人工智能有其良好的数据基础

643

收藏 2022-07-11

创造价值和竞争优势是人工智能（人工智能）。现在，是时候让企业真正掌握如何将其用于这些目标了。

大多数公司都准备好并愿意接受它。就大型企业而言，他们正在寻找颠覆颠覆者的方法——利用云计算能力快速创新、从市场中分一杯羹的小型、灵活的初创公司。“大公司知道他们需要人工智能才能到达那里，”说杰伊林本, IBM 杰出工程师和产品管理总监。

端到端人工智能

IBM 的提议是从最近宣布的沃森工作室和沃森知识目录. IBM Cloud Services 支持端到端 AI 工作流。Studio 是一个集成环境，用于连接和提炼数据以大规模构建和训练人工智能模型；这些可以在注入业务流程时针对新数据进行持续培训。然而，“数据编目是人工智能有效的第一步，”林本说。

知识目录作为一个丰富、智能的元数据索引在此处进入画面，它为知识工作者提供了对结构化和非结构化数据以及已被分析和分类的结构化和非结构化数据和分析资产的查看和轻松访问——无论它们位于何处。Watson 的自然语言处理支持从结构化和非结构化数据中获取智能，以便以统一的方式使用。

基于 Watson 对资产之间关系的理解，其支持 AI 的搜索和建议可帮助用户发现相关目录资产以满足其建模需求。“我们使用人工智能来改进你的人工智能，”他说——将其视为“数据的 Spotify”推荐模型。“这个模型会随着时间的推移进行自我训练，所以你使用的次数越多，它就越详尽，”他评论道。最后但并非最不重要的一点是，借助数据策略激活引擎，可以通过定义解释数据如何使用以及由谁使用的规则来开放数据以供自助使用。

此外，Limburn 解释说，在 AI 旅程中创建的工件可以共享回知识目录并重复使用，这样就不会浪费为数据科学项目准备数据的努力。

他说，这些技术为数据治理提供了一个全新的目的——这不仅是为了合规，而且也是为了推动创新和颠覆。一位客户使用知识目录对来自大约 200 个数据库的信息进行索引，该数据库是在收购另一家公司时附带的，发现知识目录发现了与退役产品相关的额外意外数据源，然后也将它们成形。该信息成为探索客户采用新旧产品的数据科学计划的一部分。

“他们根据自己不知道的大量信息构建了采用模型，”Limburn 说。“数据科学家不必四处寻找数据。事实上，他们甚至都不知道存在这些数据源来构建可在整个公司范围内使用的预测模型。”

增值人工智能

公司希望在人工智能和价值之间建立的联系越来越强，Christoph Kögler 证实，创新主管T-Systems 多媒体解决方案有限公司. 在2018企业数据世界大会他讨论了公司如何从了解人工智能是什么——一种机器评估信息、理解信息并对其做出反应的方式——转变为人工智能可以为他们做些什么。“现在取决于业务，”他说。

企业不想听到的是机器接管人类的科幻场景，更多的是关于人工智能可以应用于提供显着投资回报的实际方法。他说，确实许多基于人工智能的项目在试点后仍然停滞不前，或者因为成本相对于收益太高而关闭。但好消息是，今天有一些例子表明人工智能正在创造其他人可以学习的真正价值。

作为德国最大的系统集成商之一，T-Systems Multimedia Solutions 参与了学生研究、政府和客户 AI 工作，其中一些仍处于试验阶段。即便如此，它们有助于提高人工智能在现实世界中的潜力的清晰度。工业制造环境示例包括：

人工智能模型正在这些环境中进行试验，以实时评估、处理和响应机器人将芯片放入样品生产线上的手机中在定位组件时出错的情况。与使用基于在过程结束时拍照的事后质量测量的传统做法相比，这应该是一种更便宜、更有效的方法。通过机器学习评估与生产过程相关的数据点，可以创建人工智能模型来检测芯片的正确或错误定位，并在出现问题时发出警报。
在另一种情况下，机器学习算法背后是一个人工智能场景，德国的制造商可以控制他们在中国的合作伙伴处理的工厂运营。在收集了足够的数据来构建模型以检测操作问题后，生产线上的机器可以向监控仪表板显示器发送警报。通过语音界面，德国的经理可以直接向系统提问以识别问题，并使经理能够要求系统根据之前的知识推断原因，然后提出解决方案。
他解释说，要让人工智能达到预期，需要克服的数据挑战将围绕从获取数据到参与商业价值展开。正如 Limburn 还指出的那样，优化用于构建 AI 模型的数据将是获得有意义的响应信息的关键。Kögler 说，这包括通过包含来自其他来源的信息以获得更多上下文来丰富数据，并试图消除传感器数据中的混乱。

不过，就今天而言，他指出，永远不要确定一切都会按照预期的方式进行是明智的，而模拟对于尽可能以正确的方式起步至关重要。“今天它就像莱特兄弟的第一架飞机，还有很多工作要做——比如登陆月球——在我们能够将特斯拉送入外太空之前，”科格勒以类比的方式说。

最后，他提醒听众要记住，“好的人工智能始于人类和业务流程，甚至是文化变化：“所以要以人为本，以获得商业价值。”

相关帖子DA内容精选