10 Mga hakbang sa pag-ampon ng artipisyal na katalinuhan sa iyong negosyo

Ang artipisyal na katalinuhan (AI) ay malinaw na isang lumalagong puwersa sa industriya ng teknolohiya. Ang AI ay tumatagal ng entablado sa mga kumperensya at ipinapakita ang mga potensyal sa buong iba't ibang mga industriya, kabilang ang tingi at pagmamanupaktura. Ang mga bagong produkto ay na-embed sa mga virtual na katulong, habang ang mga chatbane ay sinasagot ang mga tanong ng customer sa lahat mula sa site ng iyong online office supplier sa pahina ng suporta ng iyong web hosting service provider. Samantala, ang mga kumpanya tulad ng Google, Microsoft, at Salesforce ay nagsasama ng AI bilang isang layer ng intelektwal sa buong kanilang buong tech stack. Oo, tiyak na nagkakaroon ng sandali ang AI.

Hindi ito ang AI na ang kulturang pop ay nakondisyon sa amin na asahan; hindi ito sentient na mga robot o Skynet, o maging katulong ni Tony Stark na si Jarvis. Ang talampas ng AI na ito ay nangyayari sa ilalim ng ibabaw, na ginagawa ang aming umiiral na tech na mas matalinong at pag-unlock ng kapangyarihan ng lahat ng data na kinokolekta ng mga negosyo. Ano ang ibig sabihin nito: Ang malawak na pagsulong sa pag-aaral ng makina (ML), computer vision, deep learning, at natural na pagproseso ng wika (NLP) ay naging mas madali kaysa sa maghurno ng isang layer ng AI algorithm sa iyong software o cloud platform.

Para sa mga negosyo, ang mga praktikal na aplikasyon ng AI ay maaaring magpakita sa lahat ng uri ng mga paraan depende sa iyong mga pangangailangan sa organisasyon at ang mga pananaw sa negosyo (BI) na hango mula sa data na iyong nakolekta. Ang mga negosyo ay maaaring gumamit ng AI para sa lahat mula sa pagmimina ng data sa panlipunan hanggang sa pagmamaneho ng pakikipag-ugnayan sa pamamahala ng relasyon sa customer (CRM) sa pag-optimize ng logistik at kahusayan pagdating sa pagsubaybay at pamamahala ng mga assets.

Ang ML ay naglalaro ng isang pangunahing papel sa pag-unlad ng AI, na binanggit ni Luke Tang, Pangkalahatang Tagapamahala ng Global AI + Accelerator na programa ng TechCode, na nagpapalubha sa mga startup ng AI at tumutulong sa mga kumpanya na isama ang AI sa tuktok ng kanilang umiiral na mga produkto at serbisyo.

"Sa ngayon, ang AI ay hinihimok ng lahat ng kamakailang pag-unlad sa ML. Walang isang solong pagbagsak na maaari mong ituro, ngunit ang halaga ng negosyo na maaari naming makuha mula sa ML ngayon ay nasa mga tsart, " sabi ni Tang. "Mula sa punto ng negosyo, ang nangyayari ngayon ay maaaring makagambala sa ilang mga pangunahing proseso ng negosyo sa negosyo sa paligid ng koordinasyon at kontrol: pag-iskedyul, paglalaan ng mapagkukunan at pag-uulat." Narito nagbibigay kami ng mga tip mula sa ilang mga eksperto upang ipaliwanag ang mga hakbang na maaaring gawin ng mga negosyo upang maisama ang AI sa iyong samahan at upang matiyak na ang iyong pagpapatupad ay isang tagumpay.

1. Maging Pamilyar Sa AI

Maglaan ng oras upang maging pamilyar sa kung ano ang maaaring gawin ng modernong AI. Ang TechCode Accelerator ay nag-aalok ng mga startup nito ng isang malawak na hanay ng mga mapagkukunan sa pamamagitan ng pakikipagtulungan nito sa mga organisasyon tulad ng Stanford University at mga korporasyon sa puwang ng AI. Dapat mo ring samantalahin ang yaman ng online na impormasyon at mga mapagkukunan na magagamit upang maging pamilyar sa mga pangunahing konsepto ng AI. Inirerekomenda ni Tang ang ilang mga liblib na workshop at mga online na kurso na inaalok ng mga samahan tulad ng Udacity bilang mga madaling paraan upang makapagsimula sa AI at dagdagan ang iyong kaalaman sa mga lugar tulad ng ML at mahuhulaan na analytics sa loob ng iyong samahan.

Ang mga sumusunod ay isang bilang ng mga online na mapagkukunan (libre at bayad) na maaari mong gamitin upang makapagsimula:

• Udacity's Intro to AI course at Artipisyal na Intelligence Nanodegree Program
• Ang online na lektura ng Stanford University: Intelligence ng Artipisyal: Mga Prinsipyo at Diskarte
• online na kurso AI ng edX, inaalok sa pamamagitan ng Columbia University
• Ang bukas na mapagkukunan ng Cognitive Toolkit ng Microsoft (dating kilala bilang CNTK) upang matulungan ang mga developer na makabuo ng mga malalim na pag-aaral ng algorithm
• Ang open-source (OS) ng Google TensorFlow software library para sa intelihensiya ng makina
• Ang AI Resources, isang open-source na direktoryo ng code mula sa AI Access Foundation
• Ang Samahan para sa Pagsulong ng Mga Artikulo ng Mga Artipisyal na Intelligence (AAAI)
• Malayang Gabay sa MonkeyLearn sa Pag-aaral ng Machine
• Stephen Hawking at Elon Musk Hinaharap ng Buhay Institute
• OpenAI, isang bukas na industriya at akademya-malawak na pagkaunawa sa malalim na pag-aaral

2. Kilalanin ang mga Problema Nais mong Malutas ng AI

Sa sandaling mapabilis ka sa mga pangunahing kaalaman, ang susunod na hakbang para sa anumang negosyo ay upang simulan ang paggalugad ng iba't ibang mga ideya. Isipin kung paano mo magdagdag ng mga kakayahan ng AI sa iyong umiiral na mga produkto at serbisyo. Mas mahalaga, dapat na nasa isip ng iyong kumpanya ang mga partikular na kaso ng paggamit kung saan maaaring malutas ng AI ang mga problema sa negosyo o magbigay ng maipakitang halaga.

"Kapag nagtatrabaho kami sa isang kumpanya, nagsisimula kami sa isang pangkalahatang-ideya ng mga pangunahing mga programa sa tech at mga problema. Nais naming maipakita ito kung paano ang natural na pagproseso ng wika, pagkilala sa imahe, ML, atbp. isang pagawaan ng ilang uri sa pamamahala ng kumpanya, "paliwanag ni Tang. "Ang mga detalye ay palaging nag-iiba ayon sa industriya. Halimbawa, kung ang kumpanya ay gumagawa ng pagsubaybay sa video, maaari itong makuha ang maraming halaga sa pamamagitan ng pagdaragdag ng ML sa prosesong iyon."

3. Unahin ang Halaga ng Kongkreto

Susunod, kailangan mong suriin ang potensyal na halaga ng negosyo at pinansyal ng iba't ibang mga posibleng pagpapatupad ng AI na iyong nakilala. Madaling mawala sa "pie in the sky" na mga talakayan ng AI, ngunit binigyang diin ng Tang ang kahalagahan ng pagtali ng iyong mga pagkukusa nang direkta sa halaga ng negosyo.

"Upang unahin, tingnan ang mga sukat ng potensyal at pagiging posible at ilagay ang mga ito sa isang 2x2 matrix, " sabi ni Tang. "Dapat itong makatulong sa iyo na unahin batay sa malapit na kakayahang makita at malaman kung ano ang pinansiyal na halaga para sa kumpanya. Para sa hakbang na ito, karaniwang kailangan mo ng pagmamay-ari at pagkilala mula sa mga tagapamahala at nangungunang mga executive."

4. Kilalanin ang Panloob na Kakayahang Panloob

Mayroong isang matibay na pagkakaiba sa pagitan ng nais mong maisagawa at kung ano ang mayroon kang kakayahang pang-organisasyon na aktwal na makamit sa loob ng isang takdang oras. Sinabi ni Tang na dapat malaman ng isang negosyo kung ano ang may kakayahang ito at kung ano ang hindi mula sa isang pananaw sa proseso ng tech at negosyo bago ilunsad ang isang ganap na pagpapatupad ng AI.

"Minsan ito ay maaaring tumagal ng mahabang panahon upang gawin, " sabi ni Tang. "Ang pagtugon sa iyong panloob na agwat ng kakayahan ay nangangahulugan ng pagkilala sa kung ano ang kailangan mong makuha at ang anumang mga proseso na kailangang ma-develop sa loob bago ka magpatuloy. Depende sa negosyo, maaaring may mga umiiral na mga proyekto o mga koponan na makakatulong na gawin ito ng organiko para sa ilang mga yunit ng negosyo. "

5. Dalhin sa Mga Eksperto at Mag-set up ng isang Pilot Project

Kapag handa na ang iyong negosyo mula sa isang pang-organisasyon at pangmalas na tech, pagkatapos ay oras na upang simulan ang pagbuo at pagsasama. Sinabi ni Tang na ang pinakamahalagang kadahilanan dito ay upang simulan ang maliit, magkaroon ng isip sa mga layunin ng proyekto, at, pinaka-mahalaga, magkaroon ng kamalayan sa iyong nalalaman at kung ano ang hindi mo alam tungkol sa AI. Ito ay kung saan ang pagdadala sa labas ng mga eksperto o AI consultant ay maaaring maging napakahalaga.

"Hindi mo na kailangan ng maraming oras para sa isang unang proyekto; karaniwang para sa isang pilot na proyekto, ang 2-3 buwan ay isang mahusay na saklaw, " sabi ni Tang. "Nais mong magdala ng panloob at panlabas na mga tao sa isang maliit na koponan, marahil 4-5 na tao, at ang mas magaan na frame ng oras ay magpapanatili ng koponan na nakatuon sa tuwid na mga layunin. Matapos makumpleto ang piloto, dapat mong magpasya kung ano ang mas mahaba Higit pa, magiging mas detalyado ang proyekto at kung ang kahulugan ng panukala ay may katuturan para sa iyong negosyo.Ito rin ay mahalaga na ang kadalubhasaan mula sa magkabilang panig - ang mga taong nakakaalam tungkol sa negosyo at ang mga taong nakakaalam tungkol sa AI - ay pinagsama sa iyong pilot project team . "

6. Bumuo ng isang Gawain sa Pagsasama ng Data

Nabanggit ni Tang na, bago ipatupad ang ML sa iyong negosyo, kailangan mong linisin ang iyong data upang gawin itong handa upang maiwasan ang isang "basura sa, basura out". "Ang panloob na data ng korporasyon ay karaniwang kumakalat sa maraming mga data silos ng iba't ibang mga sistema ng pamana, at maaaring maging sa mga kamay ng iba't ibang mga pangkat ng negosyo na may iba't ibang mga priyoridad, " sabi ni Tang. "Samakatuwid, ang isang napakahalagang hakbang patungo sa pagkuha ng mataas na kalidad na data ay upang makabuo ng isang cross-taskforce, pagsamahin ang iba't ibang mga set ng data, at pag-uri-uriin ang mga pagkakapare-pareho upang ang data ay tumpak at mayaman, kasama ang lahat ng tamang sukat na kinakailangan para sa ML."

7. Simulan ang Maliit

Simulan ang pag-apply ng AI sa isang maliit na sample ng iyong data sa halip na kumuha ng masyadong maraming sa lalong madaling panahon. "Simulan ang simple, gumamit ng AI na dagdagan upang patunayan ang halaga, mangolekta ng puna, at pagkatapos ay palawakin nang naaayon, " sabi ni Aaron Brauser, Bise Presidente ng Solutions Management sa M * Modal, na nag-aalok ng natural na wika sa pag-unawa (NLU) tech para sa mga organisasyon ng pangangalaga sa kalusugan pati na rin isang platform ng AI na nagsasama sa mga elektronikong rekord ng medikal (EMR).

Ang isang tiyak na uri ng data ay maaaring impormasyon sa ilang mga espesyalista sa medikal. "Maging mapili sa kung ano ang babasahin ng AI, " sabi ni Dr. Gilan El Saadawi, Chief Medical Information Officer (CMIO) sa M * Modal. "Halimbawa, pumili ng isang tiyak na problema na nais mong malutas, tumuon ang AI dito, at bigyan ito ng isang tiyak na katanungan upang sagutin at hindi itapon ang lahat ng data dito."

8. Isama ang Imbakan Bilang Bahagi ng Iyong Plano ng AI

Matapos mong mag-rampa mula sa isang maliit na sample ng data, kakailanganin mong isaalang-alang ang mga kinakailangan sa imbakan upang maipatupad ang isang solusyon sa AI, ayon kay Philip Pokorny, Chief Technical Officer (CTO) sa Penguin Computing, isang kumpanya na nag-aalok ng high-performance computing ( Ang mga solusyon sa HPC), AI, at ML.

"Ang pagpapabuti ng mga algorithm ay mahalaga upang maabot ang mga resulta ng pananaliksik. Ngunit nang walang malaking dami ng data upang makatulong na bumuo ng mas tumpak na mga modelo, ang mga sistema ng AI ay hindi maaaring mapabuti ang sapat upang makamit ang iyong mga layunin sa pag-compute, " isinulat ni Pokorny sa isang puting papel na pinamagatang, "Mga Kritikal na Desisyon: Isang Gabay sa Pagbuo ng Kumpletong Artipisyal na Solusyon sa Kaalam na Walang Pagsisisi. " "Iyon ang dahilan kung bakit ang pagsasama ng mabilis, na-optimize na imbakan ay dapat isaalang-alang sa pagsisimula ng disenyo ng sistema ng AI."

Bilang karagdagan, dapat mong i-optimize ang imbakan ng AI para sa data ingest, daloy ng trabaho, at pagmomolde, iminungkahi niya. "Ang paglaan ng oras upang suriin ang iyong mga pagpipilian ay maaaring magkaroon ng isang malaking, positibong epekto sa kung paano tumatakbo ang system sa sandaling online ito, " dagdag ni Pokorny.

9. Isama ang AI bilang Bahagi ng Iyong Pang-araw-araw na Gawain

Gamit ang karagdagang pananaw at automation na ibinigay ng AI, ang mga manggagawa ay may kasangkapan upang gawing bahagi ang AI sa kanilang pang-araw-araw na gawain sa halip na isang bagay na pumapalit nito, ayon sa Dominic Wellington, Global IT Evangelist sa Moogsoft, isang tagapagbigay ng AI para sa mga operasyon sa IT (AIOps ). "Ang ilang mga empleyado ay maaaring maingat sa teknolohiya na maaaring makaapekto sa kanilang trabaho, kaya ang pagpapakilala ng solusyon bilang isang paraan upang madagdagan ang kanilang pang-araw-araw na mga gawain ay mahalaga, " paliwanag ni Wellington.

Idinagdag niya na ang mga kumpanya ay dapat na maging transparent sa kung paano gumagana ang tech upang malutas ang mga isyu sa isang daloy ng trabaho. "Nagbibigay ito sa mga empleyado ng karanasan sa 'ilalim ng hood' upang malinaw na mailarawan nila kung paano pinalaki ng AI ang kanilang papel sa halip na maalis ang mga ito, " aniya.

10. Bumuo Sa Balanse

• Ang Suliraning Artipisyal ay May Suliranin sa Bias, at Ito ang Ating Fault Artipisyal na Katalinuhan ay May Problema sa Bias, at Ito ang Ating Fault
• Ang IBM Artipisyal na Kaalaman ay Tumatagal sa Human Debate Champs Ang IBM Artipisyal na Katalinuhan ay Tumatagal sa Mga Taong Debate ng Tao
• Nag-aalok ang AI ng Napakaraming Potensyal, Ngunit Hindi Ito Magaganap Sa Overnight AI Nag-aalok ang Malaking Potensyal, Ngunit Hindi Ito Magiging Magdamag

Kapag nagtatayo ka ng isang AI system, nangangailangan ito ng isang kumbinasyon ng pagtugon sa mga pangangailangan ng tech pati na rin ang proyekto ng pananaliksik, paliwanag ni Pokorny. "Ang labis na pagsasaalang-alang, kahit na bago simulan ang disenyo ng isang sistema ng AI, ay dapat mong itayo ang system nang may balanse, " sabi ni Pokorny. "Ito ay maaaring malinaw na tunog ngunit, madalas, ang mga sistema ng AI ay dinisenyo sa paligid ng mga tiyak na aspeto kung paano inisip ng koponan na makamit ang mga layunin ng pananaliksik, nang walang pag-unawa sa mga kinakailangan at limitasyon ng hardware at software na susuportahan ng pananaliksik. Ang resulta ay isang mas kaunti- kaysa-optimal, kahit na dysfunctional, system na nabigo upang makamit ang ninanais na mga layunin. "

Upang makamit ang balanse na ito, ang mga kumpanya ay kailangang magtayo ng sapat na bandwidth para sa imbakan, ang pagproseso ng graphic unit (GPU), at networking. Ang seguridad ay isang madalas na napapansin din na bahagi. Ang AI sa pamamagitan ng likas na katangian nito ay nangangailangan ng pag-access sa malawak na swath ng data upang gawin ang trabaho nito. Tiyaking naiintindihan mo kung anong mga uri ng data ang makakasama sa proyekto at na ang iyong karaniwang mga pananggalang sa seguridad - pag-encrypt, virtual pribadong network (VPN), at anti-malware - ay maaaring hindi sapat.

"Katulad nito, kailangan mong balansehin kung paano ginugol ang pangkalahatang badyet upang makamit ang pananaliksik na may pangangailangan upang maprotektahan laban sa kabiguan ng kapangyarihan at iba pang mga senaryo sa pamamagitan ng mga kalabisan, " sabi ni Pokorny. "Maaaring kailanganin mo ring bumuo nang may kakayahang umangkop upang payagan ang repurposing ng hardware habang nagbabago ang mga kinakailangan ng gumagamit."