人工智能创业技能

人工智能有很大的商业前景，但显然大多数组织并没有充分利用这一优势。以下是对早期采用者如何从人工智能项目中挖掘商业价值的一些建议。 各领域的商业领袖都看到了人工智能的价值，但只有利用好人工智能，其价值才能真正体现出来。 在这里，我们总结了一些探路者的经验和教训，希望能给后来者一些有意义的参考。根据德勤最近的一项调查，82%的人工智能早期采用者从认知技术投资中看到了积极的财务结果，投资回报率中值为17%。 一个成功的AI项目和一个不成功的AI项目最大的区别是什么？德勤咨询公司分析与认知部门主管尼廷米塔尔(Nitin Mittal)表示，无论是技术驱动还是商业需求驱动，都有迹可循。 希望充分利用人工智能的组织应该注意：“关注可能适合人工智能的具体用例。专注于需要实现的业务目标，证明自己的价值，扩大规模。这也是我们看到的很多案例成功的原因。”米塔尔说。 以下是将人工智能项目转化为商业价值的八个技巧。这些小技巧来自于那些从人工智能中获得实际利益的人的总结。 关注具体问题 GE软件研究副总裁科林帕里斯(Colin Parris)表示，在GE，商业价值是每个AI项目的核心。 “我们从一系列最小的可行产品开始。它真的能预测什么吗？如果能做到，是会更便宜更快，还是会带来更多的收入？最后，我们如何扩展和部署它以获得商业价值？”他说。 这一系列后续行动至关重要。 例如，如果人工智能系统正在预测要维护的设备，那么这些预测需要集成到工作流中。这可能意味着有必要在适当的时间派遣合适的现场工程师进行适当的维护。 它可能还需要集成到库存系统中。 或者它可能需要与实际的机器集成。“如果我的人工智能能够让我真正理解何时需要增加温度或压力，我必须将其集成到控制系统中，”他说。 理解人工智能的局限性 当人类试图做出预测时，他们有时会成为一个叫做邓宁-克鲁格效应的心理陷阱的受害者。当一个人没有意识到自己对某个话题知之甚少，误以为自己是专家时，就会出现这种情况。结果可能既幽默又悲剧。 人工智能系统也可能陷入同样的陷阱。例如，要求一个由特定数据集训练的人工智能基于完全不同的数据集进行预测，这将给出3354的完全错误的答案，但对于已经学会依赖人工智能预测的用户来说，这可能是有说服力的。 现实情况是，它要求数据科学家知道什么时候分析模型适合特定的数据集。“我必须理解基于数据的假设，”IBM的Parris说。“我如何测试模型？”我可能需要生成其他类型的数据，或者模拟数据，来判断是否有效。然后我必须在数据运行时检查数据，以确保这些假设是有效的。这是作为人类的你。