开启数字化转型之旅需要考虑的重要因素

人工智能无处不在. mg冰球突破手机版下载只需要看看. 从智能手机应用程序到社区商店的自助结账队列,再到向mg冰球突破手机版下载推荐的网络系列, 作为消费者,mg冰球突破手机版下载提供数据,作为回报,mg冰球突破手机版下载获得由人工智能驱动的个性化体验.

尽管它无处不在, 人工智能还有很多尚未开发的领域. 让人工智能真正的潜力得到充分发挥, 企业必须全面采用人工智能, 将其注入到各行各业, 包括前台和后台的职能, 从实体到数字. 换句话说,企业必须将人工智能视为数字转型的关键推动者.

选择正确的用例

领导者在人工智能之旅开始时需要使用正确的用例. 手工执行的用例,或者至多是使用简单的软件实现的用例, 是业务的重要贡献者或推动者吗, 并且有可能产生巨大的影响.g. 在收入/利润数字, 或作为竞争差异化)是一个很好的候选者来解决使用人工智能.

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, 这是人类在几乎不需要训练的情况下非常擅长的,但却让机器感到困惑 & 软件. 直到十多年前,一种名为“深度学习”(deep learning)的特殊设计的人工智能系统出现了突破性应用.

在流程驱动的行业(如制造业),以及流程驱动的职能(如银行和保险等服务企业的后台办公室), 人工智能节约了实际成本,提高了处理速度. 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, 自动化文书处理等日常任务往往最适合人工智能来完成. 大多数公司都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)在研究乐购(Tesco)的会员卡时表示:“数据是新的石油。. 这句话是2006年的, 大数据的早期, 它在人工智能世界中的现代表兄弟很可能是“Labelled data is gold dust”。.

贴标是粘贴格式良好的过程, 以一致的方式对数据进行信息标签,引导机器进行学习. 如果操作正确,且数据足够大, 现代人工智能算法(比如深度学习算法)往往能很好地学习,并产生惊人的结果,似乎有时能证明其精通程度超过人类的能力.

必须小心避免使用不平衡的标签数据进行训练,这可能会影响学习. 不平衡的常见原因包括数据本身的不平衡和标签上的偏见等.

尝试

事实胜于雄辩. 在实验室里完成了人工智能驱动的替代品的艰苦工作, 许多公司在冒险和采取行动方面犹豫不决. 这些公司常常因为害怕失败或更糟的是缺乏完美而停留在这一阶段.

根据其定义,人工智能系统学习时具有更多的经验(以及相应的标记数据). 因此,等待完美的系统出现后再将其投入使用是不切实际的. 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试试, 等等. 经过几次迭代, 可以对性能的改进进行评估,以了解需要多少次迭代,以及需要多少成本才能决定是上线还是回到绘图板上.

总之,人工智能是数字化转型的关键推动者. 通过选择AI非常适合的用例集,企业可以在转型议程上更成功. 对于所选的场景, 在业务活动中收集足够数量的标签数据是必要的. 最后,对于人工智能系统来说,不完美的行动总比完美的不作为要好. 毕竟, 很像这个组织本身, 学习机在继续学习时表现最好.

留下一个回复

您的电子邮件地址将不会被公布.

友情链接: 1 2 3 4 5 6 7 8 9 10