请回答2019别误会AI(下)

时间:2019-07-09

  

请回答2019别误会AI(下)

  3.与相关的同行进行战略合作,深入开展关键业务的合作,洞察最有前景的人工智能使用场景。 3.咨询相关业务部门或法律部门,以确定对可解释性的要求。将人工智能模型放在特定的场景中,并定义好人工智能模块如何嵌入到业务整体解决方案当中发挥功效。 另外,比如DNN,较为传统的ML算法在诸多领域具有相对优势。一个典型的例子是“小样本”条件下的建模问题,小样本指的是训练数据的规模相对较小。例如,军事上要对敌方无人机的电磁信号进行探测,就不可能采集到大量的有标注的数据样本。在几十个样本甚至更少的条件下,DNN因为网络层数很深,总体的神经元数量太多,参数估计变得非常困难,导致其性能往往不如传统的擅长小样本学习的ML算法,如支持向量机(Support Vector Machine,SVM)算法,或者基于军事专家知识形成的决策树算法(Decision Tree)。 2.优先使用传统的ML方法,只有当这些方法被认为不够好的时候,才使用深度学习。 事实上并非如此。不同的业务线、客户、参与者、监管机构,对隐私、安全、算法透明度和科技伦理有不同的要求,根据这些要求,AI的可解释性也会有不同。比如,作为系统组成部分的AI模块,对可解释性的要求就不高。然而,如果涉及刑事判决、信贷资格、非歧视性雇佣等与人相关的决定,就需要AI有较高的可解释性。再如,像自动驾驶这样的技术,由于伦理和法律原因,也需要较高的可解释性。 AI也被用于撰写体育赛事的文章,确定酒店房间和机票的价格,在金融服务公司提供财富管理。 AI还可用于确定保险索赔的支付时间和金额,确定在网上用户面前投放哪些广告(如谷歌和百度广告投放),执行外汇交易,等等。 1.企业应该基于对自身、对整个市场、对竞争对手的三到五年预测,做出一个人工智能战略。无论是采用AI还是采用非AI的工作方式,都不应该是随波逐流的,而应该是经过慎重考虑的、有目的的决定,而且应当定期审视这些决定; 2.可以优先选择内部青睐的系统集成商,进行特定的AI应用模型的开发,利用预训练的模型,进行快速的集成。同时,应该评估集成商的优势领域,跟踪需求变化,审查AI模型的知识产权等; 1.以实用指标来选择最佳的解决方案,例如:AI应该在本地运行还是在云端运行?解决方案的性能是否足够好?能否解释AI模型输出结果的准确性? 在图像识别领域,深度学习算法在某些感知任务上比人类完成得更好更快。例如,在检查胸部X光片时,AI能够比放射科医生更快地发现一些典型的疾病。 比如,在法律领域,AI不仅可以完成重复、乏味、低技能的任务,而且可以在几分钟内读取数千份法律合同中的关键信息,与律师相比,能够速度更快、错误更少地提取所有有用的信息。 1.评估AI对现有业务的价值,确定AI可以增强或自动化的环节。然后重新定义工作流程,调整长期规划以配合更高的生产效率,并为现有员工启动再培训计划; 选择平台不应该只考虑它的知名度,而是应该根据你的企业/组织目前的需求和条件来慎重考虑。云服务提供商、系统集成商和专用的数据科学与ML平台供应商,都是可行的选择。 1.解决同一个问题可以选择不同的AI模型,有的模型更具有可解释性,有的模型性能更好,你需要权衡哪种模型最适合当前的业务环境; 什么是“最好的人工智能方法”?每隔一段时间就会有一种新的方法来竞争这个头衔,目前呼声最高的就是DNN。然而,任何技术都有其最合适的领域,没有一种技术是所有问题的最优解。虽然DNN在很多领域都带来重大突破,但是很多AI问题也可以通过基于规则的系统或传统的ML有效地解决,这样做的成本和风险更低。Kaggle网站(2010年创立于墨尔本,是一个举办ML竞赛、托管数据库、编写和分享代码的著名平台,已吸引了大约80万名数据科学家的关注)就是一个很好的例子,这里发布的很多AI问题仍然是通过集成技术来解决的,集成技术结合了各种传统的ML算法,而不仅是深度学习。 2.尽可能向客户和相关人员公开不涉及隐私和保密性的训练数据,让人工智能模型的输入步骤、训练步骤和输出步骤更加透明; 3.还有一种选择是通过AI数据科学和ML平台供应商,基于基础的算法库、软件API接口,进行自定义的AI应用开发。同时需要注意成本的控制、可访问性和开发周期的控制。 实际工作中,抱有这个观念的管理者相当多。然而,AI的发展如此迅猛,对市场的影响是如此深远,如果不去审视企业与AI的关系,可能会造成企业未来处于竞争劣势。我们认为,企业管理者应当做到以下三点: 2019年5月24日,《中国新一代人工智能发展报告2019》发布,指出人工智能正在从少数大国关注走向全球布局的新格局。中国人工智能迅猛发展,论文发文量居全球最高,企业数量、融资规模居全球第二。在这样的局势之下,中国的企业管理者对AI的巨大潜力和目前进展要有更加明确的认识。对于企业管理者,我们从三个方向给出了建议:一是准确地定义AI能够解决的业务问题,二是监管AI模型的局限性和潜在风险,三是根据实用指标、可解释性、自身业务流程与场景特点等角度选择技术途径。希望企业能够用合理的方式设计未来战略或增强现有战略,从而实现业务价值。未来可期,让我们一起努力。返回搜狐,查看更多 2.调查现有的或潜在的竞争对手,积石山县岩鹰青少年篮球训练营报名啦,了解同行的业务动向;寻找实施和落地周期较短的AI应用机会,尤其是那些增强人工操作、避免重复性劳动、辅助决策和人机交互的机会; 1.在探索AI服务落地的同时,优先选择组织内部现有的云供应商,在产品的组合创新、功能改善、集成部署等环节中,会有更好的兼容性、更小的实现阻力和更大的可扩展性; “人工智能只取代不需要高学历的重复性工作”这个看法,确实是普遍存在的。而其实,根据估计,AI能够对至少70%的工作领域进行优化。目前,AI技术正在深入到工作的各个场景中,而不仅仅是取代一般的重复性工作。AI通过在复杂的非结构化数据(如图像、音频和文档)或结构化历史数据中查找模式,使企业能够通过预测、分类和聚类,做出更高质量的决策。

北大医疗鲁中医院 发财树之家 中国文化网 上海硕博公司 华恒生物官网 武汉未来科技城 百度
联系我们

400-500-8888

公司服务热线

澳门百家乐玩法