企业如何玩转人工智能?

创业故事 阅读(775)
?

  由机器之心与上海市北高新联合主办的市北GMIS邀请到AI世界“净红级”角色 - Andrew Ng(AndrewNg)。吴恩达是斯坦福大学的教授,Landing.ai的创始人兼首席执行官,在线教育平台Coursera的联合创始人,以及人工智能和机器学习领域最权威的学者之一。接下来是安德鲁带给我们的主题演讲 - 《企业的人工智能转型》,让我们来看看吧!

安德鲁说,从过去几年AI的表现来看,它可以被称为“新力量”,人工智能的发展势头仍然非常快。

从人工智能相关职位的空缺和人工智能相关论文的逐渐增加,到各种财务报告中显示的人工智能收入数据,我们可以清楚地看到软件和互联网行业经历了一次非常重要的转变,以及更多和更多的软件行业。拥抱人工智能,越来越多的软件行业以外的行业也在接受人工智能。

麦肯锡预测,到2030年,人工智能将从人工增长13万亿美元增长,人工智能将影响零售,旅游,运输,物流,医疗,制造等方面。

此外,AI的门槛显着降低,几乎任何人都可以使用云服务。例如,通过AWS(亚马逊云服务),人们只需输入自己的密码并支付2,000美元即可完成Google团队可以完成的实验。

如今,互联网上有许多在线课程。近250万在线学习者主动花时间或花钱在机器学习上,学习者不仅来自软件行业,而且软件行业以外的许多人开始学习编程和学习一些。基本的机器学习。

最令人印象深刻的是制造商会议,来自世界各地的许多人一起展示他们的项目。从印度来到加利福尼亚的一个孩子正在展示他制作的机器人。这个机器人不仅可以拍摄农场的照片,还可以使用机器学习算法来查看作物是否已经成熟 - 但是孩子只有12岁。同一个机器学习项目,要求斯坦福大学博士生五年前完成,现在只需要一个12岁的学生借用开源平台提供的工具。因此,当前的AI不仅依赖于数据和计算能力,还需要利用人才,思想和工具。

如何选择AI项目?

从一个小项目开始。安德鲁以谷歌的经验为例。当他开始他的AI项目时,他实际上有很多持怀疑态度的声音。许多人(包括一些经理)并不真正相信深度学习,尽管仍然有很多人相信人工智能会真正影响他们的业务。

安德鲁的第一个内部项目是语音识别。当时,语音识别并不是谷歌最重要的项目,也不涉及广告业务。因此,在提高语音识别的准确性之后,团队开始帮助其他Google团队。努力帮助他们使用AI和深度学习来改善他们的表现和表现。然后,启动了语音识别功能,我们启动了谷歌地图的下一个项目,将深度学习应用于视觉识别以查看地图上的门牌号,并提高了地图的质量。用这张地图成功完成项目之后,我们得到了Google广告团队的认可.所以,很多公司开始进行AI项目识别,因为它们一开始太大了,如果他们从小项目开始,逐渐帮助你建立了良好的基础,项目着陆成功的概率将大大提高。

第二点是要明确AI项目从一些任务开始,这些任务可以帮助人们从自动化开始,而不是取代人们的工作。新闻中有很多关于AI将取代人类工作的报道,但事实上我们应该使用AI来自动完成某些任务,而不是替代工作。

大部分工作实际上由许多任务组成。人们通常做的一些工作实际上由许多小任务组成,其中一些可以自动化,例如,在成像医学领域,医生的工作。任务包括阅读电影,与其他医生沟通,为年轻医生提供指导等。换句话说,这位视频医生有很多工作要做,但其中一项任务是阅读扫描的电影。电影的工作可以移交给AI,以提高成像医生的阅读效率。

第三点是将人工智能与专业领域的知识相结合。例如,一些公司想要检测水下设备并确定设备是否泄漏。在过去,我们需要人类去水,但现在我们可以使用AI来确定是否存在泄漏。如下图所示,左侧是AI可以做的事情,右侧是对现有业务非常重要的事情,这两个圈子的重叠部分是适当的AI项目。

既然AI专家对左侧了解得更多,但是对于业务专家来说,了解右侧的这一部分,通常建议人们建立一个跨职能的团队来集体讨论并找到现有业务和AI之间的交叉项目。通常第一个项目不是最有希望的项目,所以建议至少集思广益六个不同的项目,然后用几周或几周的时间做一些研究,以确保项目可行,有价值,对业务有用。

独立研究或技术外包?

根据经验,许多机器学习项目要么由内部团队完成,要么外包给专业公司。例如,如果需要24小时工作的人工智能软件项目(如在线广告系统)需要大量的调试和维护,那么这些项目中的一些有时可以通过外包减轻公司的负担来帮助公司获得更快的进步;对于数据科学项目(例如数据科学家对广告数据的分析),它更多地是商业洞察力并在PPT中呈现,因此这些更多是在内部完成的。

对于大多数公司来说,如果当前项目处于行业标准水平,那么尽量避免自己做,例如制造业的视觉检查,这将是行业标准,所以这种事情不需要是在内部完成,并直接使用行业标准的东西,否则是一个非常大的浪费。

避免陷入AI误解

不要指望AI解决所有问题。 AI不是魔术。虽然它已经在某些特定领域取得了联系,但仍然有许多AI无法做到的事情;不要指望AI项目一次成功。人工智能应该逐步规划,一步一步的过程;不要指望雇用两三个机器学习工程师来解决所有问题,你应该建立一个跨学科,跨职能的团队,以便更好地找到可以解决技术问题的可行和有意义的项目;不要期望在不改变传统规划流程的情况下更好地发展,并与AI团队建立时间节点和KPI;并非所有公司都需要'超级明星级别的AI工程师,事实上,许多自学成才的AI工程师可以帮助您完成AI工作,关键取决于内部团队需要做什么。

人工智能的未来趋势

首先,我们已经看到第一个趋势是AI的兴起,但它仍然需要演变成一个系统的工程学科。这就像建桥梁。在古代,由于建筑桥梁没有足够的经验和理论支持,建筑桥梁需要许多技术顾问来探索和探索,但现在我们只需要大量的土木工程师到处建立安全可靠的桥梁。与人工智能相比,人工智能仍处于发展的早期阶段,在此期间可能存在许多问题和风险。人工智能发展成为一个更系统的工程学科非常重要。我们仍然需要数千个团队共同努力才能实现更可靠的AI。

第二是小数据的兴起。我们之前曾提到大数据,但现在我们不需要那么多数据。例如,工厂的视觉检查,现在很多人都在看智能手机的一些划痕。如果你有这样的一百万张图像,许多人工智能团队可以非常有效地识别好的和划伤的智能手机,但并非如此,工厂每次都会产生数百万个划痕的手机。

另一个非常有趣的趋势是加强学习的应用。例如,我们可以建立一个直升机模拟器,其中飞机可以通过强化学习在模拟中崩溃数十次,以通过模拟更好地控制物理直升机。强化学习可以应用于许多其他解决问题的任务,这可以帮助机器人更好地完成一些工作。

另一个是AI应用于边缘计算。现在很多AI都在云端,我们可以看到边缘服务器,如智能手机,智能音响等;我们可以看到对象服务器,本地数据中心基站等可以做更多的边缘设备计算,使得计算处于不同的层次。

而最后一个非常重要的趋势是5G的到来。 5G不仅可以用于游戏,还可以用于所有方面,这样我们就可以在云中更好地进行通信,从而使数据量更好地帮助AI开发。