L’intelligenza artificiale di fabbrica, arrivando a un enterprise vicino a te

0
30

Per un certo numero di anni, leader di pensiero del settore hanno parlato del concetto di o software factory — o software industrializzazione — in cui il codice prodotto in un sistema automatizzato, blocchi effetto. E ‘ discutibile se le imprese sono state in grado di trasformarsi in un software di fabbriche, ma l’idea di andare via dalla mano, uno-a-un-tempo di applicazioni e servizi per qualcosa di più scalabile ha un merito.

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

Foto: Joe McKendrick

Ora, si parla della realizzazione di una “intelligenza artificiale di fabbrica.” Si tratta di “standardizzare la raccolta dei dati, l’analisi e il processo decisionale per reinventare il nucleo della moderna impresa” scrivere Marco Iansiti e Karim Lakhani, sia l’Università di Harvard professori nel loro nuovo libro, in Competizione in Età di AI. “L’IA fabbrica è scalabile decisione motore che alimenta il digitale modello operativo del 21 ° secolo impresa,” sono stato. “Le decisioni gestionali, sono sempre più incorporato nel software.”

La buona notizia è che “non è necessario essere un Netflix per costruire un’intelligenza artificiale di fabbrica,” scrivono. Qui ci sono le quattro componenti essenziali che accompagnano la costruzione e il funzionamento di un AI di fabbrica:

Puntellare la pipeline di dati: Il processo che comprende la raccolta, l’inserimento, la pulizia, l’integrazione, l’elaborazione e la salvaguardia dei dati “in modo sistematico, sostenibile e scalabile.” Per esempio, Iansiti e Lakhani punto di Netflix come un esempio di un’azienda che ha “datafied” il proprio business, “sistematicamente l’estrazione di dati di attività e delle operazioni che sono naturalmente in corso in qualsiasi tipo di business.” La pulizia e l’integrazione di dati può essere una sfida importante, che attenzione. Il primo punto all’ordine del nella costruzione di un AI di fabbrica, che lo stato, è di investire in un bene-dati di funzionamento della pipeline.

Sviluppare algoritmi: Questo è il processo di sviluppo di capacità predittiva. Algoritmi possono essere utilizzati per una varietà di applicazioni, dalla produzione di relativamente semplice previsioni come una previsione di vendite a suggerire che le scorte di scegliere per il trading ad alta frequenza, al complesso di riconoscimento delle immagini e la traduzione in lingua compiti,” Iansiti e Karim Lakhani spiegare.

La maggior parte AI sistemi di utilizzare uno dei tre approcci generali per sviluppare accurate stime di apprendimento supervisionato, unsupervised learning e apprendimento di rinforzo approcci di apprendimento automatico. Apprendimento supervisionato cerca di avvicinarsi il più possibile ad un esperto umano in previsione di un esito”, basato sull’etichetta di set di dati. Supervisionato l’apprendimento “obiettivo di individuare raggruppamenti naturali nei dati, senza etichette, e scoprire le strutture che possono non essere evidente all’osservatore.” La forma più avanzata di machine learning, apprendimento di rinforzo “richiede solo un punto di partenza e una performance la funzione”, il co-autori di stato.

Aggiungere una robusta piattaforma di sperimentazione: Una piattaforma di sperimentazione è il meccanismo attraverso il quale le ipotesi di nuova previsione, e algoritmi decisionali sono testati per garantire che le modifiche proposte sono di avere un effetto previsto.” Questo è essenziale per l’IA di fabbrica, Iansiti e Lakhani stato, e richiede uno stato-of-the-art piattaforma — “tradizionale, ad-hoc approcci alla sperimentazione semplicemente non in grado di gestire l’impatto di ciò che è necessario.”

Modernizzare l’infrastruttura software: Questo è l’insieme di sistemi che incorporano la pipeline in coerenza e componente applicazioni o servizi che sono messi a disposizione per gli utenti finali. “Dopo i dati aggregati, puliti, raffinati e trasformati, si è reso disponibile attraverso un coerente interfacce, come ad esempio le Api, permettendo alle applicazioni rapidamente sottoscrivere, per esempio di che cosa hanno bisogno, testare e distribuire,” il co-autori spiegano. “Tutto questo consente un agile team di sviluppo di costruire una nuova applicazione per settimane, a volte giorni.”

Gli autori forniscono ulteriori consulenza strutturale, sottolineando che, ben progettato, le Api sono un ingrediente chiave per IA fabbriche. “Le api di limitare il flusso di dati e di software di fabbrica dei sistemi, il loro stato. “Le api di controllare l’accesso ad alcune delle più critiche e privati attività all’interno dell’organizzazione.” In definitiva, continua, “i dati, software e di connettività sottostante IA fabbrica deve risiedere in un luogo sicuro, robusto e scalabile infrastruttura informatica, sempre più sul cloud scalabili su richiesta, e costruito con standard off-the-shelf componenti e software open-source.”

Argomenti Correlati:

Big Data Analytics

La Trasformazione Digitale

CXO

Internet delle Cose

L’innovazione

Enterprise Software