10 Langkah untuk mengguna pakai kecerdasan buatan dalam perniagaan anda

Kecerdasan Buatan (AI) jelas menjadi daya maju dalam industri teknologi. AI mengambil peringkat pusat di persidangan dan menunjukkan potensi merentasi pelbagai industri, termasuk runcit dan pembuatan. Produk baru sedang dibenamkan dengan pembantu maya, manakala chatbots menjawab soalan pelanggan mengenai segala-galanya dari laman pembekal pejabat dalam talian anda ke halaman sokongan pembekal khidmat web hosting anda. Sementara itu, syarikat-syarikat seperti Google, Microsoft, dan Salesforce mengintegrasikan AI sebagai lapisan perisikan merentasi keseluruhan stack teknologi mereka. Ya, AI pasti mempunyai momennya.

Ini bukan AI yang budaya pop telah menghalang kita untuk mengharapkan; ia bukan robot atau Skynet, atau pembantu Jarvis Tony Stark. Dataran AI ini berlaku di bawah permukaan, menjadikan teknologi sedia ada kita lebih pintar dan membuka kunci kuasa semua data yang dikumpulkan oleh perusahaan. Maksudnya: Kemajuan yang meluas dalam pembelajaran mesin (ML), penglihatan komputer, pembelajaran mendalam, dan pemprosesan bahasa semulajadi (NLP) telah menjadikannya mudah untuk membakar lapisan algoritma AI ke dalam platform perisian atau awan anda.

Untuk perniagaan, aplikasi AI praktikal boleh diwujudkan dalam pelbagai cara bergantung pada keperluan organisasi anda dan wawasan risikan perniagaan (BI) yang diperoleh daripada data yang anda kumpulkan. Perusahaan boleh menggunakan AI untuk segala-galanya dari data sosial perlombongan untuk memacu penglibatan dalam pengurusan hubungan pelanggan (CRM) untuk mengoptimalkan logistik dan kecekapan ketika datang untuk menjejaki dan mengelola aset.

ML memainkan peranan utama dalam pembangunan AI, kata Luke Tang, Pengurus Besar program Global AI + Accelerator TechCode, yang menggabungkan startup AI dan membantu syarikat menggabungkan AI di atas produk dan perkhidmatan mereka yang sedia ada.

"Sekarang, AI sedang dipandu oleh semua kemajuan terkini dalam ML. Tidak ada satu pun kejayaan yang boleh anda maksudkan, tetapi nilai perniagaan yang kita boleh ambil dari ML sekarang adalah di luar carta, " kata Tang. "Dari perspektif perusahaan, apa yang berlaku sekarang boleh mengganggu beberapa proses perniagaan korporat teras sekitar koordinasi dan kawalan: penjadualan, peruntukan sumber dan pelaporan." Di sini kami menyediakan petua dari beberapa pakar untuk menerangkan langkah-langkah perniagaan yang boleh diambil untuk mengintegrasikan AI dalam organisasi anda dan memastikan pelaksanaan anda berjaya.

1. Dapatkan Familiar Dengan AI

Luangkan masa untuk menjadi akrab dengan apa yang boleh dilakukan AI moden. TechCode Accelerator menawarkan permulaannya pelbagai sumber melalui perkongsian dengan organisasi seperti Stanford University dan syarikat-syarikat di ruang AI. Anda juga harus memanfaatkan kekayaan maklumat dan sumber dalam talian yang tersedia untuk membiasakan diri dengan konsep asas AI. Tang mengesyorkan beberapa bengkel terpencil dan kursus dalam talian yang ditawarkan oleh organisasi seperti Udacity sebagai cara mudah untuk memulakan AI dan untuk meningkatkan pengetahuan anda tentang bidang-bidang seperti ML dan analisis ramalan dalam organisasi anda.

Berikut adalah beberapa sumber dalam talian (percuma dan berbayar) yang boleh anda gunakan untuk bermula:

• Pengenalan Udacity untuk kursus AI dan Program Nanodegree Intelligence Buatan
• Ceramah dalam talian Stanford University: Kecerdasan Buatan: Prinsip dan Teknik
• Kursus AI dalam talian edX, yang ditawarkan melalui Columbia University
• Kognitif Toolkit sumber terbuka Microsoft (sebelum ini dikenali sebagai CNTK) untuk membantu pemaju menguasai algoritma pembelajaran yang mendalam
• Perpustakaan perisian sumber terbuka Google (OS) TensorFlow untuk kecerdasan mesin
• AI Resources, direktori kod sumber terbuka dari AI Access Foundation
• Persatuan untuk Kemajuan Kepintaran Artificial Intelligence (AAAI)
• Panduan Lembut MonkeyLearn untuk Pembelajaran Mesin
• Stephen Hawking dan Institut Masa Depan Kehidupan Elon Musk
• OpenAI, sebuah inisiatif pembelajaran dalaman dan akademik yang luas

2. Kenal pasti Masalah yang Anda Mahukan AI untuk Selesaikan

Sebaik sahaja anda bersedia untuk mempercepatkan dasar-dasar, langkah seterusnya untuk sebarang perniagaan adalah untuk memulakan meneroka idea-idea yang berbeza. Fikirkan tentang bagaimana anda boleh menambah keupayaan AI untuk produk dan perkhidmatan anda yang sedia ada. Lebih penting lagi, syarikat anda harus mempunyai kes-kes tertentu penggunaan tertentu di mana AI boleh menyelesaikan masalah perniagaan atau memberikan nilai yang boleh dibuktikan.

"Apabila kami bekerjasama dengan sebuah syarikat, kami mulakan dengan gambaran mengenai program dan masalah utama teknologi kami. Kami mahu dapat memperlihatkan bagaimana pemprosesan bahasa semula jadi, pengiktirafan imej, ML, dan sebagainya sesuai dengan produk tersebut, biasanya dengan satu bengkel semacam dengan pengurusan syarikat, "jelas Tang. "Spesifik selalu berubah mengikut industri, contohnya, jika syarikat melakukan pengawasan video, ia dapat menangkap banyak nilai dengan menambahkan ML ke proses itu."

3. Mengutamakan Nilai Konkrit

Seterusnya, anda perlu menilai potensi perniagaan dan nilai kewangan pelbagai implementasi AI yang mungkin anda kenal pasti. Sangat mudah untuk hilang dalam perbincangan AI "pie in the sky", tetapi Tang menekankan pentingnya mengikat inisiatif anda secara langsung kepada nilai perniagaan.

"Untuk memberi keutamaan, melihat dimensi potensi dan kelayakan dan meletakkannya ke dalam matriks 2x2, " kata Tang. "Ini akan membantu anda mengutamakan berdasarkan penglihatan jangka dekat dan mengetahui nilai kewangan bagi syarikat. Untuk langkah ini, anda biasanya memerlukan pemilikan dan pengiktirafan dari para pengurus dan eksekutif peringkat tertinggi."

4. Mengakui Jurang Keupayaan Dalaman

Terdapat perbezaan yang ketara di antara apa yang anda ingin capai dan apa yang anda ada keupayaan organisasi untuk mencapai dalam tempoh masa tertentu. Tang berkata perniagaan harus tahu apa yang mampu dan apa itu bukan dari perspektif proses teknologi dan perniagaan sebelum melancarkan pelaksanaan AI penuh.

"Kadang-kadang ini boleh mengambil masa yang lama untuk dilakukan, " kata Tang. "Menangani jurang kemampuan dalaman anda bermakna mengenal pasti apa yang anda perlukan untuk memperoleh dan apa-apa proses yang perlu berubah secara dalaman sebelum anda pergi. Bergantung kepada perniagaan, mungkin terdapat projek atau pasukan sedia ada yang dapat membantu melakukan ini secara organik untuk unit perniagaan tertentu."

5. Bawa Pakar dan Sediakan Projek Pilot

Setelah perniagaan anda siap dari sudut pandang organisasi dan teknologi, maka saatnya untuk mulai membangun dan mengintegrasikan. Tang berkata faktor paling penting di sini adalah untuk memulakan kecil, mempunyai matlamat projek dalam fikiran, dan, yang paling penting, menyedari apa yang anda tahu dan apa yang anda tidak tahu mengenai AI. Ini adalah di mana membawa ahli luar atau perunding AI boleh menjadi tidak ternilai.

"Anda tidak memerlukan banyak masa untuk projek pertama, biasanya untuk projek perintis, 2-3 bulan adalah julat yang baik, " kata Tang. "Anda ingin membawa orang-orang dalaman dan luaran bersama-sama dalam satu pasukan kecil, mungkin 4-5 orang, dan rangka masa yang lebih ketat akan memastikan pasukan memberi tumpuan kepada matlamat yang lurus. Selepas perintis selesai, anda sepatutnya dapat memutuskan apa yang lebih lama Projek yang lebih rumit akan menjadi dan sama ada cadangan nilai masuk akal untuk perniagaan anda. Penting juga bahawa kepakaran dari kedua belah pihak-orang yang tahu tentang perniagaan dan orang-orang yang tahu tentang AI-digabungkan pada pasukan projek perintis anda."

6. Bentuk Pasukan Petugas untuk Menyepadukan Data

Tang mencatatkan bahawa, sebelum melaksanakan ML ke dalam perniagaan anda, anda perlu membersihkan data anda untuk membuatnya siap untuk mengelakkan senario "sampah di, sampah". "Data korporat dalaman biasanya tersebar dalam pelbagai silo data sistem warisan yang berbeza, dan mungkin berada di tangan kumpulan perniagaan yang berbeza dengan keutamaan yang berbeza, " kata Tang. "Oleh itu, satu langkah yang sangat penting untuk mendapatkan data yang berkualiti tinggi adalah untuk membentuk satu pasukan tugas, mengintegrasikan data yang berbeza bersama-sama, dan menyelesaikan ketidakkonsistenan supaya data adalah tepat dan kaya, dengan semua dimensi yang betul diperlukan untuk ML."

7. Mula Kecil

Mulakan mengaplikasikan AI ke sampel kecil data anda dan bukan terlalu lama terlalu cepat. "Mula mudah, gunakan AI secara berperingkat untuk membuktikan nilai, kumpulkan maklum balas, dan kemudian berkembang dengan sewajarnya, " kata Aaron Brauser, Naib Presiden Pengurusan Penyelesaian di M * Modal, yang menawarkan teknologi pemahaman bahasa semulajadi (NLU) untuk organisasi penjagaan kesihatan serta platform AI yang digabungkan dengan rekod perubatan elektronik (EMRs).

Jenis data tertentu boleh menjadi maklumat mengenai kepakaran perubatan tertentu. "Selektif dalam pembacaan AI, " kata Dr. Gilan El Saadawi, Ketua Pegawai Penerangan Perubatan (CMIO) di M * Modal. "Sebagai contoh, pilih masalah tertentu yang anda ingin selesaikan, tumpukan AI di atasnya, dan beri soalan khusus untuk menjawab dan tidak membuang semua data itu."

8. Sertakan Penyimpanan Sebagai Sebahagian Rancangan AI Anda

Selepas anda melangkah dari sampel kecil data, anda perlu mempertimbangkan keperluan penyimpanan untuk melaksanakan penyelesaian AI, kata Philip Pokorny, Ketua Pegawai Teknikal (CTO) di Penguin Computing, sebuah syarikat yang menawarkan pengkomputeran prestasi tinggi (Penyelesaian HPC), AI, dan ML.

"Meningkatkan algoritma adalah penting untuk mencapai hasil penyelidikan, tetapi tanpa banyak data untuk membantu membina model yang lebih tepat, sistem AI tidak dapat meningkatkan cukup untuk mencapai tujuan pengkomputeran anda, " tulis Pokorny dalam kertas putih berjudul "Keputusan Kritikal: Panduan Membina Penyelesaian Kecerdasan Buatan Lengkap Tanpa Penyesalan. " "Itulah sebabnya kemasukan penyimpanan yang pantas dan pantas harus dipertimbangkan pada permulaan reka bentuk sistem AI."

Di samping itu, anda perlu mengoptimumkan penyimpanan AI untuk data ingest, aliran kerja, dan model, katanya. "Mengambil masa untuk mengkaji semula pilihan anda boleh memberi impak yang besar dan positif kepada bagaimana sistem dijalankan sebaik sahaja dalam talian, " kata Pokorny.

9. Menggabungkan AI sebagai sebahagian daripada tugas harian anda

Dengan wawasan tambahan dan automasi yang disediakan oleh AI, pekerja mempunyai alat untuk menjadikan AI sebahagian daripada rutinitas harian mereka dan bukannya sesuatu yang menggantikannya, menurut Dominic Wellington, Global IT Evangelist di Moogsoft, penyedia AI untuk operasi IT (AIOps). "Sesetengah pekerja mungkin berhati-hati dengan teknologi yang boleh menjejaskan tugas mereka, jadi memperkenalkan penyelesaian sebagai cara untuk menambah tugas harian mereka adalah penting, " jelas Wellington.

Beliau menambah bahawa syarikat harus telus bagaimana teknologi berfungsi untuk menyelesaikan masalah dalam alur kerja. "Ini memberi pengalaman kepada pekerja di bawah pengalaman hud supaya mereka dapat memvisualisasikan dengan jelas bagaimana AI menambah peranan mereka dan bukan menghapusnya, " katanya.

10. Bina Dengan Baki

• Kecerdasan Buatan Mempunyai Masalah Bias, dan Ia Kecerdasan Buatan Kecederaan Kami Mempunyai Masalah Bias, dan Ini Kesalahan Kita
• Perisikan Buatan IBM Mengambil Perbahuan Manusia Champs IBM Kecerdasan Buatan Membawa Champs Debat Manusia
• AI Menawarkan Potensi Besar, Tetapi Tidak Akan Terjadi Semalaman AI Menawarkan Potensi Besar, Tetapi Tidak Akan Terjadi Semalaman

Apabila anda membina sistem AI, ia memerlukan gabungan memenuhi keperluan teknologi serta projek penyelidikan, kata Pokorny. "Pertimbangan yang menyeluruh, bahkan sebelum memulakan reka bentuk sistem AI, adalah bahawa anda perlu membina sistem dengan keseimbangan, " kata Pokorny. "Ini mungkin terdengar jelas tetapi, sering kali, sistem AI direka bentuk berdasarkan aspek spesifik bagaimana pasukan membayangkan mencapai matlamat penyelidikannya, tanpa memahami keperluan dan batasan perkakasan dan perisian yang akan menyokong penyelidikan. daripada yang optimum, walaupun berfungsi, sistem yang gagal mencapai matlamat yang diinginkan."

Untuk mencapai keseimbangan ini, syarikat perlu membina jalur lebar yang mencukupi untuk penyimpanan, unit pemprosesan grafik (GPU), dan rangkaian. Keselamatan adalah komponen yang sering diabaikan. AI oleh sifatnya memerlukan akses ke data luas untuk melakukan tugasnya. Pastikan anda memahami jenis data yang akan terlibat dengan projek ini dan perlindungan keselamatan biasa anda - penyulitan, rangkaian peribadi maya (VPN), dan anti-malware - mungkin tidak mencukupi.

"Begitu juga, anda perlu mengimbangi bagaimana belanjawan keseluruhan dibelanjakan untuk mencapai penyelidikan dengan keperluan untuk melindungi daripada kegagalan kuasa dan senario lain melalui redundansi, " kata Pokorny. "Anda juga mungkin perlu membina kelonggaran untuk membenarkan penggantian perkakasan sebagai keperluan pengguna berubah."