211service.com
AI-teknologier som betyr noe nå: Forsterkning av mennesker, prosesser og potensial
Levert av SAS
Jim Goodnight er medgründer og administrerende direktør i SAS.
Fra masseovervåking til tankelesende maskiner, ser hver ny dag ut til å bringe en annen alarmerende spådom om potensialet til kunstig intelligens å forandre verden.
Men vi gir ikke nok oppmerksomhet til de praktiske AI-applikasjonene som er i bruk hver dag. Disse virkelige applikasjonene er ikke skumle eller futuristiske. Du kan til og med kalle noen av dem verdslige. Men de gir praktisk verdi til bedrifter og forbrukere, og de fører oss ikke til forestående undergang.
AI har potensialet til å forandre vår verden. Men det kommer ikke til å gjøre det gjennom sansende roboter eller datamaskiner som tar kontrollen fra mennesker. AI-applikasjonene vi ser vil oftere øke menneskelig aktivitet enn å erstatte den.
Ettersom vi fortsetter å være vitne til økt datakraft og en mer tilkoblet verden, vil praktiske AI-teknologier som naturlig språkbehandling , datamaskin syn , og spesielt maskinlæring vil spre seg og bli enda mer nyttig. Dette er de praktiske anvendelsene av AI som vil forbedre livene våre.
Dataforskere gjennomgår varmekart for datasyn som brukes til å identifisere dyrespor for bevaringsarbeid. Med tillatelse fra SAS
Naturlig språkbehandling . I dag har du tilgang til AI rett i lommen. Jeg kan spørre mobilen min hva temperaturen er ute eller når matbutikken nede i veien stenger for dagen. Telefonen min forstår spørsmålet mitt, får tilgang til svaret på nettet og svarer deretter på spørsmålet mitt på mitt språk.
Evnen til å tolke og behandle språk er en raskt voksende bruk for AI. Utenom personlig bruk på telefonene våre, kan generering av naturlig språk gi kontekst for resultatene du ser i en rapport, forklare resultatet av en maskinlæringsmodell eller spørre om du ønsker ytterligere analyser. Disse verbale forklaringene kan gjøre komplekse analyser tilgjengelige for flere mennesker, selv om de ikke har en dyp bakgrunn innen analyse.
Naturlig språkbehandling driver også chatbots som gir informasjon til kunder på nettet. Hvis du går til sas.com og velger å chatte, bruker vi vår egen teknologi for å kommunisere med kunder. Vi har fortsatt live, menneskelige chat-representanter. Men for mange av forespørslene folk har, kan en datamaskin gi automatiserte svar. Det frigjør chat-personalet vårt til å fokusere på mer komplekse spørsmål.
Datamaskin syn. En annen måte å demonstrere AI på er gjennom datasyn. Denne metoden fortsetter å finne nye og innovative brukstilfeller.
Leger bruker datasyn for å måle og klassifisere svulster på medisinske bilder. Naturvernere bruker datasyn for å analysere bilder av dyrefotavtrykk for å overvåke truede arter uten invasive merker.
Datasyn er selvfølgelig også avgjørende for selvkjørende kjøretøy, inkludert biler, lastebiler og nyttekjøretøyer som brukes i fabrikker og varehus. Flere selskaper er banebrytende kjøretøy som bruker datasyn og sensorer for å se verden rundt seg. Teknologien gir kjøretøyene 360-graders utsikt, med lasere som oppdager gjenstander opptil hundrevis av meter unna.
Datasyn er også drivkraften for fremtiden til detaljhandelen, fra kasseløse kasser til visuelle anbefalinger til å forutsi etterspørselen.
Maskinlæring . Ny bruk av AI og prediktiv analyse har potensialet til å endre nesten alle fasett av hver organisasjon. Ta anti-hvitvaskingsteknologi (AML). Hundrevis av organisasjoner over hele verden bruker AML for å identifisere problematiske eller ulovlige økonomiske transaksjoner over hele verden. Ved å legge til AI og maskinlæring til eksisterende AML-teknologi, har vi sett en reduksjon av falske positiver med 50 % til 70 %. Det betyr færre transaksjoner for manuell intervensjon, noe som lar personalet fokusere mer på saker som virkelig er skadelige for selskapet og dets kunder.
Mange av mine favoritt AI-brukstilfeller har det samme elementet for å gjøre mennesker mer produktive. AI og maskinlæring kan forbedre og forsterke viktig arbeid som allerede gjøres rundt om i verden. De tar det som allerede fungerer og gjør det bedre.
Mange spør hvilke maskinlæringsmodeller som skal brukes til hvilke problemer. La oss se på fire typer maskinlæringsmodeller og beskrive noen scenarier de ofte brukes i.
- Nevrale nettverk. I finansverdenen hjelper nevrale nettverk etterforskere med å finne og stoppe svindel ved å avdekke trender på tvers av millioner av transaksjoner. ERGO, et tysk forsikringsselskap, bruker prediktiv analyse fra SAS for å finne uberettigede krav. Kunder bruker også nevrale nettverk i bygningene sine for å optimalisere strømforbruket og forutsi mekaniske feil.
- Beslutningstrær. Gjennom bruk av beslutningstrær har vi hjulpet raskt voksende Wake County, North Carolina, til å gjøre eiendomsskattevurderinger mer rettferdige og mer nøyaktige. Vi samarbeider med mange skattemyndigheter for å avdekke skattesvindel og finne borgere som har underoppgitt inntekt.
- Regresjonsmetoder. Regresjonsmetoder er en utprøvd statistisk praksis, og de finner nytt liv i AI-tiden. Vi kan bruke denne teknologien til å bedre forstå målmarkedene. For offentlige etater kan regresjonsmetoder bidra til å identifisere svindel og avfall i eksisterende programmer. For banker og finansbedrifter kan det føre til bedre risikovurderinger og skape grunnlag for et adaptivt, mer nøyaktig anti-hvitvaskingsprogram.
- Prognoser. Prognoser lar store offentlige programmer ta hensyn til endringer i populasjoner og forstå hvordan disse endringene påvirker offentlige tjenester. I den elektriske produksjonsindustrien overvåker selskaper konstant nettet og undersøker værdata for å sikre at strømmen er der når du trenger den. Eni – et italiensk energiselskap – bruker SAS prediktiv analyse for å kontrollere, rense og forberede geologiske brønndata. Dette hjelper Eni med å automatisere og avgrense sin oljeleteprosess.
Mange faktorer driver hypen og interessen for AI: Internett, digitalisering av analoge data, økt bruk av bilder og video for å kommunisere, tingenes internett og vår evne til å fange og lagre disse dataene med skyteknologier.
Etter mer enn 40 år med utvikling og implementering av analyseprogramvare, har jeg et optimistisk syn på teknologi og dens evne til å forsterke og forsterke vårt menneskelige potensial.
Mens AI vil forstyrre og endre visse jobber og bransjer, har vi som mennesker nysgjerrigheten og lidenskapen til å styre disse kraftige teknologiene for å oppnå det som en gang var umulig. Kreativitet, problemløsning og evnen til å samarbeide med forskjellige team vil være enda viktigere når vi beveger oss inn i fremtiden med AI. Sammen med teknologi vil mennesker fortsette å forbedre livene våre og verden rundt oss.