引入正宗的AI:使人工智能有效
人工智能被庆祝为改变世界的创新。毫无疑问,它有很多申请和用途,值得记住的是,一种尺寸并不适合所有尺寸。当公司希望部署AI技术时,会有许多特定于商业的挑战,因此做出正确的选择可能会很棘手。
例如,就在最近,宣布了另一个与AI相关的突破:一只机器人狗学会了打开一扇门,让另一个机器人狗穿过它。虽然已经充分说明了这项任务的投资研究和开发是巨大的,并且某些应用的商业潜力是巨大的,但尚不清楚这种特定的创新或核心模型和算法如何为其他行业和垂直行业服务。这就是问题。
在许多情况下,在一个领域中衡量AI成功对另一个领域可能毫无意义。为了使情况变得更糟,即使试图深入技术并试图评估哪种机器学习算法是由产品利用的,或者是什么是什么?深神经网络模型特定供应商提到的是,最终可能毫无意义,因为它并未直接反映技术部署的“成功”含义。
然而,似乎市场忽略了这一现实,并继续使用熟悉和相关的AI术语(例如,受到监督,无监督,深度学习等)来评估流行语清单的基于AI的产品。尽管清单是进行比较分析的有效工具,但仍需要包括“正确”项目。不幸的是,从问题解决的角度来看,通常不存在对客户很重要的项目。
引入正宗的AI
鉴于所有这些,有必要将围绕AI技术的叙述更改为有意义和真实的事物,以反映企业所面临的现实生活中的挑战和机遇。现在是介绍真实AI的时候了。
Merriam-Webster词典将真实的词定义为“值得接受或信仰的事实或基于事实的符合或基于事实”和“符合原始的,以重现基本特征”。这与假货无关,与真实形成鲜明对比。这是关于必需的AI的功能需要确认,因此重新定义了“清单”。通常,这些基本的“正宗”特征是隐藏的,只有在CIO或CDO面临要解决的新问题时才表现出来。尤其是当提出的问题通过以下问题进行充分探讨:
- 产品是否专门针对我的问题(例如,性能,成本等)使用的AI技术?
- 它是否能够解决完整的问题或仅解决问题的一部分?
- 可以将其吸收到现有的生态系统中而不征收新需求吗?
- 它可以解决问题空间的引人注目的环境条件吗?
这些问题可以分为三种不同的“类别:”原始,整体和务实。
原来的- 解决方案有多创新?可以通过评估以下内容来量化这一点:
- 新算法甚至新模型的发明;
- 使用复杂的编排技术;或者
- 通过处理复杂的数据格式和结构的能力。
尽管无需针对任何问题重复重复轮子,但是有独特的特征需要优化。
整体- 拟议的AI技术有多完整?它考虑了处理产品端到端方面的能力,协调技术各种AI组件的运行能力以及适应AI应用程序不断变化的条件的能力。
务实- 技术可以以商业上可行的方式解决其实际和自然空间中的现实问题吗?这意味着,例如,数据源可以以其最新的格式(非结构化或结构化)处理,并提供与特定市场期望的务实需求相匹配的见解或结果。此外,评估了快速部署和迅速采取行动的能力。
所有这些要素应用于系统地评估和评估基于AI的产品和技术,以评估其真实性,因此在特定方面有效性用例。
例如,许多房屋贷款抵押评估和推荐系统都使用了某种孤立的机器学习基于基于申请人的分类方法,其中包括产品中的许多过程之一。该系统中的AI不能在很高的程度上被视为真实的AI,因为它在原始和整体类别上得分较低,因为它不够创新(从AI意义上)。此外,AI组件本身并未涵盖技术的端到端方面(因此,影响整体性能和精度)。如果它可以在本地处理所需的金融机构或客户应用程序所需的数据源,并且技术的“产出”是特定建议所需的明确结果(例如贷款条件),则可以认为它是务实的一定级别。但是,也需要评估部署时间表(上市时间)和商业方面。这只是许多其他例子的一个例子,涵盖了各种变体。
因此,就开门的狗而言,尽管许多人听说过它,但其应用相当有限 - 实际上,您可以说它的树皮绝对比咬伤更糟。
所有的物联网议程网络贡献者都负责其帖子的内容和准确性。意见是作家的,不一定会传达物联网议程的思想。