Q:
Vil fremskritt av maskinlæring stimulere til distribusjon av datasett for andre plattformer?
EN:Hva snakker vi om når vi snakker om maskinlæring og AI i virksomheten?
Mange forskjellige mennesker har forskjellige meninger - og det avhenger virkelig av sammenhengen med hva virksomheten driver med. Når du imidlertid snakker om evner til kunstig intelligens, er det mulig å fjerne noe av forvirringen og tvetydigheten om hvordan virksomheter har en tendens til å bruke disse helt nye teknologiene.
| Gratis nedlasting: Machine Learning og Why It Matters |
I en artikkel om Venture Beat kalt “Don't Believe the Hype About AI in Business”, tilbyr forfatter Vivek Wadhwa en ganske sterk tiltale for ideen om at moderne AI-systemer er enkle å innlemme i forretningsprosesser.
"De fleste forretningsproblemer kan ikke gjøres om til et spill, " skriver Wadhwa. "Du har mer enn to spillere, og ingen klare regler. Resultatene av forretningsavgjørelser er sjelden en klar gevinst eller tap, og det er altfor mange variabler … Dagens AI-systemer gjør sitt beste for å etterligne funksjonen til menneskets hjerne nevrale nettverk, men de gjør dette på en veldig begrenset måte. ”
Påpeker at "AI bare er like bra som dataene den mottar, " gjør Wadhwa et veldig viktig poeng. Kunstig intelligens er ikke “å tenke som et menneske.” Det snarere replikerer aspekter ved menneskelig tanke gjennom mer sofistikert bruk av informasjon. Det er fremdeles strukturert rundt input og output.
Imidlertid gjør Wadhwa også et interessant forbehold når han snakker om et av de mest lovende aspektene ved kunstig intelligens i dagens forretningsverden.
Wadhwa bruker mega-forhandler Amazon som eksempel. Når vi snakker om hvordan Amazon-selskapet tar data fra forskjellige siloer og porter dem til interaktive destinasjoner, foreslår Wadhwa at konsolidering av alle disse dataene på tvers av avdelinger kan innovere i riket til kundeservice, forretningsinformasjon og mye mer.
"Amazon løser et problem som mange selskaper har - frakoblede øyer med data, " skriver Wadhwa.
Med andre ord, å ta datasett på tvers av plattformer og anvende dem gjennom en arkitektur er en av de største nåværende rollene til programvare for kunstig intelligens, og det kan utgjøre noen av de beste brukssakene for virksomheten i løpet av de neste årene. En kunstig intelligensenhet kan ikke være i stand til å oppføre seg og oppføre seg som et menneske fullt ut, men den har veldig kraftige evner relatert til dataknusing og innsiktutvikling.
Bedrifter snakker også mye i disse dager om enhetlig handel og enhetlig kommunikasjon. Det er ideen om at ved å konsolidere alle kanalene sine og hjelpe dem med å bli interaktive, posisjonerer virksomheter seg for smidig konkurranse i løpet av det neste tiåret. Dette er igjen noe som kunstig intelligens kan hjelpe med. Den kan håndtere de forskjellige datasettene og distribuere dem der de trengs på en noe automatisert og selvstyrt måte. På et veldig bredt nivå tar kunstig intelligens byrden av menneskelige håndtere og leder sine egne operasjoner på forskjellige overbevisende måter.
Med det i tankene er fremskritt med maskinlæring sikkert for å fremme bruken av datasett på tvers av plattformer for å innovere. Selv om andre store roller og prosesser kan komme ned av gjedda, vil dette sannsynligvis være et viktig aspekt ved maskinlæring og AI på kort sikt.
