10 кроків до впровадження штучного інтелекту у вашому бізнесі

Штучний інтелект (AI) явно зростає в технологічній галузі. AI займає центральний етап на конференціях і демонструє потенціал у широкому спектрі галузей, включаючи роздрібну торгівлі та виробництво. Нові продукти вбудовуються з віртуальними помічниками, а чат-боти відповідають на запитання клієнтів про все, від сайту вашого постачальника інтернет-офісів до сторінки підтримки вашого веб-хостингу. Тим часом такі компанії, як Google, Microsoft та Salesforce, інтегрують інтелектуальний інтелектуальний інтелект як рівень розвідувальної інформації у всій своїй технології. Так, AI, безумовно, має свій момент.

Це не той інтелект, якого поп-культура обумовила нас очікувати; це не розумні роботи, або Skynet, або навіть помічник Тоні Старка від Джарвіса. Це плато AI відбувається під поверхнею, роблячи наші існуючі технології розумнішими та розблоковуючи потужність усіх даних, які збирають підприємства. Що це означає: Широкий прогрес у машинному навчанні (ML), комп'ютерному зорі, глибокому навчанні та обробці природних мов (NLP) полегшив, ніж будь-коли, випікання рівня алгоритму AI у вашому програмному забезпеченні або хмарній платформі.

Для підприємств практичні програми AI можуть проявлятися різними способами залежно від ваших організаційних потреб та інформації про бізнес-аналітику (BI), отриману з даних, які ви збираєте. Підприємства можуть використовувати ШІ для всього, починаючи з видобутку соціальних даних до управління взаємовідносинами з клієнтами (CRM) до оптимізації логістики та ефективності, коли справа стосується відстеження та управління активами.

ML відіграє ключову роль у розвитку AI, відзначив Люк Танг, генеральний менеджер програми Global AI + Accelerator Global TechCode, який інкубує стартапи AI та допомагає компаніям включати AI в додаток до своїх існуючих продуктів і послуг.

"Зараз AI керує всіма останніми прогресами в ML. Немає жодного прориву, на який можна вказати, але ділова цінність, яку ми можемо отримати з ML зараз, не входить в діаграми", - сказав Танг. "З точки зору підприємства, те, що відбувається зараз, може порушити деякі основні корпоративні бізнес-процеси навколо координації та контролю: планування, розподіл ресурсів та звітність". Тут ми надаємо поради деяких експертів, щоб пояснити, які кроки можуть здійснити бізнес, щоб інтегрувати AI у вашу організацію та забезпечити успіх вашої реалізації.

1. Знайомтесь з ШІ

Знайдіть час, щоб ознайомитися з тим, що може зробити сучасний ШІ. TechCode Accelerator пропонує своїм стартапам широкий спектр ресурсів завдяки своїм партнерствам з такими організаціями, як Стенфордський університет та корпорації в просторі ШІ. Ви також повинні скористатися багатством онлайн-інформації та ресурсів, доступних для ознайомлення з основними поняттями ШІ. Tang рекомендує деякі віддалені семінари та онлайн-курси, що пропонуються такими організаціями, як Udacity, як прості способи розпочати роботу з AI та розширити свої знання в таких сферах, як ML та прогнозована аналітика у вашій організації.

Нижче наведено низку Інтернет-ресурсів (безкоштовних і платних), якими ви можете скористатися для початку роботи:

• Курс Udacity вступ до ШІ та програма штучного інтелекту Нанодегрі
• Інтернет-лекції Стенфордського університету: Штучний інтелект: принципи та методи
• Інтернет-курс AI edX, що пропонується через Колумбійський університет
• Когнітивний інструментарій з відкритим кодом Microsoft (раніше відомий як CNTK), щоб допомогти розробникам освоїти алгоритми глибокого навчання
• Бібліотека програм Google TensorFlow з відкритим кодом (ОС) для машинного інтелекту
• AI Resources - каталог кодів з відкритим кодом від фонду доступу AI
• Сторінка ресурсів Асоціації по просуванню штучного інтелекту (AAAI)
• Ніжний посібник MonkeyLearn до машинного навчання
• Стівен Хокінг та Інститут майбутнього життя Ілона Моска
• OpenAI, відкрита галузь та всебічна ініціатива для глибокого навчання

2. Визначте проблеми, які Ви бажаєте вирішити AI

Після того, як ви швидко зробите основні принципи, наступним кроком для будь-якого бізнесу є розпочати вивчення різних ідей. Подумайте, як ви можете додати можливості AI до своїх існуючих продуктів та послуг. Що ще важливіше, ваша компанія повинна мати на увазі конкретні випадки використання, в яких AI може вирішити бізнес-проблеми або надати демонстративну цінність.

"Коли ми працюємо з компанією, ми починаємо з огляду її ключових технологічних програм та проблем. Ми хочемо показати, як обробка мови, розпізнавання зображень, ML та ін. Вписуються в ці продукти, як правило, з якийсь семінар з керівництвом компанії ", - пояснив Тан. "Особливості завжди залежать від галузей. Наприклад, якщо компанія здійснює відеоспостереження, вона може захопити велику цінність, додавши до цього процесу ML".

3. Визначте значення конкретного значення

Далі потрібно оцінити потенційну ділову та фінансову цінність різних можливих впроваджень ІІ, які ви визначили. Загубитися в дискусіях про "пиріг у небі" легко, але Тан наголосив на важливості прив’язання ваших ініціатив безпосередньо до ділової цінності.

"Щоб визначити пріоритетність, подивіться на розміри потенціалу та доцільності та вкладіть їх у матрицю 2x2", - сказав Танг. "Це має допомогти вам розставити пріоритети на основі короткострокової видимості та знати, яка фінансова цінність для компанії. Для цього кроку вам зазвичай потрібні права власності та визнання від керівників та керівників вищого рівня".

4. Визнайте внутрішній розрив можливостей

Існує велика різниця між тим, що ви хочете досягти, і тим, що маєте організаційні можливості реально досягти протягом певного періоду часу. Танг сказав, що бізнес повинен знати, на що він здатний, а що не з точки зору технологій та бізнес-процесів, перш ніж запуститись у повномасштабну реалізацію ШІ.

"Інколи це може зайняти багато часу", - сказав Танг. "Звернення до внутрішнього розриву можливостей означає визначення того, що вам потрібно придбати, і будь-які процеси, які потрібно розвивати внутрішньо, перш ніж розпочати роботу. Залежно від бізнесу, можуть існувати проекти чи команди, які допоможуть зробити це органічно для певних бізнес-підрозділів. "

5. Залучіть експертів та налаштуйте пілотний проект

Після того, як ваш бізнес готовий з організаційної та технічної точки зору, настав час приступити до створення та інтеграції. Тан сказав, що найважливіші фактори тут - починати з малого, мати на увазі цілі проекту, а головне - бути в курсі того, що ви знаєте, а що не знаєте про ШІ. Саме тут залучення сторонніх експертів або консультантів з ІС може бути неоціненним.

"Вам не потрібно багато часу для першого проекту; зазвичай для пілотного проекту 2-3 місяці - це хороший діапазон", - сказав Танг. "Ви хочете об'єднати внутрішніх та зовнішніх людей у ​​невелику команду, можливо, 4-5 людей. Та більш чіткі часові рамки дозволять тримати команду зосередженою на прямих цілях. Після завершення пілотного проекту ви зможете вирішити, що довше -термінніший, більш детальний проект та те, чи має цінність пропозиція має сенс для вашого бізнесу. Важливо також, щоб експертиза обох сторін - люди, які знають про бізнес та люди, які знають про AI - об'єднані у вашу пілотну команду проекту . "

6. Сформуйте робочу групу для інтеграції даних

Танг зазначив, що перед тим, як впроваджувати ML у свій бізнес, потрібно очистити свої дані, щоб вони були готовими уникати сценарію "сміття, сміття". "Внутрішні корпоративні дані, як правило, розповсюджуються в декількох сховищах даних різних застарілих систем і навіть можуть опинитися в руках різних бізнес-груп з різними пріоритетами", - сказав Танг. "Отже, дуже важливим кроком на шляху до отримання високоякісних даних є формування перехресної групи завдань, інтеграція різних наборів даних разом і сортування невідповідностей, щоб дані були точними та насиченими, з усіма правильними розмірами, необхідними для ML."

7. Почніть з малого

Почніть застосовувати AI до невеликого зразка своїх даних, а не займатись занадто рано. "Почніть просто, використовуйте AI поступово, щоб довести цінність, зібрати зворотній зв'язок, а потім розширити відповідно", - сказав Аарон Браузер, віце-президент з управління рішеннями в M * Modal, який пропонує технологію розуміння природних мов (NLU) для організацій охорони здоров'я, а також платформа AI, яка інтегрується з електронними медичними записами (EMRs).

Конкретним типом даних може бути інформація про певні медичні спеціальності. "Будьте вибіркові у тому, що читатиме AI", - сказав доктор Гілан Ель Саадаві, головний директор з медичної інформації (CMIO) у M * Modal. "Наприклад, виберіть певну проблему, яку ви хочете вирішити, сфокусуйте на ній AI і дайте йому відповідь на конкретне питання, а не кидайте на нього всі дані."

8. Включіть сховище як частину свого плану ШІ

Після того, як ви знайдете невеликий зразок даних, вам потрібно буде розглянути вимоги щодо зберігання, щоб реалізувати рішення AI, на думку Філіпа Покорного, головного технічного директора (CTO) компанії Penguin Computing, компанії, яка пропонує високоефективні обчислення ( Рішення HPC), AI та ML.

"Удосконалення алгоритмів є важливим для досягнення результатів досліджень. Але без величезних обсягів даних, які допоможуть побудувати більш точні моделі, системи AI не можуть вдосконалитись для досягнення ваших обчислювальних цілей", - написав Покорний у Білій книзі під назвою "Критичні рішення: Посібник з Побудова повного рішення щодо штучного інтелекту без жалю ». "Тому включення швидкого, оптимізованого сховища слід враховувати на початку проектування системи AI."

Крім того, ви повинні оптимізувати зберігання AI для прийому даних, робочого процесу та моделювання, запропонував він. "Виділення часу для перегляду ваших варіантів може мати величезний позитивний вплив на те, як система працює після її онлайн", - додав Покорний.

9. Включіть AI як частину своїх щоденних завдань

За допомогою додаткового розуміння та автоматизації, що надається AI, працівники мають інструмент зробити AI частиною свого розпорядку дня, а не тим, що замінює його, за словами Домініка Веллінгтона, глобального ІТ-євангеліста Moogsoft, постачальника AI для ІТ-операцій (AIOps ). "Деякі працівники можуть насторожено ставитися до технологій, які можуть вплинути на їх роботу, тому важливо запровадити рішення як спосіб розширення своїх щоденних завдань", - пояснив Веллінгтон.

Він додав, що компанії повинні бути прозорими щодо того, як працює технологія для вирішення проблем у робочому процесі. "Це дає працівникам досвід" під кришкою ", щоб вони могли чітко уявити, як AI збільшує свою роль, а не усуває її", - сказав він.

10. Побудувати з балансом

• Штучний інтелект має проблему зміщення, і це наша помилка Штучний інтелект має проблему зміщення, і це наша вина
• IBM Штучний інтелект бере участь у дебатах щодо людських дебатів IBM Штучний інтелект бере участь у дебатах про людину
• AI пропонує величезний потенціал, але це не станеться за ніч. AI пропонує величезний потенціал, але він не станеться за ніч

Коли ви будуєте систему AI, вона вимагає поєднання задоволення потреб технологій, а також дослідницького проекту, пояснив Покорний. "Найважливішим питанням, ще до того, як почати розробляти систему ШІ, є те, що ви повинні будувати систему з балансом", - сказав Покорний. "Це може здатися очевидним, але занадто часто системи AI розроблені на основі конкретних аспектів того, як команда передбачає досягнення своїх цілей дослідження, не розуміючи вимог та обмежень апаратного та програмного забезпечення, яке б підтримувало дослідження. Результат - менший, ніж оптимальна, навіть дисфункціональна система, яка не може досягти бажаних цілей ".

Щоб досягти цього балансу, компаніям потрібно створити достатню пропускну здатність для зберігання даних, блоку графічної обробки (GPU) та мереж. Безпека є часто недооціненою складовою. Для своєї роботи AI за своєю природою вимагає доступу до широких даних. Переконайтеся, що ви розумієте, які типи даних будуть залучені до проекту та що ваших звичних гарантій безпеки - шифрування, віртуальних приватних мереж (VPN) та анти-шкідливого програмного забезпечення - може бути недостатньо.

"Аналогічно, ви повинні збалансувати, як витрачається загальний бюджет на досягнення наукових досліджень, з необхідністю захищати від відключення електроенергії та інших сценаріїв через надмірності", - сказав Покорний. "Можливо, вам також знадобиться побудувати гнучкість, щоб дозволити переобладнання апаратних засобів під час зміни вимог користувачів."