避免AI的常见错误

爱迪Kureishy
爱迪Kureishy
2018年1月16日 5分钟阅读

人工智能对企业来说仍是新事物. 与任何新技术一样,公司在尝试新技术的过程中将面临许多挑战 集成人工智能 进入他们现有的操作和工作流程. 然而,仅仅因为 人工智能应用 困难并不意味着必须如此. 企业在使用人工智能时,在组织和技术层面都会犯一些常见的错误,这些错误是可以避免的,因此合并人工智能就不那么令人头疼了. 这里有5个最佳实践,可以帮助你避免人们在实施人工智能时最常遇到的错误.

1. 确定企业正在寻求解决的高价值问题

为组织带来真正的价值, 当人工智能第一次实施的时候, 它应该用于解决特定的问题. 无论什么类型的团队在处理这个问题,这都是事实.

威利斯人app-威利斯人官方网站下载app-apple app store通常会看到三种不同的数据科学团队部署方式:

  • 一个由首席数据官或首席分析师领导的集中模型,这样整个组织都可以看到.
  • 一个扩散的模型,在这个模型中,每个业务部门都有自己的数据科学家小组,他们在那里加强该部门的工作,或者单独加强该部门的工作.
  • 混合模式, 一个中心化的团队建立一个能力中心,在那里他们构建平台和可重用资产,然后分散到各个业务单元中的数据科学团队.  

这三种方法都有明显的显著差异, 但所有人都是在解决业务部门或整个业务中被认为重要的问题时,才会用人工智能取得最成功. 人工智能改变了艺术的可能性, 尝试新技术而不将其与业务价值联系起来,这很容易使人合理化. 正如惠特·安德鲁斯最近在一篇 Gartner的报告, 而不是他们的实验性或“酷”价值, 人工智能项目和试点应该根据考虑它们的组织的需要获得优先级.”

以下是公司可以使用人工智能回答的问题类型:

  • 威利斯人app-威利斯人官方网站下载app-apple app store如何提高手机渠道广告的收益?
  • 威利斯人app-威利斯人官方网站下载app-apple app store如何对抗试图夺取威利斯人app-威利斯人官方网站下载app-apple app store客户群的颠覆性竞争对手?
  • 威利斯人app-威利斯人官方网站下载app-apple app store如何优化组织中某个特定领域的支出?

不管问题本身, 它必须是一个有目标的问题,而且人们普遍同意它值得解决.

2. 确保你有足够的数据

人工智能现在比以往任何时候都更实用、更强大,因为企业有如此多的数据唾手可得. 从物联网到大数据,当人工智能得到大量数据的支持时,它的工作效率最高. 这种类型的数据储备使得算法能够检测到最强的模式和相关性, 从而提供最有用的见解.

5个最佳实践,帮助你避免人们在实施人工智能时最常遇到的错误.

但是,仅仅因为总体上有更多的数据,并不意味着公司总是有足够的数据来回答他们想要解决的特定业务问题. 让人工智能变得有效, 它必须能够访问大量的数据, 结构化和非结构化都有, 它存在于企业内部,但也可能与商业上可用的数据混合在一起, 或者来自社交和移动平台的数据. Deep learning requires a depth of data; a general rule of thumb is to have at least 10,000行数据,然后将其放入人工智能学习模型.

数据的多样性和海量确保了人工智能推出的结果是可信的,而不仅仅是来自微小数据集的畸变或过度拟合结果.

一个警告:你可能有你需要的数据量,但需要比预期更多的工作来获得可用的形式来支持AI计划. Forrester的米歇尔·戈茨最近写道 “在试图将所有相关数据汇集在一起并进行整理以确保质量时,在AI领域取得飞跃的公司通常会立即遇到数据障碍.”

3. 定义结果——成功是什么样子的?

在没有明确你希望达到的结果之前,不要开始一个新的计划,这通常是一个好的商业实践. 对于人工智能来说尤其如此. 威利斯人app-威利斯人官方网站下载app-apple app store经常看到,公司在开始使用人工智能时,并不知道他们希望的最终结果. 在开始基于ai的项目之前,您需要确保您有一个概念证明或验证证明,这样您就可以演示工作的可行性, 一旦一切完成,就能量化结果.

结果可以从一般的到非常具体的. 您可以尝试增强团队的决策制定,或者尝试改进操作过程.  你可以尝试替换部分流程来驱动自动化. 无论目标是什么, 制定一个更广泛的战略,以便有效地应用AI分析和技术是至关重要的.

4. 衡量结果

一旦你发现了你的问题,有了合适的策略开始使用人工智能, 您还需要确保您有正确的工具来度量结果. 这可以是一个分析平台,也可以是不那么具体的东西, 但这是让AI成功可重复并适用于最高价值用例的唯一方法, 是通过建立这种基线测量. 这是业内所有人的证据,证明人工智能确实在发挥作用.

5. 有办法执行建议吗

太频繁, 人们开始关注应用lstm或rnn等技术的可行性,但没有注意到更大的操作环境. 业务流程是什么? 涉及的人是谁? 你是否试图增强他们的决策能力? 您是否试图取代操作过程的某些方面,并推动更多的自动化?  您是否处在一个高度监管的环境中,您是否需要真正关注这些模型的可解释性或可解释性,因为它们涉及到审计和遵从性方面?

考虑人工智能的人的方面是很重要的, 对流程的影响, 看看它在实践中是如何实现你想要的结果的. 你将如何管理这些领域的变化?

刚刚描述的实践可以将AI从满足可行性标准的科学实验领域转变为一种技术,为您的团队的努力提供力量倍增器,为您的业务提供竞争优势.

关于爱迪Kureishy

Atif是人工智能新兴实践全球副总裁 & 威利斯人app-威利斯人官方网站下载app-apple app store深度学习.

工作地点:圣地亚哥, Atif专门为所有主要垂直行业的客户提供支持, 通过战略伙伴关系, 提供基于机器和深度学习的复杂分析解决方案. 他的团队是世界上最具创新力的公司值得信赖的顾问,为人工智能领域的战略数据驱动成果开发下一代能力, 深度学习 & 数据科学.

Atif拥有超过18年的战略和技术咨询经验, 与高级管理客户合作. 在此期间, 他写了大量的文章,并就许多主题为组织提供建议, 从改善数字客户体验到为更智能的城市提供跨国数据分析项目, 用于关键基础设施保护的网络网络防御, 追踪非法资金流动的金融犯罪分析, 以及使用智能数据来实现分析驱动的能源价值生成 & 自然资源运营效率.

浏览所有帖子 爱迪Kureishy

保持知情

订阅威利斯人app-威利斯人官方网站下载app-apple app store博客,获取每周为您提供的见解



我同意Teradata公司, 作为本网站的提供者, 是否可以偶尔给我发送Teradata营销通信电子邮件,提供有关产品的信息, 数据分析, 以及活动和网络研讨会邀请函. 我明白我可以在任何时候通过我收到的任何电子邮件底部的退订链接退订.

你的隐私很重要. 您的个人信息将按照 Teradata全球隐私政策.

更多信息请参见Teradata