企业的AI层和物联网

根据德勤去年的预测,截至2016年底,按收入划分全球100家最大的企业软件公司中有80多家将认知技术融入其产品中。“Gartner还预测,新投资的40%企业将在2020年前进行预测分析。人工智能正迅速进入企业,人工智能的发展可以创造价值。

通过考虑“企业AI层”可以看到该价值所在。这个AI层专注于解决领域特定的相对普通的问题。虽然这不像AI最初的愿景那样“性感”,但它为公司带来了实实在在的好处。

在这篇简短的文章中,我们提出了一个逻辑概念,称为企业AI层。我们可以将这个层看作是对数据仓库或ERP系统的扩展。这对于具有明确商业模式的企业具有切实的好处。AI层还可以结合物联网数据并统一不同的生态系统。

企业级AI:智能数据仓库/ ERP系统?

人工智能使计算机能够做得比人类更好,尤其是在从大量非结构化或半结构化数据中发现规律。诸如机器学习,自然语言处理(NLP),语音识别和计算机视觉等技术。更具体地说,AI使用一种自我学习的算法。

为了理解这一点,我们必须问:我们如何训练大数据算法?

有两种方法:

  • 从规则开始,将它们应用于数据(自上而下)。
  • 从数据开始,从数据中找到规则(自下而上)

自上而下的方法需要为所有可能的情况编写足够的规则。但是这种方法显然受到规则数量和有限的限制。自下而上的方法适用于两种情况。首先,规则可以从数据(垃圾邮件/无垃圾邮件)中提取得到。即当算法可以被训练时,这是传统的机器学习。但更极端的情况是没有例子来训练算法。

“没有例子”是什么意思?

  • 没有模式。
  • 线性(序列)和层次结构未知。
  • 输出未知(非确定性)。
  • 问题区域不是有限的。

因此,这不是一个容易解决的问题。然而,如果可以创建AI算法来学习和自我训练手动重复性的任务,那么企业就会获得收益 - 特别是当任务涉及结构化和非结构化数据时。

我们如何可视化AI层?

一种简单的方法是将其视为“智能数据仓库”,即对数据仓库或ERP系统的扩展。

例如,一个组织将转录呼叫中心代理与客户的交互数据,应用于深度学习算法创建更智能的工作流程,机器人等。

企业AI层:对企业意味着什么

所以,如果我们为企业设想这样一个概念性的AI层,那么对于它可以提供的新服务来说它意味着什么?这里有些例子

  • 机器人:机器人是使用人工智能来自动执行重复性任务的一个很好的例子,例如安排会议。机器人往往是AI参与的起点,特别是在零售和金融服务领域
  • 从文本/语音叙述中推断的应用:用于检测可疑行为的安全应用程序,可以辨别患者描述的症状的算法等。
  • 从海量数据中检测模式:使用日志文件预测未来的故障,预测网络攻击等。
  • 从大型数据集创建知识库:例如,一个可以读取所有维基百科或GitHub的AI程序。
  • 按比例创建内容:使用机器人替换作家,甚至可以创作流行歌曲
  • 预测未来的工作流程:使用现有模式预测未来的工作流程
  • 大众个性化:在广告中。
  • 视频和图像分析:无人驾驶飞机的碰撞避免,自动驾驶车辆,农作物健康分析等。

这些应用程序为企业的服务提供了竞争优势:差异性,专一性和个性化。他们拥有简单的商业模式(例如被部署为高级功能/新产品/降低成本)。

企业AI层和物联网

所以,最后一个问题是:企业层对于物联网意味着什么?

物联网具有巨大的潜力,但面临着固有的问题。目前,物联网是以垂直的方式实现的,而这些设备间并不相互交流。为了充分发挥物联网的潜力,在各个孤立点之上的覆盖“连接层”。从电信行业来看,这些想法并不新鲜,移动/电信行业生态系统的赢家iPhone和Android--成功实现了这一点。

首先,AI层可以帮助从数十亿数据点获得可行的见解,这些数据点来自孤立的物联网设备。好处是显而易见的,因为来自各个方向的物联网数据可用作AI层的输入。深度学习算法在物联网分析中发挥着重要作用,因为机器数据具有时间因素。设备在不同条件下可能会有不同的表现。因此,捕获算法的数据预处理/训练阶段的在面对所有场景时是有困难的。深度学习算法可以通过使算法自我学习来帮助减轻这些风险。

我们可以在企业范围内扩大“机器教学其他机器”的概念。企业中的任何实体都可以培训企业中的其他“同行”实体。这可能是一个建筑学习其他建筑 - 例如学习飞机或石油钻井平台。我们在Salesforce.com和Einstein看到了这种方法的早期例子。从长远来看,强化学习是驱动企业物联网和AI层的关键技术 - 但在最初,任何自我学习算法的技术都可以帮助完成这些任务

结论

在这篇简短的文章中,我们提出了一个逻辑概念,称为企业的AI层。我们可以将这个层看作是对数据仓库或ERP系统的扩展。这对于具有明确商业模式的企业具有切实的好处。AI层还可以结合物联网数据并统一不同的生态系统。这并不容易,但它是值得研究的,因为在企业周围创建这样一个AI层的收益是巨大的!

本文的版权归 魔法少女伊莉雅 所有,如需转载请联系作者。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏AI科技大本营的专栏

机器学习到底能创造什么价值?我们精选了9位从业者的答案

来源 | HackerNews 编译 | 晓查 不温不火的机器学习忽然蹿红业界,也就是这两三年的事,于是不仅传统行业,连风光一时的互联网公司也开始疑惑:我们要不...

28611
来自专栏机器人网

常见的机器学习9个误区

机器学习已经被证明是很有用的,但也容易被假设可以解决所有问题、适用于所有情况。和其他工具一样,机器学习在特定领域很有用处,特别是那些你一直都知道有、但永远无法雇...

963
来自专栏互联网数据官iCDO

运营研究的3个方法:过程法、要素法、分类法

作者:平章大人 全文共 2582 字 7 图,阅读需要 7 分钟 ———— / BEGIN / ———— 研究了这么久的营销和运营,我越发深刻地认可一句话:“上...

3137
来自专栏新智元

【技术辟谣】Facebook机器人发明语言系误读,专家访谈还原真相

【新智元导读】Facebook AI “发展出人类无法理解的语言” 火了,但这实际上源自一些媒体的误读和炒作。研究计算机是否能(非监督地)独立产生自己的语言本身...

3274
来自专栏IT大咖说

从算法到应用,新零售背后的推荐系统

内容来源:2018 年 05 月 26 日,袋鼠云高级算法专家尼奥在“AICAMP人工智能沙龙(杭州)”进行《新零售推荐系统:从算法到应用》演讲分享。IT 大咖...

3384
来自专栏AI科技评论

百度王海峰Quora精华整理:未来5-10年,NLP领域将会有什么进展?

AI科技评论按:近日吴恩达发文将在4月底离职百度。几乎在同一时间,百度也宣布进一步深度整合,将包括NLP、KG、IDL、Speech、Big Data等在内的百...

3234
来自专栏人工智能头条

deepart.io创始人专访:科研算法的敏捷应用

2084
来自专栏AI研习社

数据咨询师经验之谈:90% 的公司并不需要机器学习

编者按:掌握一件工具之前,首先要搞清楚用它做什么。而本质是工具的机器学习,近年来逐渐演变成一股潮流。 在美国企业数据方案咨询师 Eric Brown 看来,当下...

3817
来自专栏机器学习原理

2018苏州GTC会议笔记主题演讲可解释性、鲁棒性和公平性:THUIR 个性化推荐研究进展 [CH81402]机器学习的发展和行业应用前景 [CH8502]用 TensorFlow 加速 AI [CH

NVIDIA 创始人兼 CEO 黄仁勋先生关于计算领域之未来的主题演讲。 演讲人:黄仁勋 NVIDIA 创始人兼 CEO 2018/11/21 周三 1...

1774
来自专栏人工智能头条

【AI创新者】IBM宋煜:Watson之外的第二条AI通路

2166

扫码关注云+社区

领取腾讯云代金券