius verslo verslo procesus, susijusius su koordinavimu ir kontrole: planavimas, išteklių paskirstymas ir ataskaitų teikimas". Čia pateikiame kai kurių ekspertų patarimus, kaip paaiškinti veiksmus, kurių gali imtis verslas, norėdamas integruoti PG į jūsų organizaciją ir užtikrinti, kad jūsų įgyvendinimas bus sėkmingas.

1. Susipažink su AI

Neskubėkite susipažinti su tuo, ką gali padaryti šiuolaikinė AI. „TechCode Accelerator“ savo startuoliams siūlo platų išteklių spektrą bendradarbiaudamas su tokiomis organizacijomis kaip Stanfordo universitetas ir korporacijos AI erdvėje. Norėdami susipažinti su pagrindinėmis AI sąvokomis, turėtumėte naudotis daugybe internetinės informacijos ir turimų išteklių. Tangas rekomenduoja kai kuriuos nuotolinius seminarus ir internetinius kursus, kuriuos siūlo organizacijos, tokios kaip „Udacity“, kaip paprastus būdus, kaip pradėti nuo AI ir padidinti savo žinias tokiose srityse kaip ML ir nuspėjamąją analizę savo organizacijoje.

Toliau pateikiami keli internetiniai šaltiniai (nemokami ir mokami), kuriuos galite naudoti norėdami pradėti:

• „Udacity“ įvadas į AI kursą ir dirbtinio intelekto nanodalelių programa
• Stanfordo universiteto internetinės paskaitos: Dirbtinis intelektas: principai ir metodai
• „edX“ internetinis AI kursas, siūlomas per Kolumbijos universitetą
• „Microsoft“ atvirojo kodo pažinimo įrankių rinkinys (anksčiau žinomas kaip CNTK), skirtas padėti kūrėjams įsisavinti giluminio mokymosi algoritmus
• „Google“ atvirojo kodo (OS) „TensorFlow“ programinės įrangos biblioteka, skirta kompiuterio intelektui
• AI ištekliai, atvirojo kodo katalogas iš AI prieigos fondo
• Dirbtinio intelekto tobulinimo asociacija (AAAI)
• „MonkeyLearn“ švelnus mašinų mokymosi vadovas
• Stepheno Hawkingo ir Elono Musko ateities gyvenimo institutas
• „OpenAI“, atviros pramonės ir akademinės bendruomenės giluminio mokymosi iniciatyva

2. Nurodykite problemas, kurias norite išspręsti PG

Kai pasieksite pagrindus, kitas bet kokio verslo žingsnis yra pradėti tyrinėti įvairias idėjas. Pagalvokite, kaip galite pridėti AI galimybes prie esamų produktų ir paslaugų. Dar svarbiau, kad jūsų įmonė turėtų atsiminti konkrečius naudojimo atvejus, kai AI galėtų išspręsti verslo problemas ar suteikti įrodomąją vertę.

"Kai dirbame su įmone, mes pradedame nuo svarbiausių jos technologijų programų ir problemų apžvalgos. Norime sugebėti jai parodyti, kaip natūralus kalbos apdorojimas, vaizdo atpažinimas, ML ir pan. Tinka tiems produktams, dažniausiai su kažkokio pobūdžio seminaras su įmonės vadovybe “, - aiškino Tangas. "Specifika visada skiriasi atsižvelgiant į pramonės šakas. Pavyzdžiui, jei įmonė vykdo vaizdo stebėjimą, ji gali sukaupti daug vertės, pridėdama ML prie šio proceso."

3. Pirmenybę teikite betono vertei

Toliau turite įvertinti galimą įvairių jūsų identifikuotų AI diegimų verslo ir finansinę vertę. Nesunku pasiklysti „pyrago danguje“ AI diskusijose, tačiau Tangas pabrėžė, kad svarbu savo iniciatyvas susieti su verslo verte.

„Norėdami nustatyti prioritetus, pažiūrėkite į potencialo ir galimybių matmenis ir sudėkite juos į 2 x 2 matricą“, - teigė Tang. "Tai turėtų padėti jums suskirstyti prioritetus atsižvelgiant į trumpalaikį matomumą ir žinoti, kokia yra įmonės finansinė vertė. Atliekant šį veiksmą paprastai reikia vadovų ir aukščiausio lygio vadovų nuosavybės ir pripažinimo."

4. Pripažinkite vidinių gebėjimų spragą

Yra akivaizdus skirtumas tarp to, ką norite pasiekti, nuo to, ką turite organizacinių galimybių realiai pasiekti per nurodytą laiką. Tangas teigė, kad prieš pradedant visapusišką AI įgyvendinimą, verslas turėtų žinoti, ką jis gali ir ko ne technologijų ir verslo procesų požiūriu.

„Kartais tai gali užtrukti ilgai“, - teigė Tangas. „Šalinti savo vidinių galimybių spragą reiškia išsiaiškinti, ką jums reikia įsigyti, ir visus procesus, kuriuos reikia išvystyti prieš pradedant veiklą. Priklausomai nuo verslo, gali būti esamų projektų ar komandų, kurie tam tikriems verslo padaliniams gali padėti tai padaryti organiškai."

5. Kvieskite ekspertus ir nustatykite bandomąjį projektą

Kai jūsų verslas bus paruoštas organizaciniu ir techniniu požiūriu, laikas pradėti kurti ir integruoti. Tangas teigė, kad svarbiausi veiksniai yra pradėti nuo mažo, turėti omenyje projekto tikslus ir, svarbiausia, žinoti apie tai, ką žinai ir ko nežinai apie PG. Čia neįkainojama gali būti išorės ekspertų ar AI konsultantų sukūrimas.

„Pirmam projektui nereikia daug laiko; paprastai bandomajam projektui 2–3 mėnesiai yra geras diapazonas“, - teigė Tang. "Norite suburti vidinius ir išorinius žmones į mažą komandą, galbūt 4–5 žmones, ir tuo griežtesnis laiko tarpas leis komandai susitelkti ties tiesiais tikslais. Baigę pilotą, turėtumėte galėti nuspręsti, kuo ilgesnis ilgalaikis, sudėtingesnis projektas ir ar vertės pasiūlymas turi prasmės jūsų verslui. Taip pat svarbu, kad abiejų pusių - žmonių, kurie žino apie verslą, ir žmonių, kurie žino apie AI - kompetencija būtų sujungta į jūsų bandomojo projekto komandą.. “

6. Sudarykite darbo grupę duomenims integruoti

Tangas pažymėjo, kad prieš įgyvendindami ML savo versle, turite išvalyti savo duomenis, kad jie būtų pasirengę išvengti scenarijaus „įvežti šiukšles, išvežti šiukšles“. „Vidiniai įmonės duomenys paprastai yra paskirstomi keliuose skirtingų senųjų sistemų duomenų kaupikliuose ir netgi gali būti skirtingų verslo grupių, turinčių skirtingus prioritetus, rankose“, - teigė Tang. "Todėl labai svarbus žingsnis siekiant gauti aukštos kokybės duomenis yra suburti darbo grupę, sujungti įvairius duomenų rinkinius ir surūšiuoti nenuoseklumus, kad duomenys būtų tikslūs ir turtingi, atsižvelgiant į visus reikiamus ML matmenis."

7. Pradėkite mažą

Pradėkite taikyti AI mažam savo duomenų pavyzdžiui, o ne per greitai perimkite. „Pradėkite paprastai, naudokite AI palaipsniui, kad įrodytumėte vertę, rinktumėte grįžtamąjį ryšį ir atitinkamai išplėskite“, - sakė Aaronas Brauseris, „M * Modal“ sprendimų valdymo viceprezidentas, siūlantis natūralios kalbos supratimo (NLU) technologijas sveikatos priežiūros organizacijoms, taip pat PG platforma, integruota su elektroniniais medicinos įrašais (EMR).

Konkreti duomenų rūšis gali būti informacija apie tam tikras medicinos specialybes. „Būkite selektyvus tuo, ką skaitys AI“, - sakė „M * Modal“ vyriausiasis medicinos informacijos pareigūnas (CMIO) dr. Gilanas El Saadawi. "Pavyzdžiui, išsirinkite tam tikrą problemą, kurią norite išspręsti, sutelkite į ją AI ir duokite jai konkretų klausimą, kad atsakytumėte, o ne įmeskite visus duomenis."

8. Į savo AI planą įtraukite saugojimą

Remdamiesi Philipo Pokorny, „Penguin Computing“, bendrovės, siūlančios didelio našumo kompiuterius (vyr. Techninis direktorius), po to, kai surinksite iš nedidelio duomenų pavyzdžio, turėsite apsvarstyti saugojimo reikalavimus, kad įgyvendintumėte AI sprendimą. HPC), AI ir ML sprendimai.

"Norint pasiekti tyrimų rezultatus, svarbu patobulinti algoritmus. Bet be didelių duomenų kiekių, padedančių sukurti tikslesnius modelius, AI sistemos negali pakankamai patobulėti, kad būtų pasiekti jūsų skaičiavimo tikslai", - rašė Pokorny baltojoje knygoje pavadinimu "Kritiniai sprendimai: vadovas Pilno dirbtinio intelekto sprendimo sukūrimas be gailesčio “. "Štai kodėl, kuriant PG sistemą, reikia apsvarstyti galimybę įtraukti greitą, optimalų saugojimą."

Be to, jūs turėtumėte optimizuoti AI saugyklą, kad ji atitiktų duomenų srautus, darbo eigą ir modeliavimą. „Laiko peržiūra jūsų galimybėms gali turėti didžiulį teigiamą poveikį sistemos veikimui, kai ji prisijungs“, - pridūrė Pokorny.

9. Įtraukite AI kaip savo kasdieninių užduočių dalį

Remdamiesi AI teikiama papildoma įžvalga ir automatizavimu, darbuotojai turi įrankį, kuris daro AI savo kasdienybės dalimi, o ne kažkuo, kas ją pakeistų, teigia Dominic Wellington, „Moogsoft“, IT teikiantis AI IT operacijoms (AIOps).). „Kai kurie darbuotojai gali būti atsargūs dėl technologijų, kurios gali turėti įtakos jų darbui, todėl svarbu pristatyti sprendimą kaip būdą išplėsti jų kasdienes užduotis“, - aiškino Wellingtonas.

Jis pridūrė, kad įmonės turėtų būti skaidrios, kaip veikia technologijos, kad būtų galima išspręsti darbo eigos problemas. "Tai suteikia darbuotojams patirties" gaubtu ", kad jie galėtų aiškiai įsivaizduoti, kaip PG padidina jų vaidmenį, o ne panaikina", - sakė jis.

10. Kurkite su pusiausvyra

• Dirbtinis intelektas turi šališkumo problemą, ir tai yra mūsų kaltė Dirbtinis intelektas turi šališkumo problemą, ir tai yra mūsų kaltė
• IBM dirbtinis intelektas imasi žmonių diskusijų skydelių
• AI siūlo didžiulį potencialą, tačiau jis nebus įvykęs per naktį AI siūlo didžiulį potencialą, tačiau per naktį jo nebus

Kai kuriate PG sistemą, ją reikia patenkinti kartu su technologijos poreikiais ir kartu su tyrimo projektu, - aiškino Pokorny. „Svarbiausias dalykas, net prieš pradedant kurti AI sistemą, yra tai, kad jūs turėtumėte sukurti sistemą subalansuotai“, - teigė Pokorny. "Tai gali atrodyti akivaizdu, tačiau per dažnai AI sistemos yra sukurtos atsižvelgiant į konkrečius aspektus, kaip komanda numato pasiekti savo tyrimo tikslus, nesuprasdama aparatūros ir programinės įrangos, kuri paremtų tyrimą, reikalavimų ir apribojimų. Rezultatas yra mažesnis. nei optimali, net asociali sistema, kuri nesugeba pasiekti norimų tikslų “.

Norėdami pasiekti šią pusiausvyrą, įmonės turi sukurti pakankamai pralaidumo saugykloms, grafikos procesoriaus (GPU) ir tinklų. Saugumas taip pat dažnai nepastebimas. Pagal savo pobūdį AI, norint atlikti savo darbą, turi turėti prieigą prie daugybės duomenų. Įsitikinkite, kad suprantate, kokie duomenys bus naudojami projekte, ir kad jūsų įprastų saugos priemonių - šifravimo, virtualių privačių tinklų (VPN) ir apsaugos nuo kenkėjiškų programų - gali nepakakti.

„Panašiai jūs turite subalansuoti, kaip bendras biudžetas išleidžiamas moksliniams tyrimams pasiekti, su poreikiu apsaugoti nuo atjungimo nuo elektros energijos ir kitų scenarijų“, - teigė Pokorny. "Jums taip pat gali prireikti lankstumo, kad būtų galima pakartotinai išdėstyti aparatinę įrangą, kai keičiasi vartotojo reikalavimai."