211service.com
AI-teknik som betyder något nu: Förstärkning av människor, processer och potential
Tillhandahålls av SAS
Jim Goodnight är medgrundare och VD på SAS.
Från massövervakning till tankeläsande maskiner verkar varje ny dag ge ytterligare en alarmerande förutsägelse om potentialen hos artificiell intelligens att förändra världen.
Men vi ger inte tillräckligt med uppmärksamhet åt de praktiska AI-applikationer som används varje dag. Dessa verkliga applikationer är inte läskiga eller futuristiska. Du kanske till och med kallar några av dem vardagliga. Men de ger praktiskt värde till företag och konsumenter, och de leder oss inte till förestående undergång.
AI har potentialen att förändra vår värld. Men det kommer inte att göra det genom kännande robotar eller datorer som tar kontrollen från människor. AI-applikationerna som vi ser kommer oftare att förstärka mänsklig aktivitet än att ersätta den.
När vi fortsätter att bevittna ökad datorkraft och en mer uppkopplad värld, kommer praktiska AI-tekniker som naturlig språkbehandling , datorsyn , och speciellt maskininlärning kommer att föröka sig och bli ännu mer användbar. Det här är de praktiska tillämpningarna av AI som kommer att förbättra våra liv.
Dataforskare granskar värmekartor för datorseende som används för att identifiera djurspår för bevarandeinsatser. Med tillstånd av SAS
Naturlig språkbehandling . Idag har du tillgång till AI direkt i fickan. Jag kan fråga min mobiltelefon vad det är för temperatur ute eller vilken tid mataffären på vägen stänger för dagen. Min telefon förstår min fråga, kommer åt svaret online och svarar sedan på min fråga på mitt språk.
Förmågan att tolka och bearbeta språk är ett snabbt växande användningsområde för AI. Utöver personlig användning på våra telefoner kan generering av naturligt språk ge sammanhang för resultaten du ser i en rapport, förklara resultatet av en maskininlärningsmodell eller fråga om du vill ha ytterligare analyser. Dessa verbala förklaringar kan göra komplexa analyser tillgängliga för fler människor, även om de inte har en djup bakgrund inom analys.
Naturlig språkbehandling driver också chatbots som tillhandahåller information till kunder online. Om du går till sas.com och väljer att chatta använder vi vår egen teknik för att interagera med kunder. Vi har fortfarande live, mänskliga chattrepresentanter. Men för många av de förfrågningar människor har kan en dator ge automatiska svar. Det frigör vår chattpersonal att fokusera på mer komplexa frågor.
Datorsyn. Ett annat sätt att demonstrera AI är genom datorseende. Denna metod fortsätter att hitta nya och innovativa användningsfall.
Läkare använder datorseende för att mäta och klassificera tumörer på medicinska bilder. Naturvårdare använder datorseende för att analysera foton av djurs fotspår för att hjälpa till att övervaka hotade arter utan invasiva taggar.
Naturligtvis är datorseende också avgörande för självkörande fordon, inklusive bilar, lastbilar och kommersiella fordon som används i anläggningar och lager. Flera företag är banbrytande fordon som använder datorseende och sensorer för att se världen omkring dem. Tekniken ger fordonen 360-gradersvyer, med lasrar som upptäcker föremål upp till hundratals meter bort.
Datorvision driver också detaljhandelns framtid, från kassalös kassa till visuella rekommendationer till att förutsäga efterfrågan.
Maskininlärning . Ny användning av AI och prediktiv analys har potential att förändra nästan alla aspekter av varje organisation. Ta tekniken mot penningtvätt (AML). Hundratals organisationer världen över använder AML för att identifiera problematiska eller olagliga finansiella transaktioner över hela världen. Genom att lägga till AI och maskininlärning till befintlig AML-teknik har vi sett en minskning av falska positiva resultat med 50 % till 70 %. Det innebär färre transaktioner för manuellt ingripande, vilket gör att personalen fokuserar mer på ärenden som verkligen är skadliga för företaget och dess kunder.
Många av mina favorit AI-användningsfall har samma element för att göra människor mer produktiva. AI och maskininlärning kan förbättra och utöka viktigt arbete som redan görs runt om i världen. De tar det som redan fungerar och gör det bättre.
Många frågar vilka maskininlärningsmodeller som ska användas för vilka problem. Låt oss granska fyra typer av maskininlärningsmodeller och beskriva några scenarier där de ofta används.
- Neurala nätverk. I finansvärlden hjälper neurala nätverk utredare att hitta och stoppa bedrägerier genom att avslöja trender över miljontals transaktioner. ERGO, ett tyskt försäkringsbolag, använder prediktiv analys från SAS för att hitta omotiverade krav. Kunder använder också neurala nätverk i sina byggnader för att optimera strömanvändningen och förutsäga mekaniska fel.
- Beslutsträd. Genom att använda beslutsträd har vi hjälpt det snabbt växande Wake County, North Carolina, att göra fastighetsskatten rättvisare och mer exakt. Vi arbetar med många skattemyndigheter för att avslöja skattebedrägerier och hitta medborgare som har underdeklarerat sin inkomst.
- Regressionsmetoder. Regressionsmetoder är en beprövad statistisk praxis, och de får nytt liv i AI-eran. Vi kan använda denna teknik för att bättre förstå målmarknader. För statliga myndigheter kan regressionsmetoder hjälpa till att identifiera bedrägerier och slöseri i befintliga program. För banker och finansiella tjänsteföretag kan det leda till bättre riskbedömningar och skapa grunden för ett anpassningsbart, mer exakt program mot penningtvätt.
- Prognoser. Prognoser gör att stora statliga program kan ta hänsyn till förändringar i befolkningen och förstå hur dessa förändringar påverkar statliga tjänster. Inom elproduktionsindustrin övervakar företag ständigt nätet och undersöker väderdata för att se till att strömmen finns där när du behöver den. Eni – ett italienskt energibolag – använder SAS prediktiv analys för att kontrollera, rengöra och förbereda geologiska brunnsdata. Detta hjälper Eni att automatisera och förfina sin oljeprospekteringsprocess.
Många faktorer driver på hypen och intresset för AI: internet, digitaliseringen av analog data, den ökade användningen av bilder och video för att kommunicera, sakernas internet och vår förmåga att fånga och lagra denna data med molnteknik.
Efter mer än 40 år av utveckling och implementering av analysmjukvara har jag en optimistisk syn på teknik och dess förmåga att förstärka och förstärka vår mänskliga potential.
Även om AI kommer att störa och förändra vissa jobb och branscher, har vi som människor nyfikenheten och passionen att styra dessa kraftfulla teknologier för att uppnå det som en gång var omöjligt. Kreativitet, problemlösning och förmågan att samarbeta med olika team kommer att bli ännu viktigare när vi går in i framtiden med AI. Tillsammans med teknik kommer människor att fortsätta att förbättra våra liv och världen omkring oss.