«Реален ли этот потенциал ИИ/МО?»

«Сможет ли это решить мои бизнес-проблемы? И если да, то с чего мне начать?»

Если вы руководитель бизнеса (а не эксперт по машинному обучению или энтузиаст искусственного интеллекта); Я уверен, что текущее широкое освещение достижений в области искусственного интеллекта и машинного обучения наверняка привлекло ваше внимание. Очень трудно пропустить истории о авариях Автопилота Теслы, победе АльфаГо или о том, как машины собираются взять верх над человечеством.

Далее в этой статье приводятся заметки из моих бесед с руководителями различных предприятий. Некоторые из них представляют собой традиционные семейные предприятия, юридические фирмы, организованные ИТ-подкованные предприятия, такие как NBFC, и многие другие.

Я хотел бы осветить некоторые распространенные вопросы, заблуждения, а также представить небольшой пример, чтобы сделать первый шаг к реализации реального варианта использования AI/ML.

«Реален ли этот потенциал AI/ML?»

да.

Интенсивные человеческие процессы, такие как урегулирование претензий или сопоставление счетов, могут увеличиться в 100 раз благодаря интеллектуальной автоматизации, дополненной искусственным интеллектом. Повторяющиеся, рутинные и рутинные задачи, такие как «классификация и назначение заявок соответствующим командам», являются идеальными вариантами использования. Вторая часть вопроса немного сложна, и перед этим нам нужно понять, что такое ИИ на самом деле. Может быть, давайте сначала поймем, чем не является ИИ!

Действительно ли искусственный интеллект волшебен?

No.

Исторические данные, машинное обучение и человеческая поддержка — три ключевых элемента очень вкусного рецепта ИИ.

Данные позволяют компьютеру понять закономерности. Например, исторические данные обучения позволяют машине понять, как выглядит рука младенца с желтухой, а затем использовать это обучение для проведения неинвазивного теста на желтуху.

С помощью специалиста по данным (это те, кто помогает компьютеру определить закономерность и создать модель машинного обучения) — компьютер может установить связь между наличием желтухи и симптомами на руках, такими как цвет ногтей, кожи и т. д. . Такая модель способна ответить на такие вопросы, как, есть ли у этого ребенка желтуха и насколько уверена модель (например, 93,2%)?

Человеческая поддержка является наиболее важным элементом, о котором часто никогда не говорят. Человеческая поддержка помогает позаботиться о сценарии, в котором модель машинного обучения дает сбой или имеет очень низкую точность. Например, предположим, что появился документ нового типа (возможно, рукописный), который ваш обработчик документов не может понять и извлечь из него информацию. В таких случаях человек должен дополнить компьютер, чтобы работа могла быть выполнена. В целом думайте об этом как о реальном выполнении методологии «Управление по исключениям».

Наконец, интеграция с существующими приложениями/рабочими процессами и процессами — это еще одна область, которую необходимо решить, чтобы обеспечить внедрение AI/ML в повседневные операции.

Все ли инициативы в области ИИ начинаются с массивного озера данных?

Не совсем.

Все в AI/ML начинается с данных. Было бы очень полезно иметь озеро данных, но это не обязательно! Например, у розничного продавца уже есть большой объем данных о транзакциях — заказы на покупку, квитанции, поставщики, счета, кредит-ноты, дебетовые авизо, платежи — находящиеся в ERP (SAP, Oracle EBS) и ожидающие изучения. Это структурированные данные хорошего качества!

Что более важно, так это то, что количество и качество данных; ERP-системы содержат высококачественные данные о транзакциях, собранные в течение многих лет и ожидающие использования.

Идеальная рекомендуемая стратегия — создать инфраструктуру больших данных для сбора и индексации необработанных данных. Вам может не понадобиться это, чтобы начать свою первую инициативу AI/ML, но это необходимо, чтобы продолжать пожинать плоды.

Подойдет ли ИИ для моей старой традиционной проблемы?

да.

Не нужно работать над самоуправляемыми автомобилями, проектом по картированию генома или чем-то в этом роде, чтобы использовать ИИ. На самом деле, некоторые из наиболее интересных вариантов использования — это те, которые пытаются автоматизировать бизнес-процессы и создать интеллект. Это традиционные мировые проблемы, такие как урегулирование претензий, сопоставление счетов, которые в начальных волнах автоматизировались с помощью правил. Это могут быть быстрые победы и хорошие точки входа для организаций в области решений AI/ML.

Дорого ли стоит искусственный интеллект?

Уже нет.

С развитием вычислительной мощности в облаке; стоимость оборудования резко снизилась за последние несколько лет. Масштабируемое оборудование (и, как правило, стандартное оборудование) и адаптивное программное обеспечение необходимы для предоставления масштабируемого и гибкого решения ИИ. Одним из распространенных подходов является создание центрального механизма разведки и децентрализованных полуавтономных агентов.

Кроме того, почти все ведущие инструменты и пакеты, используемые в мире AI/ML, имеют открытый исходный код. Есть буквально «НУЛЕВЫЕ ЛИЦЕНЗИОННЫЕ СБОРЫ». Сегодня можно создать и поддерживать очень сложное ИИ-решение по индивидуальному заказу всего за 50 000 долларов США или даже заплатить на ходу. И нужно ли прямо говорить: «Не всем нужна команда дорогостоящих специалистов по обработке и анализу данных, чтобы начать свой путь в области искусственного интеллекта и машинного обучения!». Сказав, что вам понадобится доступ к команде, но это вполне может быть внешняя команда для реализации вашей первой инициативы AI/ML.

Резюме

ИИ готов решать реальные проблемы, с которыми сталкивается почти каждый бизнес. Это больше не прерогатива исследователей или прирожденных цифровых компаний (таких как Google, Facebook, Amazon или Netflix). Если ваша организация собирала данные; у вас есть рутинная, повторяющаяся или рутинная задача или, возможно, что-то, что ранее было автоматизировано с помощью правил — у вас есть потенциальная возможность запустить пилотный проект AI/ML.

Эндрю Нг (главный научный сотрудник Baidu, председатель и соучредитель Coursera, адъюнкт-профессор Стэнфорда) недавно сказал: ИИ — это новое электричество. Я уверен, что вы не хотите, чтобы ваш бизнес всегда работал вне сети.

Все еще думаете, как двигаться вперед или у вас есть еще вопросы/сомнения, дайте нам крик.

PS: Это первая часть статьи из двух частей. Во второй части я обращусь Сможет ли это решить мои бизнес-задачи? И если да, то с чего мне начать?. Я объясню, как AI/ML можно использовать для решения практических бизнес-задач и что нужно для их реализации.

Обновление от 5 апреля 2017 г.: часть II теперь онлайн и доступна здесь

Первоначально опубликовано на https://www.linkedin.com 30 марта 2017 г.