Zero
Dato l’hype che circonda l’intelligenza artificiale (AI), le organizzazioni potrebbero essere tentati di immergersi in IA iniziative senza fare le basi necessarie. Il fatto è che molto si può andare male con l’AI, e prima le organizzazioni si rendono conto che e prendere precauzioni per evitare problemi, è meglio.
AI, nelle sue molteplici forme sempre più permeato diversi aspetti del business, ha detto Anthony Scriffignano, senior vice president e chief data scientist presso Dun & Bradstreet, un fornitore di servizi di analisi per aiutare le aziende clienti a migliorare le loro performance di business.
“Le sfide per i dirigenti andare ben oltre gli strumenti e le tecniche di intelligenza artificiale, compresa la conoscenza di conservazione, l’aggiornamento delle competenze esistenti, e il talento di acquisizione/mantenimento,” Scriffignano detto. “Forse ora più che mai, è importante per i leader hanno una vista lunga” come AI evolverà.
Anche: gli esseri umani Possono ottenere una maniglia su di AI?
Le organizzazioni e i loro dati scienza squadre necessità di evitare la fretta di provare ogni nuova IA metodo semplicemente perché l’attrazione di qualcosa di nuovo, Scriffignano detto. Invece, è importante infondere una comprensione dei requisiti, e formulazione di un problema, bias, e di altri principi analitici che sono fondamentali per qualsiasi inferenza dai dati.
“In testa con un metodo o uno strumento è generalmente una cattiva idea,” Scriffignano detto. “Uno non può semplicemente “imparare”, al di fuori di un problema con nuovi strumenti e nuove tecnologie.” Invece, le aziende devono comprendere i tipi di problemi che AI possa indirizzo e approcci adeguati, prima di correre per applicare una soluzione di tecnologia.
Per esempio, si consideri un’organizzazione che sta cercando di capire sociale di sentimento e di come questo sentimento è stato influenzato dalle campagne di marketing e attività di vendita.
“Ci sono molti strumenti a disposizione per fare l’analisi del sentiment, clustering e di altre tecniche,” Scriffignano detto. “Si sarebbe tentati di correre e di provare uno o più di questi strumenti.”
Deve leggere
Si AI bisogno di terapia in futuro? (CNET)Top 5: i Modi AI cambiamenti di business (TechRepublic)
Ma le aziende devono prima chiedere un paio di domande di qualificazione: È sufficiente, dati immediatamente disponibili? Dei dati è abbastanza stabile che conclusioni saranno validi? C’è un motivo per pensare che il futuro può essere estrapolati dai dati precedenti? L’azienda ha ammesso di utilizzare i dati necessari?
“In mancanza di rispondere a tali domande in anticipo potrebbe minare lo sforzo altrettanto rapidamente, se non più velocemente, rispetto a eventuali problemi tecnici,” Scriffignano detto.
Ogni volta che un sacco di informazioni storiche che esiste, che le aziende possono avere a che fare con la sfida di “dati falsi” o bias.
“Un esempio ovvio di dati falsi falsi giudizi–organizzazioni che il tasso di se stessi, i concorrenti che il tasso di concorrenza duramente e ingiustamente, e/o a coloro che portano alcuni estranei rancore tentando di minare il successo di un’azienda,” Scriffignano detto. “Ci sono molti siti dove gli ‘utenti’ in grado di fornire recensioni di prodotti e servizi.”
Inoltre: Come Facebook scale AI
Altri esempi di falsi dati possono includere falsificato la performance finanziaria, le false affermazioni pubblicitarie, informazioni finalizzate a influenzare l’esito delle elezioni, o di influenza sul comportamento del mercato.
Le aziende devono essere a conoscenza dell’esistenza di questi tipi di dati fuorvianti quando indaghiamo AI.
Precedente e relativa copertura:
Che cosa è l’IA? Tutto quello che devi sapere
Un esecutivo a guida di intelligenza artificiale, machine learning e generale AI alle reti neurali.
Cos’è il deep learning? Tutto quello che devi sapere
Il lowdown su deep learning: da come si relaziona con il più ampio campo di machine learning a come iniziare con esso.
Che cosa è macchina di apprendimento? Tutto quello che devi sapere
Questa guida spiega in cosa consiste la macchina di apprendimento, di come esso è legato all’intelligenza artificiale, come funziona e perché è importante.
Che cos’è il cloud computing? Tutto quello che devi sapere su
Un’introduzione al cloud computing destra, dalle nozioni di base fino a IaaS e PaaS, ibrido, public e private cloud.
Storie correlate:
Non c’è un ruolo per IA o i dati della scienza: questo è un lavoro di squadra di Avvio del Parentado porta scheggia di speranza per l’intelligenza artificiale robotica AI: La vista dal Capo Scienza di Dati Ufficio Salesforce intro Einstein Voce, una IA assistente vocale per le imprese non i posti di lavoro AI è distruggere che mi da fastidio, è quelli che sono in crescita
Argomenti Correlati:
Intelligenza Artificiale
CXO
La Trasformazione Digitale
Settore Tech
Smart Cities
Cloud
0