Станет ли в этом году принятие решений ИИ более прозрачным?
Независимо от того, сколько ваш ИТ-бизнес использует сейчасискусственный интеллект, ожидайте, что вы будете использовать больше в 2018 году. Даже если вы никогда не занимались ИИ-проектом, этот год может стать подходящим для того, чтобы превратить разговор в дело.ДелойтОб этом сообщил управляющий директор Дэвид Шацкий. «Количество компаний, работающих с ИИ, растет», — сказал он.
Ознакомьтесь с его прогнозами ИИ на год вперед:
1. Ожидайте больше пилотных проектов корпоративного ИИ
Многие из готовых приложений и платформ, которые мы обычно используем сегодня, включают ИИ. «Помимо этого, все больше и больше компаний экспериментируют с машинным обучением или обработкой естественного языка для решения конкретных задач, либо для понимания своих данных, либо для автоматизации внутренних процессов, либо для улучшения собственных продуктов и услуг», — сказал Шацкий. .
"Помимо этого, интенсивность компаний, работающих с ИИ, возрастет, — сказал он. — Первые его последователи уже ведут пять или чуть меньше проектов, но мы думаем, что это число вырастет до десяти. Или у них будет больше планов". По его словам, одна из причин такого прогноза заключается в том, что технология искусственного интеллекта становится лучше и проще в использовании.
2. ИИ уменьшит текущую нехватку специалистов по обработке и анализу данных
Таланты — большая проблема в науке о данных, и большинству крупных компаний трудно нанять специалистов по данным, в которых они нуждаются. По словам Шацкого, ИИ может взять на себя часть этого бремени. «Практика обработки данных постепенно становится инструментом автоматизации, предоставляемым стартапами и крупными, признанными поставщиками технологий», — сказал он, пояснив, что многие работы в области обработки данных повторяются и утомительны, и пришло время для автоматизации. «Ученые по данным не умрут, но они будут более продуктивными, поэтому компания, которая может выполнять только некоторые проекты по науке о данных без автоматизации, сможет использовать автоматизацию, чтобы делать больше, хотя она не может нанять больше специалистов по данным».
3. Синтетические модели данных устранят узкие места
Прежде чем вы сможете обучить модель машинного обучения, вам нужно получить данные для ее обучения, отмечает Шацкий. Он сказал, что это непросто: «Обычно это узкое место в бизнесе, а не в производстве. В некоторых случаях вы не можете получить данные из-за правил, касающихся медицинских карт и финансовой информации».
По его словам, синтетические модели данных могут брать небольшое подмножество данных и использовать его для создания более крупных наборов, которые могут понадобиться. «Если ранее для обучения модели вам требовалось 10 000 точек данных, а вы получили только 2 000, теперь вы можете сгенерировать недостающие 8 000 точек данных и продолжить обучение своей модели».
4. Принятие решений ИИ станет более прозрачным
Одна из бизнес-проблем ИИ заключается в том, что он часто работает как черный ящик. То есть, когда вы обучаете модель, она выдает ответы, которые вы не можете объяснить. "Машинное обучение может автоматически обнаруживать закономерности в данных, которые люди не могут видеть, потому что данных слишком много или они слишком сложны, — сказал Шацкий. — После обнаружения этих закономерностей оно может предсказывать новые данные, которых оно не видело". "
Дело в том, что иногда вам действительно нужно знать причину открытия или предсказания ИИ. «Возьмите в качестве примера медицинское изображение, и модель говорит, что на основе данных, которые вы мне дали, существует 90-процентная вероятность того, что это изображение является опухолью». Модель говорит: «Я не знаю, это то, что предполагают данные».
По словам Шацкого, если вы будете следовать данным, вам придется проводить диагностические операции на пациентах. Это сложная просьба, когда вы не можете объяснить, почему. «Но во многих случаях, даже если модель дает очень точные результаты, никто не хочет в нее верить, если она не объясняет, почему».
Есть также случаи, когда из-за правил вы действительно не можете использовать данные, которые не можете интерпретировать. "Если банк отклоняет заявку на получение кредита, он должен иметь возможность объяснить, почему, — сказал Шацкий. — Это правило, по крайней мере, в США. Традиционно телефонным звонком звонит дистрибьютор-человек. Модель машинного обучения может быть более точным, но если он не объясняет свой ответ, его нельзя использовать».
Большинство алгоритмов не предназначены для объяснения их рассуждений. "Поэтому исследователи находят хитрые способы позволить ИИ раскрыть секреты и объяснить, какие переменные повышают вероятность того, что у этого пациента будет опухоль, - сказал он. - Как только они это сделают, люди смогут найти ответ и понять, почему они пришли к этому". заключение."
Это означает, что открытия и решения ИИ могут быть использованы во многих областях, что сегодня невозможно, сказал он. «Это сделает эти модели более надежными и более удобными в деловом мире».
via: предприятия project.com/article/201…
автор:Minda ZetlinПереводчик:Wuod3nВычитка:wxy
Эта статья написанаLCTTоригинальная компиляция,Linux КитайЧесть запуска