Искусственный интеллект, безусловно, является растущей силой в индустрии технологий. Искусственный интеллект занимает центральное место на конференциях и демонстрирует потенциал в самых разных отраслях, включая розничную торговлю и производство. Новые продукты внедряются вместе с виртуальными помощниками, в то время как чат-боты отвечают на вопросы клиентов по большинству направлений. Тем временем, такие компании, как Google, Microsoft и Яндекс, интегрируют ИИ в качестве интеллектуального слоя во всем своем технологическом стеке. Да, у ИИ определенно есть свой момент.
Это не тот искусственный интеллект, который поп-культура заставила нас ожидать; это не разумные роботы или Скайнет, и даже не Джарвис – помощник Тони Старка. Плато искусственного интеллекта скрывается под поверхностью, делая наши существующие технологии более умными и раскрывая всю мощь данных, которые собирают предприятия.
Что это означает: широкое развитие в машинного обучения, компьютерного зрения, глубокого анализа и обработки естественного языка сделало процесс развёртывания искусственного интеллекта в вашей программном обеспечении или облачной платформе проще, чем когда-либо.
Для предприятий практические приложения ИИ могут проявляться всевозможными способами в зависимости от ваших организационных потребностей и понимания бизнес-аналитики. Предприятия могут использовать ИИ для всего: от интеллектуального анализа социальных данных до стимулирования участия в управлении взаимоотношениями с клиентами (CRM) и оптимизации логистики и эффективности, когда дело доходит до отслеживания и управления активами.
Здесь мы даём советы от некоторых экспертов, чтобы объяснить шаги, которые предприниматели могут принять, чтобы интегрировать ИИ в свою организацию и обеспечить успешное внедрение.
-
Познакомьтесь с ИИ
Потратьте время, чтобы ознакомиться с тем, что может сделать современный ИИ. Можно воспользоваться обширной онлайн-информацией и ресурсами, чтобы ознакомиться с основными понятиями ИИ. Некоторые из дистанционных семинаров и онлайн-курсов, предлагаемых такими организациями, как Udacity, – простой способы начать работу с искусственным интеллектом и расширить свои знания в таких областях, как машиное обучение и прогностическая аналитика в вашей организации.
Ниже приведен ряд онлайн-ресурсов (бесплатных и платных), которые вы можете использовать для начала:
- Курс от Udacity введение в AI и программа по искусственному интеллекту.
- Онлайн курс по ИИ, предлагаемый Колумбийским университетом.
- Microsoft Cognitive Toolkit с открытым исходным кодом, чтобы помочь разработчикам освоить алгоритмы глубокого обучения.
- Библиотека программного обеспечения TensorFlow с открытым исходным кодом от Google для машинного интеллекта.
- AI Resources, каталог с открытым исходным кодом от AI Access Foundation.
- Страница ресурсов Ассоциации по продвижению искусственного интеллекта.
- Руководство MonkeyLearn по машинному обучению.
- Институт будущего жизни Стивена Хокинга и Элона Маск.
- OpenAI, открытая отраслевая и академическая программа глубокого обучения.
-
Определите проблемы, которые вы хотите решить с помощью ИИ
Как только вы овладеете основами, следующий шаг для любого бизнеса – начать изучать разные идеи. Подумайте, как вы можете добавить возможности искусственного интеллекта в ваши существующие продукты и услуги. Что ещё более важно, ваша компания должна иметь в виду конкретные случаи использования, в которых ИИ мог бы решать бизнес-задачи или обеспечивать очевидную ценность.
Специфика всегда варьируется в зависимости от отрасли. Например, если компания осуществляет видеонаблюдение, она может получить большую ценность, добавив к этому процессу машинное обучение.
-
Определите приоритет конкретной ценности
Затем вам необходимо оценить потенциальную деловую и финансовую ценность различных возможных реализаций ИИ. Легко заблудиться в обсуждениях искусственного интеллекта, но важна привязка ваших инициатив непосредственно к бизнес-ценностям.
Чтобы расставить приоритеты, посмотрите на размеры потенциала и выполнимость, и поместите их в матрицу 2x2. Это должно помочь вам расставить приоритеты исходя из краткосрочной видимости и узнать, какова финансовая ценность компании. Для этого шага вам обычно требуется понимание и признание со стороны менеджеров и топ-менеджеров.
-
Признание пробела во внутренних возможностях
Существует резкое различие между тем, чего вы хотите достичь, и тем, какие организационные возможности у Вас есть. Бизнес должен знать, на что он способен, а на что нет, с точки зрения технологий и бизнес-процессов, прежде чем начинать полномасштабную реализацию ИИ.
Иногда это может занять много времени. Устранение вашего внутреннего разрыва в возможностях означает определение того, что вам нужно приобрести, и любых процессов, которые необходимо внутренне развить, прежде чем вы начнёте. В зависимости от бизнеса, могут существовать проекты или команды, которые могут помочь сделать это органично для определенных бизнес-единиц.
-
Привлеките экспертов и создайте пилотный проект
Как только ваш бизнес будет готов с организационной и технической точек зрения, пришло время начать строить и интегрировать. Самые важные факторы здесь – начать с малого, иметь в виду цели проекта и, самое главное, знать, что вы знаете и что вы не знаете об искусственном интеллекте. Именно здесь привлечение внешних экспертов или консультантов по искусственному интеллекту может быть неоценимым.
Вам не нужно много времени для первого проекта; обычно для пилотного проекта 2-3 месяца – это хороший диапазон. Следует объединить внутренних и внешних людей в небольшую команду, возможно, из 4-5 человек, и в этот сжатый срок сосредоточиться на простых целях. После того, как пилот будет завершен, вы сможете решить, что дальше.
Также важно, чтобы опыт обеих сторон – людей, которые знают о бизнесе, и людей, которые знают об ИИ – был объединен с вашей командой пилотного проекта.
-
Сформируйте рабочую группу для интеграции данных
Прежде чем внедрить машинное обучение в свой бизнес, вам необходимо очистить данные, чтобы подготовить их к тому, чтобы избежать сценария «мусор в мусоре».
Внутренние корпоративные данные обычно распределяются по разным хранилищам данных в разных унаследованных системах и могут даже находиться в руках разных бизнес-групп с разными приоритетами. Поэтому очень важным шагом на пути к получению высококачественных данных является формирование перекрестной целевой группы [подразделения], объединение различных наборов данных и устранение несоответствий, чтобы данные были точными и полными, со всеми необходимыми нужными измерениями.
-
Начните с малого
Начните применять ИИ к небольшой выборке ваших данных. Начните с простого, используйте ИИ постепенно, чтобы получить доказательства его ценности, собрать отзывы и затем расширяться соответствующим образом.
Будьте избирательны в том, что ИИ будет получать. Например, выберите определенную проблему, которую вы хотите решить, сфокусируйте ИИ на ней и дайте ему конкретный вопрос, чтобы получить ответ, а не бросайте сразу все данные.
-
Хранилища – как часть плана внедрения ИИ
После того, как вы накопите небольшую выборку данных, вам необходимо учесть требования к хранению для реализации вашего ИИ. Улучшение алгоритмов важно для достижения результатов исследований. Но, без огромных объемов данных, помогающих строить более точные модели, системы искусственного интеллекта не могут улучшиться настолько, чтобы достичь ваших вычислительных целей. Вот почему создание быстрого, оптимизированного хранилища следует рассмотреть ещё в начале проектирования системы ИИ.
Кроме того, важно оптимизировать хранилище ИИ для получения данных, рабочего процесса и моделирования. Потратив время на проработку вариантов, вы можете получить огромное положительное влияние на работу системы после её подключения к сети.
-
Включите ИИ как часть ваших ежедневных задач
Благодаря дополнительному пониманию и автоматизации, обеспечиваемой ИИ, работники получают инструмент, который делает ИИ частью их повседневной жизни, а не чем-то, что заменяет их. Некоторые сотрудники могут опасаться технологий, которые могут повлиять на их работу, поэтому важно внедрить решение как способ расширить повседневные задачи.
Компании должны быть прозрачными в том, как технология работает для решения проблем в рабочем процессе. Это даёт сотрудникам опыт «под капотом», так что они могут четко представить, как ИИ увеличивает их роль, а не устраняет их.
-
Построить с балансом
Когда вы создаете систему искусственного интеллекта, она требует сочетания удовлетворения потребностей как технологии, так и исследовательского проекта. Главное соображение, даже до того, как приступить к разработке системы ИИ, заключается в том, что вы должны построить систему с балансом. Это может показаться очевидным, но слишком часто системы искусственного интеллекта разрабатываются вокруг конкретных аспектов того, как команда планирует достичь своих целей исследования, без понимания требований и ограничений аппаратного и программного обеспечения, которое будет поддерживать ИИ. Результатом является неоптимальная, даже нефункциональная система, которая не может достичь желаемых целей.
Чтобы достичь этого баланса, компаниям необходимо создать достаточную пропускную способность для хранения данных, обработки и передачи в сети. Безопасность также часто упускается из виду. ИИ – по своей природе – требует доступа к широкому спектру данных, чтобы выполнять свою работу. Убедитесь, что вы понимаете, какие типы данных будут задействованы в проекте и что ваши обычные меры безопасности – шифрование, виртуальные частные сети (VPN) и защита от вредоносных программ – справятся с этим.
Точно так же вы должны сбалансировать общий бюджет, затрачиваемый на проведение исследований, с необходимостью защиты от сбоя питания и других сценариев за счет избыточности. Вам также может понадобиться гибкость, позволяющая перенастроить оборудование при изменении требований пользователя.
