През юни Accenture представи докладът The Art of A.I. Според него само 12% от анкетираните за целта на проучването компании използват изкуствен интелект (AI) на ниво зрялост и постигат превъзходен растеж и бизнес трансформация.
Оказва се, че 63% от компаниите, които използват изкуствен интелект, всъщност само надраскват повърхността, пише dice.com.
Изкуственият интелект може да осигури значителни ползи за корпоративните организации във всеки сектор, но потенциалът на технологията все още е далеч от достигане на максимума.
Докладът идентифицира четири ключови предизвикателства, с които бизнесите ще се сблъскат, докато преминават към AI през 2023 г. Разбирането на тези предизвикателства може да помогне на организациите да изградят пътна карта и собствените си AI стратегии.
Първа част на материала можете да прочетете тук
Инвестиции в среда за таланти, технологии и данни
Изкуственият интелект и машинното обучение навлязоха сериозно в нашия свят и затова има все повече компании, които предлагат такива решения. Платформите за автоматизация на машинно обучение се развиват заради потенциала си да ускоряват и увеличават работата, която извършват учените с данни.
Четири ключови предимства на новите AI решения са: откриване на модели, изграждане на канали за данни, функции за валидиране и откриване на бизнес прозрения.
Новите технологии, които позволяват откриването на модели в данните, могат да дадат на екипите за инженеринг на данни и наука за данни възможността бързо да преминат от необработени, релационни корпоративни данни към нуждите на машинното обучение. Изграждането на тръбопроводи за данни за машинно обучение е свързано със способността да се захранват магазини с нови и актуални функции, готови за машинно обучение, които могат да се използват във възможно най-много случаи.
Изследователите на данни могат също да намалят времето за разработка и да осигурят по-добри модели с вече проверени функции чрез валидиране на функции за машинно обучение, за да идентифицират колко "ценна" може да бъде дадена функция за даден модел.
Накрая, новите решения могат да стимулират откриването на бизнес прозрения. Машинното обучение обработва огромни количества данни, но въпреки че не всички може да са ценни, тези нови технологии могат да намерят модели в данните и да ги използват дори извън сферата на машинното обучение.
AI технологиите непрекъснато се променят и подобряват, което представлява предизвикателство за компаниите. Един от проблемите е и прозрачността. Една компания може да разработи сложен модел за прогнозиране на продажбите и търсенето или за управление на инвентара, но може да не разбере как работи моделът.
Другият проблем с автоматично откритите функции е, че компаниите може погрешно да вярват, че тези решения могат да заменят техните талантливи екипи и инвестиции в развитие на новите технологии. Платформите за автоматизация с изкуствен интелект са инструменти, разработени за специалисти по данни, а не техни заместители. С тези инструменти специалистите по данни могат да станат по-продуктивни и да премахнат много от разочарованията, които забавят процесите на разработка.
Отговорен AI и прозрачност
Концепцията "Отговорен изкуствен интелект" се превърна в модна дума за индустрията, като компании като Google популяризират AI, който "не вреди", а Microsoft - "облак за глобално благо". В тези лозунги обаче има нещо повече от това, което се вижда на пръв поглед.
От самото начало компаниите обмислят как ще използват своите модели за машинно обучение и какви данни ще използват. Има няколко начина, по които един модел на машинно обучение може да навреди. Той може да се представи по-слабо и да повлияе отрицателно на организацията или да бъде кодиран без разбиране на непредвидените последици от използването му.
Например компания за кредитен рейтинг, разработваща модел за машинно обучение, за да даде на клиентите кредитна оценка само за секунди. Тя обаче трябва да обмисли какви данни е етично да използва. Пол, раса, пощенски код или други данни могат да повлияят на кредитния рейтинг и специалистите по данни трябва да се запитат дали използването на такива данни е етично.
Модели за машинно обучение и AI нямат присъщи понятия като "отговорност" или "етика" и могат да дискриминират и да бъдат пристрастни. Има етични отговорности, които идват с разработването и използването на модели за машинно обучение. Прозрачността е от решаващо значение за осигуряване на етично използване на моделите за машинно обучение. Жизненоважно е за всички в компанията, а не само за специалистите по данни, да разберат как алгоритъмът стига до своите заключения и какви данни са използвани в процеса.
Когато моделът за машинно обучение може да реши изключително сложни проблеми, но хората имат предизвикателства да разберат как моделът достига до заключения или прави прогнози и какви данни използва, тогава му липсва прозрачност. Тези така наречени "черни AI кутии" могат да бъдат проблематични.
Проследимостта, от друга страна, се отнася до способността на разработчиците да "проследят" елементите от данни, които са били използвани в конкретни прогнози и в специфични функции, свързани с всеки даден модел.
Машинното обучение трябва да бъде лесно за разбиране, прозрачно, отговорно и достъпно. Четирите взаимосвързани предизвикателства, пред които индустрията и светът са изправени днес, ще оформят нашето бъдеще. Създаване на управлявана от бизнеса AI култура ще определи от самото начало как организациите ще овладеят машинното обучение.
