Q:
Vil fremskridt med maskinlæring stimulere implementering af datasæt på tværs af platforme?
EN:Hvad taler vi om, når vi taler om maskinlæring og AI i erhvervslivet?
Masser af forskellige mennesker har forskellige meninger - og det afhænger virkelig af konteksten af, hvad virksomheden laver. Men når du generelt taler om kunstig intelligensfunktioner, er det muligt at rydde op i noget af forvirringen og tvetydigheden om, hvordan virksomheder har en tendens til at bruge disse splinternye teknologier.
| Gratis download: Machine Learning og Why It Matters |
I en artikel om Venture Beat kaldet “Don't Believe the Hype About AI in Business” tilbyder forfatter Vivek Wadhwa en temmelig stærk anklager om ideen om, at moderne AI-systemer er lette at indarbejde i forretningsprocesser.
"De fleste forretningsproblemer kan ikke omdannes til et spil, " skriver Wadhwa. ”Du har mere end to spillere og ingen klare regler. Resultaterne af forretningsbeslutninger er sjældent en klar sejr eller tab, og der er alt for mange variabler … Dagens AI-systemer gør deres bedste for at efterligne funktionen af den menneskelige hjerne neurale netværk, men de gør det på en meget begrænset måde. ”
Påpegelse af, at "AI kun er så god som de data, den modtager, " gør Wadhwa et meget vigtigt punkt. Kunstig intelligens er ikke ”at tænke som et menneske.” Det snarere replikerer aspekter af menneskelig tanke gennem den mere sofistikerede brug af information. Det er stadig struktureret omkring input og output.
Imidlertid gør Wadhwa også en interessant advarsel ved at tale om et af de mest lovende aspekter af kunstig intelligens i nutidens forretningsverden.
Wadhwa bruger mega-detailhandler Amazon som eksempel. Når vi taler om, hvordan Amazon-virksomheden tager data fra forskellige siloer og porterer dem til interaktive destinationer, foreslår Wadhwa, at konsolidering af alle disse data på tværs af afdelinger kan innovere inden for kundeservice, forretningsinformation og meget mere.
“Amazon løser et problem, som mange virksomheder har - afbrudte øer med data, ” skriver Wadhwa.
Med andre ord, at tage datasæt på tværs af platforme og anvende dem i en arkitektur er en af de største aktuelle roller med kunstig intelligenssoftware, og det kan udgøre nogle af de bedst anvendte sager for erhvervslivet inden for de næste par år. En kunstig intelligensenhed er muligvis ikke i stand til at opføre sig og fungere som et menneske fuldt ud - men den har meget stærke egenskaber relateret til dataknusing og indsigtudvikling.
Virksomheder taler også meget i disse dage om samlet handel og samlet kommunikation. Der er en idé om, at virksomheder ved at konsolidere alle deres kanaler og hjælpe dem med at blive interaktive, positionerer sig for smidig konkurrence gennem det næste årti. Dette er igen noget, som kunstig intelligens kan hjælpe med. Den kan håndtere de forskellige datasæt og distribuere dem, hvor de er nødvendige, på en noget automatiseret og selvdrevet måde. På et meget bredt niveau tager kunstig intelligens byrden af menneskelige handlere og dirigerer sine egne operationer på forskellige overbevisende måder.
Med det i tankerne er fremskridt med maskinlæring sikkert for at fremme brugen af datasæt på tværs af platforme for at innovere. Selvom andre store roller og processer muligvis kommer ned af gedden, vil dette sandsynligvis være et vigtigt aspekt af maskinlæring og AI på kort sigt.
