Artificiell intelligens fabriken, kommer till ett företag nära dig

0
23

För ett antal år, industrin tyckte ledare har pratat om begreppet IT-eller programvara fabrik — eller programvara industrialisering — i vilken kod som produceras i en automatiserad, byggsten effekt. Det är diskutabelt huruvida företag till fullo har kunnat förvandlas till programvara fabriker, men tanken på att flytta bort från handgjorda, en-på-en-gång-program och tjänster för att något mer skalbar har sina förtjänster.

conference-hall-hannover-deutsche-messe-photo-by-joe-mckendrick.jpg

Foto: Joe McKendrick

Nu finns det talar för att producera en “AI fabriken.” Detta innebär att “industrialisera datainsamling, analyser och beslutsfattande som att uppfinna kärnan i den moderna företaget”, skriver Marco Iansiti och Karim Lakhani, både Harvard University professorer i sin nya bok, som Tävlar i en Ålder av AI. “AI factory är skalbar beslut motor som driver den digitala verksamhetsmodell för det 21: a århundradet fast,” de statliga. “Ledningens beslut är alltmer integrerat i programmet.”

Den goda nyheten är att “du behöver inte vara en Netflix att bygga en AI-fabrik”, skriver de. Här är fyra viktiga komponenter som går till att bygga och driva en AI-fabriken:

Stötta upp de uppgifter som ledningen: Den process som handlar om att samla in, mata in, städning, integrera, bearbetning, behandling och skydd av personuppgifter “i en systematisk, hållbart och skalbart sätt.” Till exempel, Iansiti och Lakhani peka på Netflix som ett exempel på ett företag som har “datafied” sin verksamhet, “systematiskt för att extrahera data från aktiviteter och transaktioner som är naturligt pågående i alla affärer.” Rengöring och integrera data kan vara en stor utmaning, de var försiktig. Den första ordern av verksamhet i byggnaden en AI-fabriken, konstaterar de, är att investera i en väl fungerande data rörledning.

Utveckla och implementera algoritmer: Detta är en process av att utveckla prediktiva förmåga. Algoritmer kan användas för en mängd olika tillämpningar, från att generera relativt enkla förutsägelser som en försäljning prognosen tyder på lager att plocka för high-frequency trading, till komplexa bild erkännande och språk översättning uppgifter,” Iansiti och Karim Lakhani förklara.

De flesta AI-system använder en av tre strategier för att utveckla korrekta förutsägelser med hjälp av övervakad inlärning, oövervakad inlärning och inlärning maskinen strategier för lärande. Övervakad inlärning strävar efter att komma så nära som möjligt till en mänsklig expert på att förutsäga resultatet, baserat på märkt datamängder. Unsupervised learning “syftar till att finna naturliga grupperingar i data, utan etiketter, och avslöja strukturer som kanske inte är uppenbart för betraktaren.” Den mest avancerade formen av lärande, inlärning “kräver endast en utgångspunkt och en prestanda som funktion,” co-författare staten.

Lägg till en robust experiment plattform: Ett experiment plattform är den mekanism genom vilken hypotes om nya prognos och beslut algoritmer som är testade för att säkerställa att de förändringar som föreslås är att ha en avsedd effekt.” Detta är viktigt att AI fabriken, Iansiti och Lakhani staten, och kräver en state-of-the-art-plattformen — “traditionella, ad-hoc-metoder för experiment helt enkelt inte kan hantera konsekvenserna av vad som krävs.”

Modernisera programmet infrastruktur: Detta är den samling av system för att bädda in ledningen till konsekvent och komponent-program eller tjänster som är tillgängliga för slutanvändarna. “Efter de data som samlas in, rengörs, raffinerad, och behandlas, som görs tillgängliga genom ett konsekvent gränssnitt som Api: er, vilket gör att program för att snabbt teckna, prova vad de behöver, testa och distribuera,” co-författare förklara. “Allt detta låter ett agilt utvecklingsteam bygga en ny ansökan i veckor, ibland dagar.”

Författarna ger ytterligare strukturella råd, med betoning på att väl utformade Api: er är en viktig ingrediens för att AI fabriker. “Api: er strypa flödet av data till och från software factory system,” de statliga. “Api: er för att kontrollera åtkomst till några av de mest kritiska och privata tillgångar inom organisationen.” I slutändan, fortsätter de, “data, programvara och anslutningar som ligger bakom en AI fabriken måste vistas i en säker, robust och skalbar it-infrastruktur, allt på moln, skalbart on demand, och byggs med standard off-the-shelf komponenter och programvara med öppen källkod.”

Relaterade Ämnen:

Big Data Analytics

Digital Omvandling

CXO

Sakernas Internet

Innovation

Affärssystem