开启数字化转型之旅的重要考虑因素

人工智能无处不在. mg冰球突破手机版下载只需要看看. 从智能手机应用到附近商店的自助结账队列,再到推荐给mg冰球突破手机版下载的网络系列, mg冰球突破手机版下载作为消费者提供数据,人工智能驱动的个性化体验也会得到回报.

尽管它无处不在, 人工智能还有许多尚未开发的发光之路. 让人工智能的真正潜力得以充分发挥, 公司必须全面采用人工智能, 渗透到各行各业, 横跨前厅和后厅的职能, 从实体到数字. 换句话说,企业必须将人工智能视为数字化转型的关键推动者.

选择正确的用例

领导者需要用正确的用例开启AI之旅. 一个手动执行的用例,或者最多使用简单的软件实现, 是业务的重要贡献者还是促成者, 并且有可能产生巨大的影响(e.g. 在收入/利润数字, 或者作为竞争差异化)是使用AI的一个很好的候选解决方案.

最初, 人工智能应用的潮流引领者是那些需要认知决策的场景, 这是人类非常擅长的,几乎不需要任何训练,但却让机器感到困惑 & 软件. 直到十多年前,一种被称为深度学习的特定人工智能系统的突破性应用发生了.

在流程驱动的部门,如制造业,以及流程驱动的功能,如银行和保险等服务企业的后台办公室, 人工智能带来了切实的成本节约和处理速度的提高. 这通常会产生连锁反应,通过减少工作流程的周转时间来增加业务. 特别是, 自动化文书处理等普通任务往往最适合人工智能做好. 大多数公司将这种自动化视为推出数字产品的必要第一步.

按顺序获取数据

数学家克莱夫•汉比(Clive Humby)在处理乐购会员卡时表示:“数据是新的石油。. 而这句话是2006年的, 大数据时代的早期, 它是人工智能世界更现代的表兄弟,很可能是“有标签的数据是金子”.

贴标是贴好格式的过程, 以一致的方式对数据进行信息标签,引导机器学习. 如果操作正确并且有足够大的数据, 现代人工智能算法(比如深度学习算法)通常可以很好地学习,并产生令人惊奇的结果,这些结果似乎表明,它们有时可以超越人类的能力.

必须注意避免使用不平衡的标记数据进行训练,这可能会影响学习. 造成不平衡的常见原因包括数据本身的不平衡和标签的偏差等.

尝试

事实胜于雄辩. 在实验室里做了大量的工作来产生人工智能驱动的替代品, 许多公司不愿冒险采取行动. 这些公司经常因为害怕失败,或者更糟糕的是,缺乏完美而陷入这个阶段.

根据它的定义,AI系统通过更多的经验(以及相应的标签数据)来学习. 因此,等待完美的体系出现后再在赛场上推广是不切实际的. 相反, 最好的做法是进行试验, 首先是有限的规模, 收集真实的反馈, 迭代, 然后在更大的范围内尝试, 等等. 经过几次迭代, 可以评估性能上的改进,以了解需要多少次迭代,以及需要多少成本,以便做出上线或回到绘图板的决定.

总而言之,人工智能是数字化转型的关键推动者. 通过选择AI非常适合的正确用例集,公司可以在其转型议程中更成功. 对于所选的场景, 在经营业务时,必须收集足够数量的贴标签数据. 最后,对于人工智能系统来说,不完美的行动比完美的不作为要好. 毕竟, 就像组织本身一样, 学习型机器在持续学习时表现最好.

留下一个回复

你的电邮地址不会被公布.