211service.com
AI träffar mainstream
För Robert Welborn, chef för datavetenskap för försäkringsbolaget och finansbolaget USAA, var 2015 året då maskininlärning började bli kommersiellt vettigt. Tillgång till förbättrade verktyg för maskininlärning, billigare bearbetningsteknik och en kraftig minskning av kostnaden för att lagra data var nyckeln. När denna utveckling kombinerades med USAAs överflöd av data, verkade plötsligt en teknik som studerats i decennier praktisk.
Försäkring, finans, tillverkning, olja och gas, biltillverkning, hälsovård: det är kanske inte de branscher som du tänker på först när du tänker på artificiell intelligens. Men när teknikföretag som Google och Baidu bygger labb och banar väg för framsteg på området, börjar en bredare grupp av industrier undersöka hur AI kan fungera för dem också.
Den här historien var en del av vårt majnummer 2016
- Se resten av frågan
- Prenumerera
Hur kommer AI att utvecklas när den kommersialiseras, och hur kommer tekniken att förändra dessa olika branscher? Det är de stora frågorna i denna affärsrapport.
Idag är branschen som säljer AI-programvara och tjänster fortfarande liten. Dave Schubmehl, forskningschef på IDC, beräknar att försäljningen för alla företag som säljer kognitiva mjukvaruplattformar – exklusive företag som Google och Facebook, som gör forskning för eget bruk – ökade till 1 miljard dollar förra året. Han förutspår att 2020 kommer den siffran att överstiga 10 miljarder dollar. Förutom några få stora aktörer som IBM och Palantir Technologies, är AI fortfarande en marknad för nystartade företag: 2 600 företag, enligt Bloombergs räkning.
Det beror på att trots snabba framsteg inom tekniken som kollektivt kallas artificiell intelligens – mönsterigenkänning, naturligt språkbehandling, bildigenkänning och hypotesgenerering, bland annat – finns det fortfarande en lång väg kvar att gå.
USAA, bara en tidig användare, har testat sätt att använda AI för att finjustera sin upptäckt av identitetsstöld. Dess system letar efter mönster som inte matchar en kunds typiska beteende och identifierar dessa anomalier även i första hand, säger Welborn. Traditionella system skulle inte fånga ett nytt brottsmönster förrän andra gången det hände. Våra lärsystem är riktigt bra på att förstå saker som ser ut som bedrägerier, säger han.
Ett annat projekt som testas på USAA försöker förbättra kundservicen. Det involverar en AI-teknik byggd av Saffron, en division av Intel, med ett tillvägagångssätt som utformats för att efterlikna slumpmässigheten i de anslutningar som skapas av den mänskliga hjärnan. Genom att kombinera 7 000 olika faktorer kan tekniken matcha breda mönster av kundbeteende med specifika medlemmars, och 88 procent av tiden kan den korrekt förutsäga saker som hur vissa personer nästa gång kan kontakta USAA (webb? telefon? e-post?) och vilka produkter de kommer att leta efter när de gör det. Utan AI gissade USAAs system rätt 50 procent av tiden. Det testet utökas nu.
General Electric använder AI för att förbättra servicen på sina högkonstruerade jetmotorer. Genom att kombinera en form av AI som kallas datorseende (ursprungligen utvecklad för att kategorisera filmer och tv-filmer när GE ägde NBC Universal) med CAD-ritningar och data från kameror och infraröda detektorer, har GE förbättrat sin upptäckt av sprickor och andra problem i flygplansmotorblad.
Systemet eliminerar fel som är vanliga för traditionella mänskliga recensioner, såsom en nedgång i upptäckter på fredagar och måndagar, men förlitar sig också på mänskliga experter för att bekräfta sina varningar. Programmet lär sig sedan av den feedbacken, säger Colin Parris, GE:s vicepresident för mjukvaruforskning.
AI kan också vara en drivkraft för nya produkter och tjänster. Genom sin MyFitnessPal tränings- och kalorispårningsapp och andra produkter är sportklädestillverkaren Under Armour ansluten till 160 miljoner konsumenter. Men istället för att bara vara begränsad till att logga människors träningsresultat, gjorde företaget ett avtal med IBM:s kognitiva datorverksamhet, Watson, för att kombinera sina data om tränings- och kostrutiner med information från forskningsstudier och annan tredjepartsdata om sömn, aktivitet , fitness och kost. Målet: att berätta för människor med ett givet mål hur de kan uppnå det, vilket gör företaget mer relevant för dessa 160 miljoner kunder.
För företag som USAA och Under Armour ser framtiden för AI mindre ut som de antropomorfa robotarna i filmer och mer som verktyg som blir bättre hela tiden. Och trots rädslan för att AI kommer att leda till ett omfattande utbyte av arbetare, förblir mänskligt omdöme och feedback en viktig del av att förbättra system för maskininlärning. Som John Giannandrea, vice vd för teknik på Google, sa till författaren Robert D. Hof för sin berättelse senare i denna rapport: Även om du har en snygg bil måste du fortfarande bestämma dig vart du ska åka.