Technologie AI, które mają teraz znaczenie: ulepszanie ludzi, procesów i potencjału

Dostarczone przez SAS

Jim Goodnight jest współzałożycielem i dyrektorem generalnym SAS.

Od masowej inwigilacji po maszyny do czytania w myślach, każdy nowy dzień wydaje się przynosić kolejną niepokojącą prognozę dotyczącą potencjału sztuczna inteligencja zmienić świat.

Ale nie poświęcamy wystarczającej uwagi praktycznym aplikacjom AI, które są używane na co dzień. Te rzeczywiste aplikacje nie są przerażające ani futurystyczne. Możesz nawet nazwać niektóre z nich przyziemnymi. Ale zapewniają praktyczną wartość dla firm i konsumentów i nie prowadzą nas do nadchodzącej zagłady.

Sztuczna inteligencja ma potencjał, aby zmienić nasz świat. Ale nie zrobi tego za pomocą czujących robotów lub komputerów, które odbierają kontrolę ludziom. Aplikacje AI, które widzimy, częściej będą wspomagać ludzką aktywność, niż ją zastępować.

Ponieważ nadal obserwujemy wzrost mocy obliczeniowej i bardziej połączony świat, praktyczne technologie sztucznej inteligencji, takie jak przetwarzanie języka naturalnego , wizja komputerowa , a szczególnie nauczanie maszynowe rozmnoży się i stanie się jeszcze bardziej użyteczny. To są praktyczne zastosowania sztucznej inteligencji, które poprawią nasze życie.

Naukowcy zajmujący się danymi przeglądają mapy cieplne wizyjne komputerowe, które są wykorzystywane do identyfikowania tropów zwierząt na potrzeby działań ochronnych. Dzięki uprzejmości SAS

Przetwarzanie języka naturalnego . Dziś masz dostęp do sztucznej inteligencji w swojej kieszeni. Mogę zapytać telefon komórkowy, jaka jest temperatura na zewnątrz lub o której godzinie sklep spożywczy w pobliżu zostanie zamknięty. Mój telefon rozumie moje pytanie, uzyskuje odpowiedź online, a następnie odpowiada na moje pytanie w moim języku.

Zdolność do interpretowania i przetwarzania języka to szybko rozwijające się zastosowanie sztucznej inteligencji. Poza osobistymi zastosowaniami w naszych telefonach generowanie języka naturalnego może zapewnić kontekst dla wyników wyświetlanych w raporcie, wyjaśniając wyniki modelu uczenia maszynowego lub pytając, czy potrzebujesz dalszych analiz. Te ustne wyjaśnienia mogą sprawić, że złożone analizy będą dostępne dla większej liczby osób, nawet jeśli nie mają oni głębokiego doświadczenia w analityce.

Przetwarzanie języka naturalnego obsługuje również chatboty, które dostarczają klientom informacje online. Jeśli pójdziesz do sas.com i zdecydujesz się na czat, korzystamy z naszej własnej technologii, aby kontaktować się z klientami. Nadal mamy żywych przedstawicieli czatu. Jednak w przypadku wielu próśb, komputer może zapewnić automatyczne odpowiedzi. Dzięki temu nasi pracownicy czatu mogą skupić się na bardziej złożonych pytaniach.

Wizja komputerowa. Innym sposobem zademonstrowania sztucznej inteligencji jest wizja komputerowa. Ta metoda nadal znajduje nowe i innowacyjne przypadki użycia.

Lekarze używają wizji komputerowej do mierzenia i klasyfikowania guzów na obrazach medycznych. Ekolodzy używają wizji komputerowej do analizowania zdjęć odcisków stóp zwierząt, aby pomóc monitorować zagrożone gatunki bez inwazyjnych znaczników.

Oczywiście widzenie komputerowe ma również kluczowe znaczenie dla pojazdów autonomicznych, w tym samochodów osobowych, ciężarowych i pojazdów użytkowych używanych w zakładach i magazynach. Kilka firm jest pionierami w pojazdach, które wykorzystują wizję komputerową i czujniki, aby widzieć otaczający ich świat. Technologia daje pojazdom widoki 360 stopni, z laserami, które wykrywają obiekty w odległości do setek metrów.

Wizja komputerowa napędza również przyszłość handlu detalicznego, od kasowania bez rejestracji, przez rekomendacje w stylu wizualnym, po przewidywanie popytu.

Nauczanie maszynowe . Nowe zastosowania sztucznej inteligencji i analiz predykcyjnych mogą zmienić niemal każdy aspekt każdej organizacji. Weźmy na przykład technologię przeciwdziałającą praniu pieniędzy (AML). Setki organizacji na całym świecie używają AML do identyfikowania problematycznych lub nielegalnych transakcji finansowych na całym świecie. Dodając sztuczną inteligencję i uczenie maszynowe do istniejącej technologii AML, zaobserwowaliśmy redukcję fałszywych alarmów o 50% do 70%. Oznacza to mniej transakcji związanych z ręczną interwencją, dzięki czemu personel może bardziej skoncentrować się na sprawach, które są naprawdę szkodliwe dla firmy i jej klientów.

Wiele z moich ulubionych przypadków użycia sztucznej inteligencji zawiera ten sam element zwiększania produktywności ludzi. Sztuczna inteligencja i uczenie maszynowe mogą usprawnić i usprawnić ważną pracę, która jest już wykonywana na całym świecie. Biorą to, co już działa i ulepsza je.

Wiele osób pyta, jakie modele uczenia maszynowego należy zastosować do jakich problemów. Przyjrzyjmy się czterem typom modeli uczenia maszynowego i opiszmy kilka scenariuszy, w których są one powszechnie używane.

1. Sieci neuronowe. W świecie finansów sieci neuronowe pomagają śledczym znajdować i powstrzymywać oszustwa, odkrywając trendy w milionach transakcji. ERGO, niemiecka firma ubezpieczeniowa, korzysta z analiz predykcyjnych SAS, aby znaleźć nieuzasadnione roszczenia. Klienci wykorzystują również sieci neuronowe w swoich budynkach do optymalizacji zużycia energii i przewidywania awarii mechanicznych.
2. Drzewa decyzyjne. Dzięki wykorzystaniu drzew decyzyjnych pomogliśmy szybko rozwijającemu się hrabstwu Wake w Północnej Karolinie sprawić, że oceny podatku od nieruchomości będą sprawiedliwsze i dokładniejsze. Współpracujemy z wieloma organami podatkowymi w celu wykrycia oszustw podatkowych i znalezienia obywateli, którzy zadeklarowali zaniżone dochody.
3. Metody regresji. Metody regresji są wypróbowaną i sprawdzoną praktyką statystyczną i znajdują nowe życie w erze sztucznej inteligencji. Możemy wykorzystać tę technologię, aby lepiej zrozumieć rynki docelowe. W przypadku agencji rządowych metody regresji mogą pomóc w identyfikacji oszustw i marnotrawstwa w istniejących programach. Dla banków i firm świadczących usługi finansowe może to prowadzić do lepszej oceny ryzyka i stworzyć podstawę dla adaptacyjnego, dokładniejszego programu przeciwdziałania praniu pieniędzy.
4. Prognozowanie. Prognozowanie pozwala dużym programom rządowym uwzględnić zmiany w populacjach i zrozumieć, jak te zmiany wpływają na usługi rządowe. W branży wytwarzania energii elektrycznej firmy stale monitorują sieć i analizują dane pogodowe, aby upewnić się, że energia jest dostępna, gdy jej potrzebujesz. Eni — włoska firma energetyczna — wykorzystuje analizy predykcyjne SAS do kontrolowania, czyszczenia i przygotowywania danych geologicznych ze studni. Pomoże to firmie Eni zautomatyzować i udoskonalić proces poszukiwania ropy.

Wiele czynników napędza szum i zainteresowanie sztuczną inteligencją: internet, cyfryzacja danych analogowych, zwiększone wykorzystanie obrazów i wideo do komunikacji, internet rzeczy oraz nasza zdolność do przechwytywania i przechowywania tych danych za pomocą technologii chmury.

Po ponad 40 latach opracowywania i wdrażania oprogramowania analitycznego optymistycznie patrzę na technologię i jej zdolność do zwiększania i wzmacniania naszego potencjału ludzkiego.

Chociaż sztuczna inteligencja zrewolucjonizuje i zmieni niektóre miejsca pracy i branże, my jako ludzie mamy ciekawość i pasję, aby kierować tymi potężnymi technologiami, aby osiągnąć to, co kiedyś było niemożliwe. Kreatywność, rozwiązywanie problemów i umiejętność współpracy z różnymi zespołami będą jeszcze ważniejsze, gdy wejdziemy w przyszłość ze sztuczną inteligencją. Wraz z technologią ludzie będą nadal ulepszać nasze życie i otaczający nas świat.

ukryć