10 stappen om kunstmatige intelligentie in uw bedrijf te gebruiken

Kunstmatige intelligentie (AI) is duidelijk een groeiende kracht in de technologie-industrie. AI staat centraal op conferenties en toont potentieel in een breed scala van industrieën, waaronder detailhandel en productie. Nieuwe producten worden ingebed met virtuele assistenten, terwijl chatbots vragen van klanten beantwoorden over alles, van de site van uw online kantoorleverancier tot de ondersteuningspagina van uw webhostingprovider. Ondertussen integreren bedrijven zoals Google, Microsoft en Salesforce AI als een intelligentielaag in hun hele technische stapel. Ja, AI heeft absoluut zijn moment.

Dit is niet de AI die popcultuur ons heeft geconditioneerd om te verwachten; het zijn geen bewuste robots of Skynet, of zelfs de Jarvis-assistent van Tony Stark. Dit AI-plateau gebeurt onder de oppervlakte en maakt onze bestaande technologie slimmer en ontsluit de kracht van alle gegevens die bedrijven verzamelen. Wat dat betekent: Door de enorme vooruitgang op het gebied van machinaal leren (ML), computer vision, diep leren en natuurlijke taalverwerking (NLP) is het eenvoudiger dan ooit om een ​​AI-algoritmelaag in uw software of cloudplatform te integreren.

Voor bedrijven kunnen praktische AI-toepassingen zich op allerlei manieren manifesteren, afhankelijk van uw organisatiebehoeften en de BI-inzichten (business intelligence) die zijn afgeleid van de gegevens die u verzamelt. Ondernemingen kunnen AI gebruiken voor alles, van het ontginnen van sociale gegevens tot het stimuleren van betrokkenheid bij klantrelatiebeheer (CRM) tot het optimaliseren van logistiek en efficiëntie bij het volgen en beheren van activa.

ML speelt een sleutelrol bij de ontwikkeling van AI, merkte Luke Tang op, General Manager van het Global AI + Accelerator-programma van TechCode, dat AI-startups incubeert en bedrijven helpt AI te integreren in hun bestaande producten en diensten.

"Op dit moment wordt AI gedreven door alle recente vooruitgang in ML. Er is geen enkele doorbraak waar je naar kunt wijzen, maar de bedrijfswaarde die we nu uit ML kunnen halen, komt niet overeen", zei Tang. "Vanuit het oogpunt van de onderneming kan wat er op dit moment gebeurt, enkele kernbedrijfsprocessen rond coördinatie en controle verstoren: planning, toewijzing van middelen en rapportage." Hier geven we tips van enkele experts om de stappen uit te leggen die bedrijven kunnen nemen om AI in uw organisatie te integreren en om ervoor te zorgen dat uw implementatie een succes wordt.

1. Maak kennis met AI

Neem de tijd om vertrouwd te raken met wat moderne AI kan doen. De TechCode Accelerator biedt zijn startups een breed scala aan middelen via partnerships met organisaties zoals Stanford University en bedrijven in de AI-ruimte. U moet ook profiteren van de rijkdom aan online informatie en bronnen die beschikbaar zijn om vertrouwd te raken met de basisconcepten van AI. Tang beveelt enkele van de externe workshops en online cursussen aan die worden aangeboden door organisaties zoals Udacity, als gemakkelijke manieren om aan de slag te gaan met AI en om uw kennis van gebieden zoals ML en voorspellende analyses binnen uw organisatie te vergroten.

Hier volgen een aantal online bronnen (gratis en betaald) die u kunt gebruiken om aan de slag te gaan:

• Udacity's Intro to AI course en Artificial Intelligence Nanodegree Program
• Stanford University's online lezingen: kunstmatige intelligentie: principes en technieken
• edX's online AI-cursus, aangeboden via Columbia University
• De open-source Cognitive Toolkit van Microsoft (voorheen CNTK) om ontwikkelaars te helpen bij het beheersen van diepgaande algoritmen
• Google's open-source (OS) TensorFlow-softwarebibliotheek voor machine-intelligentie
• AI Resources, een open-source codedirectory van de AI Access Foundation
• De bronnenpagina van de Vereniging voor de bevordering van kunstmatige intelligentie (AAAI)
• MonkeyLearn's Gentle Guide to Machine Learning
• Stephen Hawking en Elon Musk's Future of Life Institute
• OpenAI, een open industrie- en academisch breed deep-learning initiatief

2. Identificeer de problemen die u wilt dat AI oplost

Als u eenmaal vertrouwd bent met de basis, is de volgende stap voor elk bedrijf om verschillende ideeën te verkennen. Denk na over hoe u AI-mogelijkheden kunt toevoegen aan uw bestaande producten en services. Wat nog belangrijker is, uw bedrijf moet rekening houden met specifieke gevallen waarin AI zakelijke problemen kan oplossen of aantoonbare waarde kan bieden.

"Wanneer we met een bedrijf werken, beginnen we met een overzicht van de belangrijkste technische programma's en problemen. We willen kunnen laten zien hoe natuurlijke taalverwerking, beeldherkenning, ML, enz. In die producten passen, meestal met een soort workshop met het management van het bedrijf, "legde Tang uit. "De specificaties verschillen altijd per bedrijfstak. Als het bedrijf bijvoorbeeld videobewaking uitvoert, kan het veel waarde opleveren door ML aan dat proces toe te voegen."

3. Prioriteer de concrete waarde

Vervolgens moet u de potentiële zakelijke en financiële waarde beoordelen van de verschillende mogelijke AI-implementaties die u hebt geïdentificeerd. Het is gemakkelijk om verdwaald te raken in "pie in the sky" AI-discussies, maar Tang benadrukte het belang van het binden van uw initiatieven rechtstreeks aan bedrijfswaarde.

"Om prioriteiten te stellen, kijk naar de dimensies van potentieel en haalbaarheid en zet ze in een 2x2-matrix, " zei Tang. "Dit zou je moeten helpen prioriteiten te stellen op basis van zichtbaarheid op de korte termijn en te weten wat de financiële waarde voor het bedrijf is. Voor deze stap heb je meestal eigendom en erkenning van managers en topmanagers nodig."

4. Erken de kloof tussen interne mogelijkheden

Er is een groot verschil tussen wat je wilt bereiken en wat je organisatorisch vermogen hebt om daadwerkelijk te bereiken binnen een bepaald tijdsbestek. Tang zei dat een bedrijf moet weten waartoe het in staat is en wat het niet is vanuit een technisch en bedrijfsprocesperspectief voordat het een volledige AI-implementatie start.

"Soms kan dit lang duren, " zei Tang. "Het aanpakken van uw interne capaciteitskloof betekent identificeren wat u moet verwerven en alle processen die intern moeten worden ontwikkeld voordat u aan de slag gaat. Afhankelijk van het bedrijf kunnen er bestaande projecten of teams zijn die dit organisch kunnen helpen voor bepaalde bedrijfseenheden."

5. Breng experts binnen en zet een proefproject op

Zodra uw bedrijf klaar is vanuit organisatorisch en technisch oogpunt, is het tijd om te beginnen met bouwen en integreren. Tang zei dat de belangrijkste factoren hier zijn om klein te beginnen, projectdoelen in gedachten te hebben en, het allerbelangrijkste, bewust te zijn van wat je weet en wat je niet weet over AI. Dit is waar het inschakelen van externe experts of AI-consultants van onschatbare waarde kan zijn.

"Je hebt niet veel tijd nodig voor een eerste project; meestal voor een pilotproject is 2-3 maanden een goed bereik, " zei Tang. "Je wilt interne en externe mensen samenbrengen in een klein team, misschien 4-5 mensen, en dat strakkere tijdsbestek zal het team gefocust houden op duidelijke doelen. Nadat de pilot voltooid is, moet je kunnen beslissen wat hoe langer -term, uitgebreider project zal zijn en of de waardepropositie zinvol is voor uw bedrijf. Het is ook belangrijk dat expertise van beide kanten - de mensen die weten over het bedrijf en de mensen die op de hoogte zijn van AI - worden samengevoegd in uw pilotprojectteam."

6. Vorm een ​​Taskforce om gegevens te integreren

Tang merkte op dat u, voordat u ML in uw bedrijf implementeert, uw gegevens moet opschonen om deze gereed te maken om een ​​scenario met 'afval in, afval' te voorkomen. "Interne bedrijfsgegevens zijn meestal verspreid over meerdere datasilo's van verschillende legacy-systemen en kunnen zelfs in handen zijn van verschillende bedrijfsgroepen met verschillende prioriteiten, " zei Tang. "Daarom is een zeer belangrijke stap in de richting van het verkrijgen van hoogwaardige gegevens het vormen van een taakoverschrijdende groep, het integreren van verschillende gegevenssets samen en het oplossen van inconsistenties zodat de gegevens nauwkeurig en rijk zijn, met alle juiste dimensies die vereist zijn voor ML."

7. Begin klein

Begin met het toepassen van AI op een kleine steekproef van uw gegevens in plaats van te veel te snel op te nemen. "Begin eenvoudig, gebruik AI stapsgewijs om waarde te bewijzen, feedback te verzamelen en vervolgens dienovereenkomstig uit te breiden", zegt Aaron Brauser, vice-president van Solutions Management bij M * Modal, dat technologie voor natuurlijke taalbegrip (NLU) biedt voor zorgorganisaties en een AI-platform dat kan worden geïntegreerd met elektronische medische dossiers (EMR's).

Een specifiek type gegevens kan informatie over bepaalde medische specialismen zijn. "Wees selectief in wat de AI gaat lezen, " zei Dr. Gilan El Saadawi, Chief Medical Information Officer (CMIO) bij M * Modal. "Kies bijvoorbeeld een bepaald probleem dat u wilt oplossen, richt de AI erop en geef het een specifieke vraag om te beantwoorden en gooi niet alle gegevens ernaar."

8. Neem opslag op als onderdeel van uw AI-plan

Nadat je een kleine hoeveelheid gegevens hebt verzameld, moet je de opslagvereisten overwegen om een ​​AI-oplossing te implementeren, volgens Philip Pokorny, Chief Technical Officer (CTO) bij Penguin Computing, een bedrijf dat high-performance computing biedt (HPC), AI en ML-oplossingen.

"Het verbeteren van algoritmen is belangrijk om onderzoeksresultaten te bereiken. Maar zonder enorme hoeveelheden gegevens om te helpen bij het bouwen van nauwkeurigere modellen, kunnen AI-systemen niet genoeg verbeteren om uw computerdoelstellingen te bereiken, " schreef Pokorny in een whitepaper getiteld "Kritieke beslissingen: een gids voor De complete kunstmatige intelligentie-oplossing bouwen zonder spijt. " "Daarom moet de opname van snelle, geoptimaliseerde opslag worden overwogen bij het begin van het AI-systeemontwerp."

Bovendien zou je de AI-opslag moeten optimaliseren voor gegevensopname, workflow en modellering, stelde hij voor. "De tijd nemen om je opties te bekijken kan een enorme, positieve invloed hebben op hoe het systeem draait zodra het online is, " voegde Pokorny toe.

9. Neem AI op als onderdeel van uw dagelijkse taken

Met het extra inzicht en de automatisering die door AI wordt geboden, hebben werknemers een hulpmiddel om AI een onderdeel van hun dagelijkse routine te maken in plaats van iets dat het vervangt, volgens Dominic Wellington, Global IT Evangelist bij Moogsoft, een leverancier van AI voor IT-activiteiten (AIOps)). "Sommige werknemers zijn misschien op hun hoede voor technologie die hun werk kan beïnvloeden, dus het is belangrijk dat de oplossing wordt geïntroduceerd als een manier om hun dagelijkse taken uit te breiden", legt Wellington uit.

Hij voegde eraan toe dat bedrijven transparant moeten zijn over hoe de technologie werkt om problemen in een workflow op te lossen. "Dit geeft werknemers een ervaring onder de motorkap, zodat ze duidelijk kunnen visualiseren hoe AI hun rol vergroot in plaats van deze te elimineren, " zei hij.

10. Bouw met evenwicht

• Kunstmatige intelligentie heeft een bias probleem, en het is onze fout Kunstmatige intelligentie heeft een bias probleem, en het is onze fout
• IBM Artificial Intelligence neemt het op tegen Human Debate Champs IBM Artificial Intelligence neemt het op tegen Debat Champs
• AI biedt enorm potentieel, maar het zal niet gebeuren 's nachts AI biedt enorm potentieel, maar het zal niet gebeuren' s nachts

Wanneer je een AI-systeem bouwt, vereist het een combinatie van het voldoen aan de behoeften van de technologie en het onderzoeksproject, legde Pokorny uit. "De overkoepelende overweging, zelfs voordat u begint met het ontwerpen van een AI-systeem, is dat u het systeem met evenwicht moet bouwen, " zei Pokorny. "Dit klinkt misschien vanzelfsprekend, maar al te vaak zijn AI-systemen ontworpen rond specifieke aspecten van hoe het team zijn onderzoeksdoelstellingen wil bereiken, zonder de vereisten en beperkingen van de hardware en software die het onderzoek zouden ondersteunen te begrijpen. Het resultaat is een minder- dan optimaal, zelfs disfunctioneel, systeem dat niet de gewenste doelen bereikt."

Om dit evenwicht te bereiken, moeten bedrijven voldoende bandbreedte inbouwen voor opslag, de grafische verwerkingseenheid (GPU) en netwerken. Beveiliging is ook een vaak over het hoofd gezien onderdeel. AI vereist van nature toegang tot grote hoeveelheden gegevens om zijn werk te kunnen doen. Zorg ervoor dat u begrijpt welke soorten gegevens bij het project betrokken zullen zijn en dat uw gebruikelijke beveiligingsmaatregelen - codering, virtual private networks (VPN) en anti-malware - mogelijk niet voldoende zijn.

"Evenzo moet je een evenwicht vinden tussen de besteding van het totale budget voor onderzoek en de noodzaak om te beschermen tegen stroomuitval en andere scenario's door middel van ontslagen, " zei Pokorny. "Mogelijk moet u ook flexibiliteit inbouwen om hardware opnieuw te kunnen gebruiken als de gebruikersvereisten veranderen."