İşinizde yapay zekanın benimsenmesi için 10 adım

Yapay zeka (AI) açıkça teknoloji endüstrisinde büyüyen bir güçtür. AI konferanslarda merkezi bir aşamaya geçiyor ve perakende ve üretim de dahil olmak üzere çok çeşitli sektörlerde potansiyel gösteriyor. Yeni ürünler sanal asistanlarla birleştiriliyor, sohbetlerde ise çevrimiçi ofis tedarikçinizin sitesinden web barındırma hizmeti sağlayıcınızın destek sayfasına kadar her konuda müşteri soruları yanıtlanıyor. Bu arada, Google, Microsoft ve Salesforce gibi şirketler de AI'yı tüm teknoloji yığınlarına zeka katmanı olarak entegre ediyorlar. Evet, AI kesinlikle anı yaşıyor.

Bu, pop kültürünün beklememizi şart koşan AI olduğunu değil; duygu sahibi robotlar, Skynet, hatta Tony Stark'ın Jarvis asistanı bile değil. Bu AI platosu, yüzey altında gerçekleşmekte ve mevcut teknolojimizi daha akıllı hale getirmekte ve işletmelerin topladığı tüm verilerin gücünün kilidini açmaktadır. Ne anlama geliyor: Makine öğrenimi (ML), bilgisayar görüşü, derin öğrenme ve doğal dil işleme (NLP) alanındaki yaygın ilerleme, bir AI algoritma katmanını yazılımınıza veya bulut platformunuza yapıştırmayı hiç olmadığı kadar kolaylaştırmıştır.

İşletmeler için, pratik AI uygulamaları kurumsal gereksinimlerinize ve topladığınız verilerden elde edilen iş zekası (BI) öngörülerine bağlı olarak her türlü şekilde kendini gösterebilir. İşletmeler, maddi sosyal verilerden müşteri ilişkileri yönetimine (CRM) bağlılığı yönlendirmeye, varlıkları izleme ve yönetmeye gelince lojistik ve verimliliği optimize etmeye kadar her şey için AI kullanabilir.

ML, AI'nın geliştirilmesinde kilit bir rol oynamaktadır, ancak TechCode'un Global AI + Accelerator programının Genel Müdürü Luke Tang, AI inisiyatiflerini benimsemekte ve şirketlerin AI'yi mevcut ürün ve hizmetlerinin üzerine eklemelerine yardımcı olmaktadır.

Tang, “Şu anda, AI, ML'deki tüm son gelişmelerden etkileniyor. İşaret edebileceğiniz tek bir atılım yok, ancak ML'den elde edebileceğimiz işletme değeri artık çizelgelerin dışında.” Dedi. “Kurumsal bakış açısına göre, şu anda olan şeyler, koordinasyon ve kontrol konusundaki bazı temel kurumsal iş süreçlerini bozabilir: zamanlama, kaynak tahsisi ve raporlama.” Burada, bazı uzmanlardan, işletmelerin AI'yi kuruluşunuza entegre etmek için alabilecekleri adımları açıklamak ve uygulamanızın başarılı olmasını sağlamak için ipuçları sunuyoruz.

1. AI ile Tanıyın

Modern AI'nın yapabileceklerini tanımak için zaman ayırın. TechCode Accelerator, Stanford Üniversitesi gibi kuruluşlarla ve AI alanındaki kurumlarla ortaklıklarıyla yeni bir başlangıç ​​yapıyor. Ayrıca, AI'nın temel kavramlarını tanımak için mevcut çevrimiçi bilgi ve kaynakların zenginliğinden de yararlanmalısınız. Tang, Udacity gibi kuruluşlar tarafından sunulan uzaktan atölye çalışmalarının ve çevrimiçi kursların bazılarının AI'ye başlamanın ve kuruluşunuzdaki ML ve öngörücü analitik gibi alanlardaki bilgilerinizi artırmanızı önerir.

Aşağıdakiler, başlamak için kullanabileceğiniz bir dizi çevrimiçi kaynaktır (ücretsiz ve ücretli):

• Udacity'nin AI kursuna ve Yapay Zeka Nanodegree Programı'na Giriş
• Stanford Üniversitesi'nin çevrimiçi dersleri: Yapay Zeka: İlke ve Teknikler
• edX’in Columbia Üniversitesi’nde sunulan çevrimiçi AI kursu
• Microsoft'un açık kaynaklı Bilişsel Araç Seti (daha önce CNTK olarak bilinir) geliştiricilerin derin öğrenme algoritmalarına hakim olmalarına yardımcı olmak için
• Google'ın makine zekası için açık kaynaklı (OS) TensorFlow yazılım kütüphanesi
• AI Access Foundation'dan açık kaynak kodlu bir dizin olan AI Resources
• Yapay Zekanın Gelişimi Derneği (AAAI) 'nin Kaynakları Sayfası
• MonkeyLearn'ün Makine Öğrenmesi İçin Nazik Kılavuzu
• Stephen Hawking ve Elon Musk'un Geleceğin Yaşam Enstitüsü
• OpenAI, açık bir endüstri ve akademi çapında derin öğrenme girişimi

2. AI'nın Çözmesini İstediğiniz Sorunları Belirleyin

Temelleri hızlandırmaya başladığınızda, herhangi bir iş için bir sonraki adım farklı fikirleri keşfetmeye başlamaktır. Mevcut ürün ve hizmetlerinize AI yeteneklerini nasıl ekleyebileceğinizi düşünün. Daha da önemlisi, şirketinizin, AI'nın iş sorunlarını çözebileceği veya kanıtlanabilir bir değer sağlayabileceği özel kullanım durumlarını akılda tutması gerekir.

“Bir şirketle çalışırken, temel teknoloji programlarına ve sorunlarına genel bir bakışla başlarız. Doğal dil işleme, görüntü tanıma, ML vb. Öğelerin genellikle bu ürünlere nasıl uygun olduğunu göstermek istiyoruz. Tang, şirketin yönetimi ile bir tür atölye çalışması "açıklamasında bulundu. “Teknik özellikler her zaman sektöre göre değişir. Örneğin, şirket video gözetimi yapıyorsa, bu sürece ML ekleyerek çok fazla değer yakalayabilir.”

3. Beton Değerine Öncelik Verin

Daha sonra, tanımladığınız çeşitli AI uygulamalarının potansiyel iş ve finansal değerini değerlendirmeniz gerekir. AI gök tartışmalarında AI tartışmalarında kaybolmak kolaydır, ancak Tang girişimlerinizi doğrudan işletme değerine bağlamanın önemini vurguladı.

Tang, “Öncelik vermek için potansiyel ve fizibilite boyutlarına bakın ve onları 2x2'lik bir matrise koyun” dedi. “Bu, yakın vadeli görünürlük temelinde öncelik vermenize yardımcı olacak ve şirket için finansal değerin ne olduğunu bilmenize yardımcı olacaktır. Bu adım için, genellikle yöneticilerden ve üst düzey yöneticilerin sahipliğine ve tanınmasına ihtiyaç duyarsınız.”

4. İç Yeterlilik Açığını Kabul Edin

Gerçekleştirmek istedikleriniz ile gerçekte belirli bir zaman dilimi içinde elde etmek için örgütsel kabiliyete sahip olduğunuz arasında kesin bir fark var. Tang, bir şirketin tam olarak gelişmiş bir AI uygulamasına başlamadan önce neler yapabileceğini ve bir teknoloji ve iş süreci açısından ne olmadığını bilmesi gerektiğini söyledi.

Tang, "Bazen bunun yapılması uzun zaman alabilir" dedi. “İç yetenek eksikliğinize değinmek, neye ihtiyacınız olduğunu ve işe başlamadan önce içsel olarak geliştirilmesi gereken süreçleri belirlemek anlamına gelir. İşletmeye bağlı olarak, belirli iş birimleri için bunu organik olarak gerçekleştirmeye yardımcı olabilecek mevcut projeler veya ekipler olabilir. "

5. Uzmanlar Getirmek ve Pilot Proje Kurmak

İşiniz organizasyon ve teknoloji açısından hazır olduktan sonra, inşa etmeye ve entegre olmaya başlamanın zamanı geldi. Tang, buradaki en önemli faktörlerin küçük başlamak, proje hedeflerini göz önünde bulundurmak ve en önemlisi ne bildiğinizin ve AI hakkında ne bilmediğinizin farkında olmanız gerektiğini söyledi. Burası dış uzmanların veya AI danışmanlarının getirilmesi paha biçilmez olabilir.

Tang, “İlk proje için çok fazla zamana ihtiyacınız yok; genellikle pilot bir proje için, 2-3 ay iyi bir aralıktır” dedi. “Dahili ve harici insanları, belki 4-5 kişilik, küçük bir takımda bir araya getirmek istiyorsunuz ve bu daha sıkı zaman dilimi, takımı basit hedeflere odaklanmaya devam edecektir. Pilot tamamlandıktan sonra, daha ne süreceğine karar verebilmelisiniz. daha sonra, daha ayrıntılı bir proje olacak ve değer teklifinin işiniz için anlamlı olup olmadığı, her iki taraftaki uzmanlığın da - işletmeyi bilenler ve AI hakkında bilenler - pilot proje ekibinizde birleştirilmesi önemlidir. ."

6. Verileri Entegre Etmek İçin Bir Görev Gücü Oluşturma

Tang, ML'yi işletmenize uygulamadan önce, bir "çöp içeri, çöp dışarı" senaryosundan kaçınmaya hazır hale getirmek için verilerinizi temizlemeniz gerektiğini belirtti. Tang, “Dahili kurumsal veriler tipik olarak farklı eski sistemlerin çoklu veri silolarında yayılır ve hatta farklı önceliklere sahip farklı iş gruplarının elinde olabilir” dedi. “Bu nedenle, yüksek kaliteli veri elde etmek için çok önemli bir adım, bir çapraz görev oluşturmak, farklı veri kümelerini bir araya getirmek ve tutarsızlıkları sıralamaktır; böylece veriler, ML için gereken tüm doğru boyutlarla doğru ve zengin olur.”

7. Küçük Başlat

AI'yı çok yakında almak yerine verilerinizin küçük bir örneğine uygulamaya başlayın. Sağlık kurumları için doğal dil anlayışı (NLU) teknolojisi sunan M * Modal'da Çözümler Yönetim Kurulu Başkan Yardımcısı Aaron Brauser, "Basit başlayın, değeri kanıtlamak, geribildirim toplamak ve ardından buna göre genişletmek için artımlı olarak AI kullanın" dedi. elektronik tıbbi kayıtlarla (EMR'ler) bütünleşen bir AI platformu.

Belirli bir veri türü, belirli tıbbi uzmanlıklar hakkında bilgi olabilir. M * Modal'daki Tıbbi Bilgi Sorumlusu (CMIO) Dr. Gilan El Saadawi, “AI'nın okuyacakları konusunda seçici olun” dedi. “Örneğin, çözmek istediğiniz belirli bir problemi seçin, AI'ya odaklanın ve ona tüm verileri yanıtlaması ve atmaması için belirli bir soru verin.”

8. AI Planınızın Bir Parçası Olarak Depolamayı Ekleyin

Küçük bir veri örneğinden çıktıktan sonra, yüksek performanslı bilgi işlem hizmeti sunan bir şirket olan Penguin Computing'de (CTO) Philip Pokorny'ye göre bir AI çözümü uygulamak için depolama gereksinimlerini göz önünde bulundurmanız gerekir. HPC), AI ve ML çözümleri.

"Algoritmaların geliştirilmesi araştırma sonuçlarına ulaşmak için önemlidir. Ancak daha doğru modeller oluşturmanıza yardımcı olacak çok büyük miktarda veri olmadan, AI sistemleri bilgi işlem hedeflerinize ulaşmak için yeterince gelişme gösteremezler" diyor Pokorny "Kritik Kararlar:" Komple Yapay Zeka Çözümünü Pişman Olmadan İnşa Etmek. " “Bu nedenle hızlı ve optimize edilmiş depolamanın dahil edilmesi AI sistem tasarımının başlangıcında göz önünde bulundurulmalıdır.”

Ek olarak, AI depolamayı veri alımı, iş akışı ve modelleme için optimize etmelisiniz. Pokorny, "Seçeneklerinizi gözden geçirmek için zaman ayırmak, sistemin çevrimiçi olduktan sonra nasıl çalışacağına büyük ve olumlu bir etki yapabilir" dedi.

9. AI'yı Günlük Görevlerinizin Bir Parçası Olarak Dahil Edin

AI'nın sağladığı ilave içgörü ve otomasyon ile, çalışanlar, BT operasyonları için bir AI tedarikçisi olan Moogsoft’un Global IT Evangelisti Dominic Wellington’a göre, AI’yı yerini alan bir şey yerine günlük rutininin bir parçası haline getirecek bir araca sahipler. ). Wellington, "Bazı çalışanlar işlerini etkileyebilecek teknolojiye karşı dikkatli olabilir, bu nedenle çözümü günlük görevlerini artırmanın bir yolu olarak sunmak önemlidir."

Şirketlerin, iş akışındaki sorunları çözmek için teknolojinin nasıl çalıştığı konusunda şeffaf olmaları gerektiğini ekledi. “Bu, çalışanlara“ başlık altında ”bir deneyim sunuyor, böylece AI'nın ortadan kaldırmak yerine rolünü nasıl artırdığını açıkça görebiliyorlar” dedi.

10. Denge ile inşa

• Yapay Zeka Önyargı Sorunu Var ve Bu Bizim Hatamız Yapay Zeka Önyargı Sorunu Var ve Bu Bizim Bizim Hatamız
• IBM Yapay Zekâ İnsan Tartışma Şampiyonlarını Devraldı IBM Yapay Zekâ İnsan Tartışma Şampiyonlarını Devraldı
• AI, Büyük Potansiyel Sunuyor, Ama Bir Gecede Olmayacak

Pokorny, bir AI sistemi kurarken teknolojinin ihtiyaçlarını ve araştırma projesini karşılamanın bir kombinasyonunu gerektirir. Pokorny, "Bir AI sistemi tasarlamaya başlamadan önce bile, sistemi genel olarak dengelemeniz gerektiği düşüncesindeydi." Dedi. “Bu çok açık gelebilir ancak çok sık, AI sistemleri, araştırmayı destekleyecek donanım ve yazılımın gerekliliklerini ve sınırlamalarını anlamadan, ekibin araştırma hedeflerine nasıl ulaşacağını öngören belirli yönler etrafında tasarlandı. Sonuç daha az. İstenen hedeflere ulaşmada başarısız olan, optimal olmayan, hatta işlevsel olmayan bir sistem. "

Bu dengeyi sağlamak için şirketlerin depolama, grafik işlem birimi (GPU) ve ağ oluşturma için yeterli bant genişliği oluşturması gerekir. Güvenlik de gözden kaçırılmış bir bileşendir. AI, doğası gereği işini yapmak için geniş veri alanlarına erişim gerektirir. Projeyle ne tür verilerin katılacağını ve normal güvenlik önlemlerinizi (şifreleme, sanal özel ağlar (VPN) ve kötü amaçlı yazılımdan koruma amaçlı yazılımlar) yeterli olmayabileceğini anladığınızdan emin olun.

Pokorny, "Benzer şekilde, elektrik kesintisi ve diğer senaryolara karşı koruma ihtiyacı ile araştırma yapmak için genel bütçenin nasıl harcandığını dengelemeniz gerekiyor." Dedi. "Ayrıca, kullanıcı gereksinimleri değiştikçe donanımın yeniden yerleştirilmesine izin vermek için esnek bir yapı kurmanız gerekebilir."