Den kunstige intelligens fabrik, der kommer til en virksomhed nær dig

0
14

For en række år, branchen troede ledere har talt om begrebet af DET eller software factory-eller software, industrialisering — i hvilken kode der er produceret i en automatiseret, byggesten effekt. Det er tvivlsomt, om virksomheder har været i stand til fuldt ud at omdanne software fabrikker, men tanken om at flytte væk fra hånd-udformet, én-på-en-time-applikationer og-tjenester til noget mere skalerbar har værdi.

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

Foto: Joe McKendrick

Nu, der er tale om at producere en “AI fabrikken.” Dette indebærer, at “industrializing dataindsamling, analyse og beslutningstagning for at genopfinde kernen i den moderne virksomhed,” skriver Marco Iansiti og Karim Lakhani, både Harvard University professorer i deres nye bog, der Konkurrerer i en Alder af AI. “AI fabrikken er skalerbar beslutning motor, der driver den digitale operationelle model for the 21st century fast,” de statslige. “Ledelsesmæssige beslutninger er i stigende grad indlejret i software.”

Den gode nyhed er, “du behøver ikke at være en Netflix til at bygge en AI fabrik,” skriver de. Her er de fire væsentlige komponenter, der går ind i at opbygge og drive en AI fabrikken:

Afstive data pipeline: Den proces, der består i indsamling, indtastning, rengøring, integration, behandling og beskyttelse af data “i en systematisk, bæredygtig og skalerbar måde.” For eksempel, Iansiti og Lakhani punkt til Netflix som et eksempel på en virksomhed, der har “datafied” sin virksomhed, “systematisk udtrække data fra de aktiviteter og transaktioner, der er naturligvis løbende i enhver virksomhed.” Rengøring og integrere data kan være en stor udfordring, de er forsigtig. Den første ordre virksomhed i opbygningen af en AI-fabrik, de anfører, er at investere i en velfungerende data pipeline.

Udvikle algoritmer: Dette er processen med at udvikle intelligent kapaciteter. Algoritmer, der “kan bruges til en bred vifte af applikationer, genererer forholdsvis enkel forudsigelser som et salg prognose tyder på, lagre for at vælge til high-frequency trading, til komplekse billede anerkendelse og oversættelse opgaver,” Iansiti og Karim Lakhani forklare.

De fleste AI-system brug en af tre generelle tilgange til at udvikle præcise forudsigelser ved hjælp overvåget indlæring, unsupervised læring og styrkelse læring machine learning metoder. Overvåget indlæring søger at “komme så tæt som muligt til en menneskelig ekspert i at forudsige et udfald,” baseret på mærket datasæt. Unsupervised learning”, har til formål at finde naturlige grupperinger i de data, uden etiketter, og afdække strukturer, der kan ikke være indlysende for beskueren.” Den mest avancerede form for machine learning, styrkelse læring “kræver kun et udgangspunkt, og en ydelse funktion,” co-forfattere stat.

Tilføj en robust eksperimenter platform: Et forsøg platform er den mekanisme, gennem hvilken hypotese om nye forudsigelse og beslutning algoritmer er testet for at sikre, at ændringer, der foreslås, er at have en bestemt effekt.” Dette er afgørende for, at AI fabrik, Iansiti og Lakhani tilstand, og det kræver en state-of-the-art platform — “traditionelle ad-hoc-metoder til at eksperimentere kan simpelthen ikke håndtere konsekvenserne af, hvad der kræves.”

Modernisere den software, infrastruktur: Dette er en samling af systemer, der integrerer den rørledning til konsekvent og komponent programmer eller tjenester, der stilles til rådighed for slutbrugere. “Efter de data, der er samlet, renset, raffineret og forarbejdet, at det er gjort tilgængelige gennem konsekvent interfaces som Api’ er, der tillader applikationer til hurtigt at abonnere, smage, hvad de har brug for, teste og implementere det,” co-forfattere forklare. “Alt dette giver en adræt udvikling team bygge en ny ansøgning i uger, nogle gange dage.”

Forfatterne giver yderligere strukturelle rådgivning, understreger, at veldesignede Api ‘ er er en vigtig ingrediens til AI fabrikker. “Api’ throttle strømmen af data i og ud af software factory-systemer,” de statslige. “Api’ er at styre adgang til nogle af de mest kritiske og private aktiver i organisationen.” I sidste ende, fortsætter de, “de data, software og forbindelse underliggende AI fabrikken, skal opholde sig i en sikker, robust og skalerbar it-infrastruktur, mere og mere på cloud, skalerbare on demand, og der er bygget ved hjælp af standard off-the-shelf komponenter og open-source software.”

Relaterede Emner:

Big Data Analytics

Digital Transformation

CXO

Tingenes Internet

Innovation

Virksomhedens Software