您的位置:首页 >人工智能 >正文

调查发现机器学习市场在未来几年有望翻两番

如果您的工作使您经常与技术供应商联系,那么您之前会听说过诸如人工智能(AI),机器学习(ML),自然语言处理和计算机视觉等术语。您会听说AI / ML是未来,这些技术的边界正在不断推陈出新,并且AI / ML将在塑造这个技术领先时代最成功的业务模型中扮演不可或缺的角色。

作为技术领导者,我已经听到了所有这些声明以及更多内容。要说AI / ML将在业务中扮演越来越重要的角色,这并不是夸大其词。根据《福布斯》最近的一篇文章,机器学习市场在未来几年有望翻两番。

许多行业观察家一致认为,如果AI / ML解决方案使用效果良好,则可以使您的组织拥有显着的竞争优势。因此,在不首先全面了解它们的工作原理的情况下,很容易深入研究并开始实施这些技术。无数种选择的可及性不是障碍。现在几乎每个技术供应商都提供AI / ML服务。如果有的话,我们经常会在这个领域中被众多选择所淹没。

但是我们怎么知道我们正在做出正确的选择,并使用这些服务取得良好的效果?在这里,对技术的真正全面了解变得至关重要。

对于我们许多人来说,AI / ML的世界是一个相对未知的领域。现代计算中的人工智能是什么?什么是机器学习?这些基本问题的答案是释放AI / ML作为业务解决方案真正潜力的关键。

了解AI / ML及其入场价格

当前的机器学习是一种统计过程,采用模型/算法来解释一组数据并预测未来的结果。其中许多是“大数据”算法,可分析大量数据以生成尽可能准确的预测。一旦了解了这一点,我们便开始了解有效使用ML作为业务解决方案所需要的条件。简而言之,我们需要数据。我们需要很多,而且我们需要高质量。数据质量差是成功采用和部署AI / ML解决方案的最大障碍,并且数据量不足也可能是主要障碍。

以IBM的Watson肿瘤学为例。在对少量合成癌症病例进行了培训之后,沃森超级计算机被发现会生成“错误的癌症治疗建议”,范围从不正确到完全不安全。

数据管理过程涵盖了从数据创建或获取到传输和存储的所有内容,因此与AI计划有着内在的联系。在考虑实施任何AI / ML解决方案的成本时,至关重要的是还要考虑获得大量可靠的高质量数据作为解决方案的成本。

在您的需求中考虑AI / ML解决方案

现在,在更好地了解部署AI / ML解决方案的过程中,我们必须在我们的愿景范围内考虑每个选项。我们希望通过实施AI / ML策略来实现什么?

机器不会在真空中学习。我们实施的任何AI / ML技术都可以在我们现有的应用程序,界面和平台的网络中运行。因此,在制定愿景时,我们需要考虑组织的现有技术生态系统。

在这方面,特异性是关键。为了选择正确的模型/算法来解决我们的问题,我们首先需要明确定义我们需要解决的问题。精确的目标将帮助我们在现实中扎根我们的愿景,而更加模棱两可的方法可能会导致同样混乱(且不令人满意)的结果。

自适应,无偏模型的重要性

有效的机器学习模型或算法当然必须不断学习。当涉及到机器学习算法时,我们不会以“一劳永逸”的心态成功。如果我们的算法不能迅速适应不断变化的需求,那么它们很快就会变得无关紧要且毫无用处。

使算法无偏见也势在必行。卡西·奥尼尔,笔者数学杀伤性武器,说话NPR有关放置迷信的ML算法的客观性时的危险,“我们真的不知道发生了什么最算法的引擎盖下。”

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时候联系我们修改或删除,多谢。