AI tehnoloģijas, kas šobrīd ir svarīgas: cilvēku, procesu un potenciāla palielināšana

Nodrošina SAS

Džims Gudnaits ir SAS līdzdibinātājs un izpilddirektors.

No masveida novērošanas līdz domu lasīšanas iekārtām, katra jauna diena, šķiet, sniedz vēl vienu satraucošu prognozi par mākslīgais intelekts lai mainītu pasauli.

Taču mēs nepievēršam pietiekamu uzmanību praktiskajām AI lietojumprogrammām, kuras tiek izmantotas katru dienu. Šīs reālās pasaules lietojumprogrammas nav rāpojošas vai futūristiskas. Dažus no tiem pat varētu saukt par ikdienišķām. Taču tie sniedz praktisku vērtību uzņēmumiem un patērētājiem, un tie nenoved mūs pie gaidāmā posta.

AI ir potenciāls mainīt mūsu pasauli. Bet tas netiks darīts, izmantojot jūtīgus robotus vai datorus, kas atņem kontroli no cilvēkiem. AI lietojumprogrammas, kuras mēs redzam, biežāk palielinās cilvēka darbību, nevis to aizstās.

Turpinot vērot pieaugošu skaitļošanas jaudu un vairāk savienotu pasauli, tādas praktiskas mākslīgā intelekta tehnoloģijas kā dabiskās valodas apstrāde , datora redze , un jo īpaši mašīnmācība vairosies un kļūs vēl noderīgāki. Šie ir praktiskie AI pielietojumi, kas uzlabos mūsu dzīvi.

Datu zinātnieki pārskata datorredzes siltuma kartes, ko izmanto, lai identificētu dzīvnieku pēdas saglabāšanas pasākumos. Ar SAS atļauju

Dabiskās valodas apstrāde . Šodien jums ir piekļuve AI tieši jūsu kabatā. Es varu pajautāt savam mobilajam tālrunim, kāda temperatūra ir ārā vai cikos šo dienu tiks slēgts pārtikas veikals. Mans tālrunis saprot manu jautājumu, piekļūst atbildei tiešsaistē un pēc tam atbild uz manu jautājumu manā valodā.

Spēja interpretēt un apstrādāt valodu ir strauji augošs AI lietojums. Ārpus personiskai lietošanai mūsu tālruņos dabiskās valodas ģenerēšana var nodrošināt kontekstu pārskatā redzamajiem rezultātiem, izskaidrojot mašīnmācīšanās modeļa rezultātus vai jautājot, vai vēlaties veikt papildu analīzi. Šie vārdiskie skaidrojumi var padarīt sarežģītu analīzi pieejamu lielākam skaitam cilvēku, pat ja viņiem nav dziļas pieredzes analītikas jomā.

Dabiskās valodas apstrāde nodrošina arī tērzēšanas robotu darbību, kas sniedz informāciju klientiem tiešsaistē. Ja jūs dodaties uz sas.com un izvēlamies tērzēt, mēs izmantojam savu tehnoloģiju, lai sazinātos ar klientiem. Mums joprojām ir tiešraides, cilvēku tērzēšanas pārstāvji. Taču uz daudziem cilvēku pieprasījumiem dators var sniegt automatizētas atbildes. Tādējādi mūsu tērzēšanas darbinieki var koncentrēties uz sarežģītākiem jautājumiem.

Datorredze. Vēl viens veids, kā demonstrēt AI, ir datora redze. Šī metode turpina atrast jaunus un novatoriskus lietošanas gadījumus.

Ārsti izmanto datorredzi, lai medicīniskos attēlos izmērītu un klasificētu audzējus. Dabas aizsardzības speciālisti izmanto datorredzi, lai analizētu dzīvnieku pēdu fotoattēlus, lai palīdzētu uzraudzīt apdraudētās sugas bez invazīvām iezīmēm.

Protams, datorredze ir ļoti svarīga arī pašbraucošajiem transportlīdzekļiem, tostarp automašīnām, kravas automašīnām un komerciālajiem transportlīdzekļiem, ko izmanto rūpnīcās un noliktavās. Vairāki uzņēmumi ir novatoriskie transportlīdzekļi, kas izmanto datora redzi un sensorus, lai redzētu apkārtējo pasauli. Šī tehnoloģija nodrošina transportlīdzekļiem 360 grādu skatus, izmantojot lāzerus, kas nosaka objektus simtiem metru attālumā.

Datorredze nodrošina arī mazumtirdzniecības nākotni, sākot no bezreģistrācijas norēķināšanās līdz vizuāla stila ieteikumiem un beidzot ar pieprasījuma prognozēšanu.

Mašīnmācība . Jauni AI un paredzamās analīzes lietojumi var mainīt gandrīz katru katras organizācijas aspektu. Izmantojiet nelikumīgi iegūtu līdzekļu legalizācijas novēršanas (AML) tehnoloģiju. Simtiem organizāciju visā pasaulē izmanto AML, lai palīdzētu identificēt problemātiskus vai nelikumīgus finanšu darījumus visā pasaulē. Esošajai AML tehnoloģijai pievienojot mākslīgo intelektu un mašīnmācīšanos, mēs esam pamanījuši viltus pozitīvu rezultātu samazināšanos par 50% līdz 70%. Tas nozīmē, ka manuālai iejaukšanās veikšanai tiek veikts mazāk darījumu, ļaujot darbiniekiem vairāk koncentrēties uz gadījumiem, kas patiesi kaitē uzņēmumam un tā klientiem.

Daudzos no maniem iecienītākajiem AI lietošanas gadījumiem ir tas pats elements, kas padara cilvēkus produktīvākus. AI un mašīnmācīšanās var uzlabot un papildināt svarīgu darbu, kas jau tiek veikts visā pasaulē. Viņi ņem to, kas jau darbojas, un padara to labāku.

Daudzi cilvēki jautā, kuri mašīnmācīšanās modeļi ir jāizmanto kādām problēmām. Apskatīsim četrus mašīnmācīšanās modeļu veidus un aprakstīsim dažus scenārijus, kuros tie parasti tiek izmantoti.

1. Neironu tīkli. Finanšu pasaulē neironu tīkli palīdz izmeklētājiem atrast un apturēt krāpšanu, atklājot tendences miljoniem darījumu. Vācijas apdrošināšanas kompānija ERGO izmanto SAS prognozējošo analīzi, lai atrastu nepamatotas prasības. Klienti savās ēkās izmanto arī neironu tīklus, lai optimizētu enerģijas patēriņu un prognozētu mehāniskas kļūmes.
2. Lēmumu koki. Izmantojot lēmumu kokus, mēs esam palīdzējuši strauji augošajam Veikas apgabalam Ziemeļkarolīnā padarīt nekustamā īpašuma nodokļa aprēķinus godīgākus un precīzākus. Mēs sadarbojamies ar daudzām nodokļu iestādēm, lai atklātu krāpšanu nodokļu jomā un atrastu pilsoņus, kuri ir nepietiekami deklarējuši savus ienākumus.
3. Regresijas metodes. Regresijas metodes ir pārbaudīta un patiesa statistikas prakse, un AI laikmetā tās atrod jaunu dzīvi. Mēs varam izmantot šo tehnoloģiju, lai labāk izprastu mērķa tirgus. Valdības aģentūrām regresijas metodes var palīdzēt noteikt krāpšanu un izšķērdēšanu esošajās programmās. Bankām un finanšu pakalpojumu uzņēmumiem tas var nodrošināt labāku riska novērtējumu un radīt pamatu adaptīvai, precīzākai naudas atmazgāšanas apkarošanas programmai.
4. Prognozēšana. Prognozēšana ļauj lielām valdības programmām ņemt vērā iedzīvotāju skaita izmaiņas un saprast, kā šīs izmaiņas ietekmē valdības pakalpojumus. Elektroenerģijas ražošanas nozarē uzņēmumi pastāvīgi uzrauga tīklu un pārbauda laikapstākļu datus, lai pārliecinātos, ka jauda ir pieejama, kad tā ir nepieciešama. Eni — Itālijas enerģētikas uzņēmums — izmanto SAS prognozējošo analīzi, lai kontrolētu, tīrītu un sagatavotu ģeoloģisko urbumu datus. Tas palīdz Eni automatizēt un pilnveidot naftas izpētes procesu.

Ažiotāžu un interesi par AI izraisa daudzi faktori: internets, analogo datu digitalizācija, attēlu un video plašāka izmantošana saziņai, lietu internets un mūsu spēja tvert un uzglabāt šos datus, izmantojot mākoņtehnoloģijas.

Pēc vairāk nekā 40 gadu ilgas analītikas programmatūras izstrādes un ieviešanas man ir optimistisks skatījums uz tehnoloģiju un tās spēju palielināt un paplašināt mūsu cilvēku potenciālu.

Lai gan AI izjauks un mainīs noteiktas darbavietas un nozares, mums kā cilvēkiem ir zinātkāre un aizraušanās virzīt šīs jaudīgās tehnoloģijas, lai sasniegtu to, kas kādreiz bija neiespējams. Radošums, problēmu risināšana un spēja sadarboties ar dažādām komandām būs vēl svarīgāki, kad mēs virzīsimies uz nākotni ar AI. Kopā ar tehnoloģijām cilvēki turpinās uzlabot mūsu dzīvi un pasauli ap mums.

paslēpties