企業(yè)應(yīng)該如何采用人工智能?

人工智能開發(fā)中，開發(fā)者在一端，安裝者在另一端。根據(jù)企業(yè)的業(yè)務(wù)項(xiàng)目，可能會(huì)發(fā)現(xiàn)中間位置是其充分利用這兩方面的最佳位置：

開發(fā)者：

創(chuàng)建新的模型和技術(shù)。這需要內(nèi)部技能以及大量的時(shí)間和投資。企業(yè)將擁有其所創(chuàng)造的知識(shí)產(chǎn)權(quán)，但除非是未采用現(xiàn)有人工智能(AI)軟件服務(wù)的企業(yè)，否則不太可能需要投入這么多時(shí)間和成本。

創(chuàng)新者：

利用嵌入式人工智能開發(fā)現(xiàn)有技術(shù)框架，以改進(jìn)流程。這條路線包括采用現(xiàn)成的模型。并定制它們以滿足企業(yè)的業(yè)務(wù)需求。企業(yè)將需要自己的數(shù)據(jù)科學(xué)家來(lái)完成這類工作，或者可以將其外包給具有快速項(xiàng)目交付能力的經(jīng)驗(yàn)豐富的團(tuán)隊(duì)。這有助于企業(yè)證明人工智能技術(shù)的價(jià)值，而無(wú)需作出巨大的財(cái)政承諾。通過(guò)調(diào)整軟件來(lái)解決客戶或業(yè)務(wù)問(wèn)題，企業(yè)將通過(guò)定制的解決方案獲得競(jìng)爭(zhēng)優(yōu)勢(shì)，而定制的解決方案不易被復(fù)制。

安裝者：

使用和調(diào)整現(xiàn)有技術(shù)。采用一個(gè)預(yù)先打包的軟件解決方案有時(shí)已經(jīng)足夠好，如果它能使企業(yè)快速而輕松地到達(dá)目的地，那么它可能是一種選擇。然而，它可能不會(huì)給企業(yè)帶來(lái)最好的結(jié)果，也可能不會(huì)給企業(yè)帶來(lái)太多的競(jìng)爭(zhēng)優(yōu)勢(shì)，因?yàn)槠髽I(yè)的競(jìng)爭(zhēng)對(duì)手能夠購(gòu)買完全相同的軟件并以相同的方式實(shí)現(xiàn)。

無(wú)論企業(yè)選擇哪條路線，都需要確保操作人工智能。這意味著持續(xù)管理模型，并在業(yè)務(wù)發(fā)生變化時(shí)預(yù)測(cè)其演變。

開始時(shí)需要什么?

在邁出人工智能之旅的第一步之前，仔細(xì)考慮人工智能是否是解決問(wèn)題的正確工具。約束優(yōu)化和商業(yè)智能系統(tǒng)等傳統(tǒng)工具通�？梢酝耆珴M足要求。企業(yè)可能需要咨詢受信任的開發(fā)團(tuán)隊(duì)，以了解人工智能是否是為企業(yè)的業(yè)務(wù)增值的一種正確選擇。

一旦企業(yè)確定人工智能是正確的路線，將需要收集將建立決策的基礎(chǔ)數(shù)據(jù)和元數(shù)據(jù)(有關(guān)基礎(chǔ)數(shù)據(jù)的數(shù)據(jù))。這需要構(gòu)建具有高度細(xì)節(jié)的結(jié)構(gòu)化信息。通常，企業(yè)擁有的數(shù)據(jù)越多，結(jié)果就越好。

與任何軟件開發(fā)項(xiàng)目一樣，企業(yè)需要一個(gè)計(jì)劃和流程。人工智能項(xiàng)目需要大規(guī)模和冗長(zhǎng)的過(guò)程，這是一種常見的誤解。人們經(jīng)常發(fā)現(xiàn)最好的方法解決特定的問(wèn)題，并將其從研究和開發(fā)轉(zhuǎn)移到實(shí)施階段和概念證明。一般在幾周內(nèi)，而不是幾個(gè)月。

這意味著企業(yè)需要與經(jīng)驗(yàn)豐富的開發(fā)公司合作，他們可以快速地試用和測(cè)試產(chǎn)品，讓企業(yè)充滿信心地向前邁進(jìn)。

如果企業(yè)有遺留系統(tǒng)，不要擔(dān)心，它們不是人工智能的障礙�？萍脊�司能夠?qū)⑴f系統(tǒng)與新系統(tǒng)連接起來(lái)，使數(shù)據(jù)能夠順暢地傳輸，而不會(huì)妨礙創(chuàng)新的新技術(shù)。

人工智能(AI)和機(jī)器學(xué)習(xí)(ML)正在成為人們工作方式中不可或缺的一部分。讓企業(yè)進(jìn)入這個(gè)新舞臺(tái)：

確定一些潛在的項(xiàng)目/挑戰(zhàn)，并審查人工智能(AI)如何提供解決方案。確定成功的模式，并確保解決方案能夠滿足這一要求。

檢查數(shù)據(jù)來(lái)自現(xiàn)在和將來(lái)的位置，并闡明清理和轉(zhuǎn)換數(shù)據(jù)所需的工作量。

通過(guò)有監(jiān)督的學(xué)習(xí)，企業(yè)的模型只能與提供的預(yù)先標(biāo)記的數(shù)據(jù)一樣好。在開發(fā)、測(cè)試期間以及模型發(fā)布后，不斷檢查驗(yàn)證標(biāo)記數(shù)據(jù)的過(guò)程。

制定重新培訓(xùn)模型的計(jì)劃。這可能是因?yàn)樾畔⒘扛�大，使企業(yè)能夠提供更好的洞察力，或者必須對(duì)基礎(chǔ)業(yè)務(wù)環(huán)境中的變化做出反應(yīng)。無(wú)論采用哪種方式，企業(yè)的模型都可能需要重新訓(xùn)練以確保質(zhì)量。

隨著企業(yè)的智能系統(tǒng)成功運(yùn)行，將為更多的人工智能業(yè)務(wù)案例和提供的持續(xù)改進(jìn)奠定堅(jiān)實(shí)的基礎(chǔ)。