Nul
I betragtning af den hype omkring kunstig intelligens (AI), er organisationer, der kunne blive fristet til at kaste sig ud i AI initiativer, uden at gøre det nødvendige forarbejde. Faktum er, at meget kan gå galt med AI, og jo hurtigere organisationer til at indse det, og tage forholdsregler for at undgå problemer, jo bedre.
AI i dens mange former, vil i stigende grad gennemsyrer forskellige aspekter af erhvervslivet, sagde Anthony Scriffignano, senior vice president og chief data forsker ved Dun & Bradstreet, der er en udbyder af analytics-tjenester til at hjælpe virksomheder med at kunder med at forbedre deres forretningsmæssige resultater.
“De udfordringer, som ledere går ud over de værktøjer og teknikker i AI, herunder kendskab til fastholdelse, opgradering af eksisterende kompetencer og talent, køb/fastholdelse,” Scriffignano sagde. “Måske nu mere end nogensinde, er det vigtigt for ledere at have en lang opfattelse” af, hvordan AI vil udvikle sig.
Også: Kan mennesker få styr på AI?
Organisationer og deres data videnskab hold skal for at undgå at de skynder sig at prøve alle nye AI-metoden, simpelthen på grund af tiltrækningen af noget nyt, Scriffignano sagde. I stedet, er det vigtigt at bibringe en forståelse af de forudsætninger, problemformuleringen, bias, og andre analytiske principper, der er afgørende for enhver slutning fra data.
“Førende med en metode eller et værktøj, er det generelt en dårlig idé,” Scriffignano sagde. “Man kan ikke blot” maskine lære ” ud af et problem med nye værktøjer og ny teknologi.” I stedet har virksomhederne til at forstå de typer af problemer, de står over for, at AI kunne tage fat på, og de relevante metoder, før farende for at anvende en teknologisk løsning.
For eksempel overveje en organisation, der søger at forstå den sociale stemning og hvordan, at stemningen er ved at blive påvirket af marketing kampagner og salgsaktiviteter.
“Der er mange værktøjer til rådighed til at gøre stemningen analyse, klyngedannelse, og andre teknikker,” Scriffignano sagde. “Det ville være fristende at haste ud og prøv en eller flere af disse værktøjer.”
Skal læse
Vil AI behov for terapi i fremtiden? (CNET)Top 5: Måder, AI vil ændre forretning (TechRepublic)
Men virksomhederne er nødt til først at spørge et par kvalificerede spørgsmål: Er der nok, der er let tilgængelige data? Er de data, der er stabil nok, at konklusionerne vil være gyldig? Er der grund til at tro, at fremtiden kan blive ekstrapoleret fra tidligere data? Virksomheden har tilladt brug af de nødvendige data?
“At undlade at besvare disse spørgsmål på forhånd, kan underminere den indsats, lige så hurtigt-hvis ikke mere hurtigt-end nogen tekniske problemer,” Scriffignano sagde.
Når masser af historiske oplysninger findes, virksomhederne er nødt til at beskæftige sig med den udfordring, “falske data” eller bias.
“Et oplagt eksempel på falske data, der ville være falske anmeldelser-organisationer at vurdere sig selv, konkurrenter, der vurderer deres konkurrence hårdt og forkert, og/eller andre, der har nogle uafhængige nag forsøger at underminere succes i en virksomhed,” Scriffignano sagde. “Der er mange populære steder, hvor “brugere” kan give anmeldelser af produkter og services.”
Også: Hvordan Facebook skalaer AI
Andre eksempler på falske data kan omfatte forfalskede finansielle resultater, falske reklamer, og de oplysninger, der er beregnet til at påvirke udfaldet af valget eller for at påvirke adfærd på markedet.
Virksomhederne er nødt til at være opmærksom på eksistensen af disse typer af vildledende oplysninger, når at fordybe sig i AI.
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 en holdindsats Start Slægt bringer splint af håb for AI i robotteknologi AI: udsigt fra Chief Data Videnskab Kontor Salesforce-introer Einstein Stemme, en AI stemme assistent for virksomheder er det ikke Det job AI er ødelæggende for at genere mig, det er dem, der er voksende
Relaterede Emner:
Kunstig Intelligens
CXO
Digital Transformation
Tech-Branchen
Intelligente Byer
Cloud
0