您当前的位置:首页>> 金融

【IBM 人工智能文章】企业如何用好AI?这三点需要特别注意

发布时间:2019-11-07 15:32内容来源:未知 点击:

      《这就是 Watson》系列之二

      《这就是 Watson》系列博客的作者为IBM Data and AI 总经理Rob Thomas,旨在解释如何才能在 AI 领域取得制胜法宝,并展望 AI 无处不在的市场前景。

      多年来,IBM 携手众多客户,应对数据需求并制定数据战略。显然,数据和 AI 就像同一枚硬币的两面;正是基于这种理解,催生出了人工智能阶梯的概念。IBM 持续在数据科学和机器学习领域开展技能培训;与标准组织合作建立新的数据科学认证体系;甚至出资组建了一支专家团队 IBM Data Science Elite Team(IBM数据科学精英团队,简称 DSE),帮助客户将其首个 AI 模型在 IBM 平台上投入生产。

      根据我们以往的经验,如果企业期望在 AI 方面占据领先地位,需要关注三个至关重要的领域:差异化平台、技能和研究。下面,我将逐一剖析每个领域。

      差异化平台

      值得关注的是,超过 90% 的 AI 技术都属于“通用知识”。因此,AI技术之间的差异在于公司在强化技术和提升产品化方面,如何取舍。与 Google 和 Amazon 这些公司相反,IBM 出于一些必要的考虑(比如,不收集消费者数据,对使用公共数据集极度谨慎,企业客户对于定制化 AI 的需求 等等),Watson 专注于 AI 技术产品化,即能够让客户用更少的数据和专业知识训练和定制模型的技术。IBM Watson 具有一些独一无二的优势:

      1. AI 定制便捷化。比如,意图分类(Watson Assistant 的核心)功能可帮助企业从小型训练集中学习知识。这意味着,您不需要招聘大批人员进行数据标注。这项技术在市场上取得了巨大的成功,比如苏格兰皇家银行(在第一篇博文中已提及)、巴西 Bradesco 银行、法国国民信贷互助银行、英国沃达丰移动网络公司等企业都采用了该技术。

      2. AI 自动化。比如,我们的 AutoAI 技术能够赋予普通数据科学家超能力。我们可自动执行 80% 的核心数据科学流程,比如数据准备、算法选择和特征工程等流程。这是 Watson Studio(模型构建和训练平台)提供的独特功能。

      3. AI 模型的可解释性。在信任至上的时代,每家企业都想以轻松(且合规)的方式了解 AI 究竟如何做出决策。IBM Watson Openscale 能帮助用户了解其模型的日常表现、出现的偏移、可能存在的偏见,以及如何解释模型产生的。这项技术适用于任意 AI 工具,而非仅限于 Watson。

      4. 嵌入式能力。任何企业都可以利用 Watson 技术,来让自己的产品变得更好。

      Watson 是否完美无缺?当然不是。但 Watson 是不是一个伟大的软件?绝对如此。如果您对此尚有疑问,我建议您试用一下 Watson 系列工具,非常简单易用,结论不言自明。

      技能

      企业面临的最大挑战,是在应用数据科学和 AI 领域所需技能的深度和广度。AI 让许多企业激动不已,但是当企业在扩展 AI 应用范围时,往往极度缺乏数据科学家。企业可以用两种方式来解决这种技能短缺:

      1. 自动化。只要出现供(技能型员工)需(对特定技能的需求)不匹配,自动化技术就会变得非常重要。借助前面提到的 AutoAI 这类技术,我们能够大大增强普通数据科学家的能力。此外,借助今年二月份推出的 AI Skills Academy (AI 技术学院)这类项目,我们还能从一开始就帮助企业培训人才。

      2. 专家经验。去年,IBM 建立了一支名为“Data Science Elite”的团队。该团队由一些全球最优秀的数据科学家组成,为客户提供免费现场支持。他们的使命是构建、训练客户的首个 AI 模型,并将之投入生产。一个单点的成功就能激励整个企业取得更多突破。

      我们看到很多客户都取得了成功,获得了许多有力的客户证言,比如:

      “对我们来说,与 Data Science Elite 团队的合作是一股重要的加速力量,”Wunderman Thompson 公司首席技术官 (CTO) Adam Woods 表示,“我们竭尽全力为机器学习构建一个完全分布式的架构,但是资源是我们面临的最大挑战。我们的团队能够从日常工作中解放出来,有组织地学习和构建概念验证(proof of concept)。在 Data Science Elite 团队的帮助下,我们能展开更密切的合作。我们的数据科学家专注于明确迫在眉睫的业务需求,而 IBM 团队 则聚焦于技术实现。这种通力合作帮助我们通过 Watson 建立了机器学习管道,进而充分利用我们的所有数据信号生成模型,并使模型性能较之以往提升了 200%,甚至更多。目前,我们正积极将这些模型投入生产环境。”

      研究

      为了在 AI 领域与时俱进,我们必须持续探寻并一直站在 AI 最前沿。IBM 发布的研究会议报告和论文每年增长 93%。正如外界所评价的,我们投资的 MIT-IBM Watson AI Lab 产生的影响力与日俱增。在监管式学习和非监管式学习领域的专利领域,IBM 位居全球十大企业之列。我们还是少数几家拥有专门研究 AI 创新主题的独立研究机构的企业之一,这让我们感到无比自豪。

      今年早些时候,我们在 IBM 的 THINK 2019 大会上发布了 AI 辩手—— Project Debater。这个项目展示了 AI 系统如何在现场辩论赛中与专业的人类辩手进行辩论。事实上,这是首个也是唯一一个由 AI 驱动的计算型增强工具,它能够接收信息,并针对性地提出有说服力的论点。自然语言处理 (NLP) 技术是 Project Debater 的核心,这也是我将 NLP 称为 AI 神经系统的原因之一。

顶一下
(0)
0%
踩一下
(0)
0%
------分隔线----------------------------