Nul
I slutningen af oktober, havde jeg det privilegium at aftage et panel om kunstig intelligens og maskinindlæring på Ubundet Miami, er et boutique – (men gode) messe, som har specialiseret sig i fremvisning forstyrrende teknologier såsom cryptocurrency og blokkæden.
Showet, og panelet var meget spændende med nogle virkelig store højttalere, herunder Dr. Alex Liu af IBM, Anthony DeLima af NEORIS, Prof. Sara Rushinek af University of Miami Business School, og Ylan Kazi på UnitedHealth, og jeg er glad for, jeg endelig i stand til at vise det til dig.
Da de vise, har jeg tænkt en masse om emnet af machine learning i skyen, og hvordan det er sandsynligt, at påvirke vores liv i den nærmeste fremtid. Der er mange aspekter af denne teknologi, der potentielt er meget positive fordele, men som med enhver forstyrrende teknologi, der er faldgruber.
Også: Kunstig intelligens, machine learning momentum fortsætter
For eksempel, sociale medier-især tjenester som Facebook, Instagram og Twitter-blev udråbt som effektive værktøjer til at berige vores liv, og som hjælper os til at forbinde med andre mennesker, som vi aldrig før, og de varslede en alder af nyheder gennemsigtighed, instant rapportering, og borger-journalistik.
Og disse er legitime fordele. Men disse fordele kommer også med faldgruber: A population af endeløse “lifestream” distraheret mennesker med teknologi-augmented autisme; de farer af teknologi-støttet gaslighting; aktivering af had-grupper og conspiracists til at sende deres gift overalt; undergravning af demokratiet som fjende, de udenlandske aktører, og selvfølgelig den uundgåelige masse personlige oplysninger på kompromis, når disse sites har nogen række tekniske API-sikkerhed snafus.
Det samme kan siges for maskinindlæring og kunstig intelligens. Ja, spredning af sensorer i sundhed enheder, der kan og vil være et effektivt redskab til tidlig diagnosticering af den alvorlige sundhedsmæssige betingelser og vil ændre forholdet mellem patient og kliniker, der vil give mulighed for en langt mere dynamisk og real-time overvågning af sundhedsmæssige betingelser, før de bliver potentielt livstruende.
Men som med sociale medier, cloud-baseret maskine læring også har et tilsvarende potentiale Sort Spejl faldgruber.
Også: AI start Petuum har til formål at industrialiseringsproces machine learning
Machine learning er en vigtig del af den digitale transformation tendens i den moderne virksomhed. Evnen til at få indsigt i forretningsprocesser gennem, hvad der er målbare ved hjælp af forskellige typer af sensorer, og at korrelere, at data ved hjælp af mønsteranalyse, er en stadig mere vigtig evne, der er hurtigt ved at blive en væsentlig del af den samlede IT-værktøjskasse.
For eksempel virksomheder som SAP, gennem Leonardo Intelligent Virksomhedens produkter, har samlet Ti sammen med færdig applikation platforme indsat som cloud-baserede SaaS, som let kan tilpasses, således at virksomheder kan skabe komplekse data visualiseringer med henblik på at få indsigt i løsningen af komplekse problemer.
Forståelse af mønstre og tendenser gennem big data er ikke noget nyt: National Security Agency har været at gøre komplekse signalefterretninger (SIGINT) i mange år for at forsvare landet fra terrorisme og udenlandske trusler. PRISME program afsløret så meget. Ligeledes analysefirmaet NPD bruger meget store mængder af point-of-sale data, der leveres fra de store forhandlere for at oprette rapporter om vigtige tendenser i køb af forbrugerelektronik.
Det nye er, at intelligente indsamling og analyse af data er ikke kun for de største virksomheder og institutioner i verden længere — enhver virksomhed kan drage fordel af det. Med platforme som SAP Leonardo eller halvfabrikata, cloud services som Azure machine learning, AWS Sagemaker, Google Cloud AI, og IBM Watson machine learning, hastigheden af udviklingen og tid til at markedet er meget hurtigere end den nogensinde har været tidligere for at opbygge et komplekst machine learning system eller applikation.
Også: Hvad er dyb læring? Alt, hvad du behøver at vide
Virksomhederne er naturligvis meget opsat på at forbedre og strømline forretningsprocesser. Men de samme værktøjer, der hjælper virksomheder med at blive mere agile og spar penge kan også anvendes i en undertrykkende måde på deres medarbejdere.
For eksempel, Wi-Fi adgangspunkter, der kan indsamle data om enheder, der er i nærheden af dem, og dermed en fælles ansøgning i detailhandelen er til at bruge disse oplysninger for bedre at forstå fod trafik, der kommer ind og ud af en butik, og hvor og hvor længe kunderne blive hængende.
Skal læse
Google har netop lanceret en bizar AI eksperiment kaldet Flytte Spejl (CNET)’AI er meget, meget dum, “siger Google’ s AI-leder (CNET)AI betyder en levetid på uddannelse (CNET)
Men, i en virksomhed, kan dette også bruges i kombination med mobile device management, keylogging og aktivitet/tilstedeværelse, registrering til sporing af opholdssted og aktiviteter af medarbejdere ved hjælp af data, korrelation og mønster analyse, for bedre at kunne forstå medarbejdernes produktivitet på et aggregat eller endda rettet mod basis.
Den samme markedsføring oplysninger, bør det være vært i et “data-søen” til en stor sky hyperscaler som AWS eller Azure, vil heller ikke nødvendigvis være begrænset til en enkelt lejer. At marketing data, der er indsamlet ved en forhandler i et indkøbscenter, der kunne deles med andre detailhandlere, som del af et konsortium eller et partnerskab for at udvikle langt mere komplekst mønster analyse af programmer om det, og når vi køber.
Oplysninger, der indsamles flere data søer i flere skyer kunne være teoretisk kombineret til at producere ekstremt avancerede rapporter om et antal grupper af brugere, især hvis du kombinerer denne med, hvad der er kendt fra deres sociale medier profiler, sådan som de kan lide og hvad de har til fælles.
Også: Amazon udvider machine learning-tjenester foran re:Opfinder
I det væsentlige, hvad vi skal være optaget af, er, hvilken slags sensor data, der indsamles, hvordan adgangen til de data, der er givet, og hvordan det vil være helt op og bruges på forskellige måder ved hjælp af maskinen-støttede analytics.
For eksempel, wearables, såsom Apple Ur kan give telemetri til sundhedspersonale om den overordnede sundhed for deres patienter og give alarmering og rapportering, således at lægerne kan tage en mere proaktiv rolle, snarere end at handle på en akut hændelse, såsom en skadestue besøg.
Men den samme teknologi som allerede anvendes af livsforsikringsselskaber, som John Hancock gennem sin Vitalitet program, for at kunne udstede policer med priser, der er påvirket af bærerens samlede aktivitet og livsstil.
Ville det ikke tage meget at forlænge trend analyse, at virksomheden er næsten helt sikkert at engagere sig i at indarbejde data fra GPS-modtageren om, at enhed eller endda på det forsikrede smartphone med henblik på at forstå, for eksempel, hvilke typer af restauranter, som person, besøg og, potentielt, hvad konsekvenserne er på denne persons generelle sundhedstilstand.
Så, i fremtiden, du måske ønsker at tænke sig om to gange, gør, at Yelp check-in på In-N-Out.
Også: Hvordan machine learning and data videnskab give Bloomberg en fordel
Der er også produkter på markedet, såsom Sprint-Drev, der bruger cloud-baserede tjenester for at lagre GPS-tur og andre af køretøjets ydeevne data-data, som kan tilgås ved et forsikringsselskab, hvis adgangen til de data, der blev solgt af den oprindelige data udbyder.
Lige som man kan opt-in for John Hancock Vitalitet, du kan finde dig selv, der tilbydes (tvunget) til en dynamisk politik med GEICO, USAA, Tilsyn, eller Hartford Forsikring for din bil hvis du bruger et automatisk tracking-enhed som Sprint-Drev.
Været på besøg hos McDonald ‘ s hver dag til morgenmad? Har du kørt for hurtigt ned, at hovedvejen? Jeg tror, at dine præmier gik bare op på $3.000 per år. Kollektivt. Husk, disse er ikke bare rettet dataindsamlinger, men dine naboer er også om tendenser i din by og kommune, hvilket også potentielt vil påvirke dig.
Yay, machine learning!
Alle disse eksempler, naturligvis, er netop den slags ting, at selskaber vil gøre i deres egen interesse, når der gives adgang til denne type data, de indsamler på deres egne interne applikationer.
Skal læse
61% af virksomhederne har allerede gennemført AI (TechRepublic)Top 5: Måder, AI vil ændre forretning (TechRepublic)10 måder AI vil påvirke virksomheden i 2018 (TechRepublic)
Vi er ikke engang begyndt at dykke ned i, hvad der interesserede parter vil gøre med disse data, hvis adgang er solgt eller givet til dem, ej heller har vi undersøgt muligheden for at data søen sikkerhedsbrud fra dårlige skuespillere, eller endda utilsigtet brud af den slags, vi har for nylig set ved hjælp af dårlige API-sikkerhed på Facebook og Google.
Machine learning and data søer er kraftfulde værktøjer, der, som sociale medier, kan forbedre kvaliteten af vores liv, og hjælpe os til at opnå vigtige business samt personlig indsigt, som vil give os mulighed for at blive mere adræt og smidig. Men vi er nødt til at være yderst forsigtige med, hvordan de data, der indsamles, hvordan det er delt, hvad det bruges til, og hvordan det er sikret. Jeg kan ikke tænke på andre forstyrrende teknologi på markedet lige nu, der har så meget potentiale til at gøre godt, som det gør for ondt.
Vil machine learning i skyen herald en alder af business process synlighed og agility, eller vil det blive vores næste personlige mareridt, der ødelægger vores liv og privatliv, som vi kender det? Snak frem og Lad Mig det Vide.
Tidligere og relaterede dækning:
Hvad er AI? Alt, hvad du behøver at vide
En executive guide til kunstig intelligens, fra machine learning og generelt AI til neurale netværk.
Hvad er dyb læring? Alt, hvad du behøver at vide
Den lowdown på en dyb læring: fra hvordan det relaterer til det bredere felt af machine learning igennem til, hvordan du kommer i gang med det.
Hvad er machine learning? Alt, hvad du behøver at vide
Denne vejledning forklarer, hvad machine learning er, hvordan det er relateret til kunstig intelligens, hvordan det fungerer, og hvorfor det er vigtigt.
Hvad er cloud computing? Alt, hvad du behøver at vide om
En introduktion til cloud computing-lige fra det grundlæggende op til IaaS og PaaS, hybrid, offentlige og private cloud.
Relaterede historier:
Der er ingen rolle for AI eller data videnskab: dette er et team effortAI: udsigt fra Chief Data Videnskab OfficeIt er ikke er de job, AI er ødelæggende for at genere mig, det er dem, der er voksende
Relaterede Emner:
Cloud
Digital Transformation
Robotteknologi
Tingenes Internet
Innovation
Virksomhedens Software
0