行业报告 AI展会 数据标注 标注供求
数据标注数据集
主页 > 人工智能 > 正文

如何开始使用人工智能

行业专家表示,很多没有使用人工智能的企业开始迫切使用这种新兴技术,而他们的许多竞争对手已经在使用人工智能来提升竞争优势。

 

\
 

人工智能技术显然对于大多数企业来说过于复杂,无法在内部构建。他们需要获得人工智能提供商的帮助来外包其人工智能解决方案。这个过程本身很复杂。那么从哪里开始?如何选择供应商?鉴于人工智能变化如此之快,企业如何知道选择某一家人工智能技术提供商合作在几年之后仍然是一个很好的选择。

 

简而言之,企业如何才能更好地开始其人工智能旅程?人工智能领域的领先专家,IBM数据和人工智能开发副总裁,IBM硅谷实验室站点主管Dinesh Nirmal为此提供了指导。

 

Nirmal表示,最近的一项调查报告表明,只有4%的企业真正采用人工智能技术并开始在人工智能领域发展。如果企业正确地看待人工智能,就必须成为一个接受人工智能的企业。也认为这是企业业务在未来生存和发展的一条重要途径,尤其是在激烈的市场竞争中。因此,采用人工智能对企业来说都是非常关键的。很多企业都在关注人工智能,但他们并没有真正采用或部署人工智能。

 

开发人工智能首先要开发模型,而数据科学团队可以做到这一点。但是对于一些企业来说,部署人工智能变得具有挑战性,因为其应用程序很可能是在上世纪60年代或70年代编写的,采用的第三方软件也是如此。如何将人工智能部署到其中,对于企业来说确实是一个挑战,这是很多企业或客户面临的挑战,开发模型虽然变得更加容易,但是当涉及到部署时,将变得非常具有挑战性。

 

因此,他将人工智能的应用过程总结为三个D:数据(Data)、模型开发(Development of models)和部署(Deployment)。如果从人工智能来看,这就是三个阶段。第一个D(数据)和最后一个D(部署)至关重要,即如何获取数据,信任数据,以及如何清除数据?

 

如何让数据科学家以一种更快的方式访问它?开发的产品变得越来越商品化,这意味着可以使用许多可用的开源工具来构建这些模型。但是最后一个D(部署)也变得非常关键,由于现在必须采用人工智能或在企业中构建那些模型,因此涉及的过程非常复杂,其中涉及到第三方软件,企业如果无法访问,没有技能,以及所有这些东西,因此变得非常具有挑战性。

 

企业如何部署人工智能

 

Nirmal说,“企业如何以人工智能为中心?需要采用我们称之为‘人工智能阶梯’的技术。

 

人工智能阶梯包括:一是如何收集或连接数据?因为它可能是已经存在的现有数据源。二是企业如何组织这些数据?数据的组织变得非常关键,例如哪些数据是敏感的,哪些数据是不敏感的。因此必须组织数据,或者围绕数据添加一些治理以使其可用。三是分析数据,也就是如何分析数据?分析数据所需的工具是什么?四是注入数据或部署已构建的模型。因此通过这四个步骤构建一个人工智能阶梯。

 

企业需要拥有大量数据来建立模型,必须将数据用于训练模型,而且大多数企业可能并不愿意在公共云平台上迁移非常敏感的数据,因此,它将成为一种混合云方法,企业可以使用该方法在防火墙后面进行所有训练,然后准备部署模型时,可以将其部署在公共云上。”

 

企业在部署人工智能时遇到的挑战

 

Nirmal说,“我坚信,除非企业愿意接受人工智能,否则将失去竞争优势。我们看到越来越多的人工智能应用案例。以聊天机器人为例,即使只能进行回答简单的问题,客户对此也会很感兴趣,那么如何通过聊天使客户更满意呢?

 

由于采用聊天机器人,客户可以立即得到答案,可以即时满足需求。客户不必打电话等很长时间才有人回答问题。因此在未来几年内,人工智能的采用率可能会从4%加速增长到40%50%,这对每个企业来说都是至关重要的。

 

现在人们在一些地方看到越来越多的人工智能应用,例如在客户服务、自然语言处理(NLP)、情绪分析等行业领域将有更多的采用。

 

例如,我遇到了一些客户,他们说,‘我们认为技术是最大的人工智能优势之一。’例如,企业的一位拥有30年知识和经验的 员工退休,就不能再应用其知识和技能。但是如果训练一个人工智能模型,可以不断地学习知识和技术,并且人工智能技术不会退休,也不会离职。

 

人工智能将会不断学习,知识和技能的保留将变得非常关键。所以我认为,采用人工智能对于企业来说非常重要,因为这将使其从竞争中脱颖而出,以确保生存和发展。另一个例子是,如果是一家制造公司,那么如何在产品交付给客户之前检测出产品缺陷?如果能在问缺陷出现之前找到并解决,每年可以省下几百万美元的费用。

 

这就像模式检测一样。我认为需要从人工智能应用的角度来看待这个行业。越来越多的行业将会采用人工智能技术,并且人工智能技术将会在各行业领域加速应用。”



微信公众号

声明:本站部分作品是由网友自主投稿和发布、编辑整理上传,对此类作品本站仅提供交流平台,转载的目的在于传递更多信息及用于网络分享,并不代表本站赞同其观点和对其真实性负责,不为其版权负责。如果您发现网站上有侵犯您的知识产权的作品,请与我们取得联系,我们会及时修改或删除。

网友评论:

发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
表情:
用户名: 验证码:点击我更换图片
SEM推广服务

Copyright©2005-2026 Sykv.com 可思数据 版权所有    京ICP备14056871号

关于我们   免责声明   广告合作   版权声明   联系我们   原创投稿   网站地图  

可思数据 数据标注行业联盟

扫码入群
扫码关注

微信公众号

返回顶部