Hvordan Kunstig Intelligens Transformerer Forretning

2023 Forfatter: Susan Creighton | [email protected]. Sidst ændret: 2023-08-25 03:47

Mange mennesker forbinder stadig kunstig intelligens med science fiction dystopier, men denne karakterisering aftager, når kunstig intelligens udvikler sig og bliver mere almindelig i vores daglige liv. I dag er kunstig intelligens et husholdningsnavn (og nogle gange endda en husholdnings tilstedeværelse - hej, Alexa!).

Mens kunstig intelligens accept i almindelige samfund er et nyt fænomen, er det ikke et nyt koncept. Det moderne felt af kunstig intelligens opstod i 1956, men det tog årtiers arbejde for at gøre betydelige fremskridt hen imod udvikling af et kunstigt intelligenssystem og gøre det til en teknologisk virkelighed.

I erhvervslivet har kunstig intelligens en lang række anvendelser. Faktisk interagerer de fleste af os med kunstig intelligens i en eller anden form på daglig basis. Fra det verdslige til det betagende, forstyrrer kunstig intelligens allerede praktisk talt enhver forretningsproces i enhver branche. Efterhånden som kunstig intelligens teknologier spreder sig, bliver de et imperativ for virksomheder, der ønsker at opretholde en konkurrencefordel.

Hvad er kunstig intelligens?

Før man undersøger, hvordan kunstig intelligenssteknologi påvirker erhvervslivet, er det vigtigt at definere begrebet. "Kunstig intelligens" er et bredt og generelt udtryk, der refererer til enhver type computersoftware, der beskæftiger sig med menneskelige aktiviteter, herunder læring, planlægning og problemløsning. At kalde specifikke applikationer "kunstig intelligens" er som at kalde en Honda Accord fra 2013 et "køretøj" - det er teknisk korrekt, men det dækker ikke noget af det specifikke. For at forstå, hvilken type kunstig intelligens, der dominerer i erhvervslivet, er vi nødt til at grave dybere.

Maskinelæring

Maskinlæring er en af de mest almindelige typer kunstig intelligens under udvikling til forretningsformål i dag. Maskinlæring bruges primært til hurtigt at behandle store mængder data. Disse typer kunstig intelligens er algoritmer, der ser ud til at "lære" over tid og bliver bedre til, hvad de gør, jo oftere de gør det. Giv en maskinlæringsalgoritme flere data, og modelleringen bør forbedres. Maskinlæring er nyttigt til at sætte enorme datafolder - i stigende grad fanget af tilsluttede enheder og tingene på internettet - i en fordøjelig sammenhæng for mennesker.

For eksempel, hvis du administrerer et produktionsanlæg, er dit maskiner sandsynligvis forbundet med netværket. Tilsluttede enheder fremfører en konstant strøm af data om funktionalitet, produktion og mere til en central placering. Desværre er det for mange data, som et menneske nogensinde kan sige igennem, og selvom de kunne, ville de sandsynligvis gå glip af de fleste af mønstrene. Maskinlæring kan hurtigt analysere dataene, som de kommer ind, ved at identificere mønstre og afvigelser. Hvis en maskine i produktionsanlægget arbejder med en reduceret kapacitet, kan en maskinlæringsalgoritme fange den og meddele beslutningstagerne, at det er tid til at sende et forebyggende vedligeholdelsesteam.

Men maskinlæring er også en relativt bred kategori. Udviklingen af kunstige neurale netværk, et sammenkoblet web af "knudepunkter" af kunstig intelligens, har givet anledning til det, der kaldes "dyb læring".

Dyb læring

Deep learning er en endnu mere specifik version af maskinlæring, der er afhængig af neurale netværk til at engagere sig i ikke-lineær ræsonnement. Dyb indlæring er kritisk for udførelse af mere avancerede funktioner, f.eks. Afsløring af svig. Det kan gøre dette ved at analysere en lang række faktorer på én gang. For at selvkørende biler skal arbejde, skal flere faktorer identificeres, analyseres og reageres på én gang. Dyb indlæringsalgoritmer bruges til at hjælpe selvkørende biler med at kontekstualisere information, der er plukket op af deres sensorer, ligesom afstanden fra andre objekter, hastigheden, hvorpå de bevæger sig, og en forudsigelse af, hvor de vil være inden for 5-10 sekunder. Al denne information beregnes side om side for at hjælpe en selvkørende bil med at tage beslutninger, som hvornår man skal skifte baner.

Dyb læring har en stor løfte i erhvervslivet og vil sandsynligvis blive mere almindeligt brugt snart. Ældre maskinlæringsalgoritmer har en tendens til at plateauere i deres evne, når en vis mængde data er blevet indfanget, men dybe indlæringsmodeller fortsætter med at forbedre deres ydeevne, efterhånden som flere data modtages. Dette gør dyb læringsmodeller langt mere skalerbare og detaljerede; du kan endda sige, at modeller for dyb læring er langt mere uafhængige.

Kunstig intelligens og forretning i dag

I stedet for at tjene som en erstatning for menneskelig intelligens og opfindsomhed, betragtes kunstig intelligens generelt som et understøttelsesværktøj. Selvom kunstig intelligens i øjeblikket har en vanskelig tid med at udføre commonsense-opgaver i den virkelige verden, er den dygtig til at bearbejde og analysere datafolder langt hurtigere end en menneskelig hjerne kunne. Kunstig intelligenssoftware kan derefter vende tilbage med syntetiserede handlingsforløb og præsentere dem for den menneskelige bruger. På denne måde kan mennesker bruge kunstig intelligens til at hjælpe med at udspille mulige konsekvenser af hver handling og strømline beslutningsprocessen.

"Kunstig intelligens er slags den anden kommer software, " sagde Amir Husain, grundlægger og administrerende direktør for maskinindlæringsfirmaet SparkCognition. "Det er en form for software, der træffer beslutninger på egen hånd, der er i stand til at handle selv i situationer, der ikke er planlagt af programmererne. Kunstig intelligens har en bredere bredde af beslutningsevne i modsætning til traditionel software."

Disse træk gør kunstig intelligens meget værdifuld i mange brancher, hvad enten det er simpelthen at hjælpe besøgende og personale med at gøre deres vej rundt på et virksomhedscampus effektivt eller udføre en så kompleks opgave som at overvåge en vindmølle for at forudsige, hvornår det bliver nødvendigt med reparationer.

Maskinlæring bruges ofte i systemer, der fanger store mængder data. F.eks. Indsamler smarte energiledelsessystemer data fra sensorer, der er fastgjort til forskellige aktiver. Datatropperne kontekstualiseres derefter af maskinlæringsalgoritmer og leveres til menneskelige beslutningstagere for bedre at forstå energiforbruget og vedligeholdelseskrav.

Kunstig intelligens er endda en uundværlig allieret, når det kommer til at lede efter huller i computernetværksforsvar, sagde Husain.

"Du kan virkelig ikke have nok cybersecurity-eksperter til at se på disse problemer på grund af skala og stigende kompleksitet, " sagde han. "Kunstig intelligens spiller også en stigende rolle her."

Kunstig intelligens ændrer også CRM-systemer til kundeforhold. Software som Salesforce eller Zoho kræver tunge menneskelige indgreb for at forblive ajourført og nøjagtige. Men når du anvender kunstig intelligens på disse platforme, omdannes et normalt CRM-system til et selvopdaterende, automatisk korrigerende system, der forbliver på toppen af din relationsstyring for dig. [For dem i splinternye virksomheder skal du læse vores rapport om CRM-værktøjer til opstart. ]

Et andet eksempel på kunstig intelligens alsidighed er inden for den finansielle sektor. Dr. Hossein Rahnama, grundlægger og administrerende direktør for kunstig intelligens concierge-selskab Flybits og gæsteprofessor ved Massachusetts Institute of Technology, arbejdede sammen med TD Bank for at integrere kunstig intelligens i regelmæssige bankdrift, såsom realkreditlån.

"Brug af denne teknologi, hvis du har et pantelån i banken og er klar til fornyelse på 90 dage eller mindre … hvis du går ved en filial, får du en personlig besked, der inviterer dig til at gå til filialen og fornye køb, " Sagde Rahnama. "Hvis du ser på en ejendom til salg, og du tilbringer mere end 10 minutter der, vil den sende dig et muligt pantebud.

"Vi forventer ikke længere, at brugeren konstant skal være i en søgefelt, der googler, hvad de har brug for, " tilføjede han. "Paradigmet skifter for, hvordan den rigtige information finder den rigtige bruger til det rigtige tidspunkt."

Kunstig intelligens fremtid

Så hvordan kan kunstig intelligens bruges i fremtiden? Det er svært at sige, hvordan teknologien vil udvikle sig, men de fleste eksperter ser, at disse "commonsense" -opgaver bliver endnu lettere for computere at behandle. Det betyder, at robotter vil blive ekstremt nyttige i det daglige liv.

"AI begynder at gøre det, der engang blev betragtet som umuligt, ligesom førerløse biler, " sagde Russell Glenister, administrerende direktør og grundlægger af Curation Zone. "Driverløse biler er kun en realitet på grund af adgang til træningsdata og hurtige GPU'er, som begge er nøgleaktivere. For at træne førerløse biler kræves en enorm mængde nøjagtige data, og hastighed er nøglen til at gennemføre træningen. For fem år siden, processorerne var for langsomme, men introduktionen af GPU'er gjorde det hele muligt."

Glenister sagde, at GPU'er kun vil komme hurtigere og forbedre anvendelserne af kunstig intelligenssoftware overalt.

"Hurtige processer og masser af rene data er nøglen til succes med AI, " sagde han.

Andre analytikere, ligesom medstifter og CTO for Nara Logics, Dr. Nathan Wilson, sagde, at de ser kunstig intelligens i spidsen for at revolutionere velkendte aktiviteter, såsom spisning. Wilson forudsagde, at kunstig intelligens kunne bruges af en restaurant, for eksempel til at bestemme, hvilken musik der skal spilles på baggrund af de deltagende gæsters interesser. Kunstig intelligens kan endda ændre tapetets udseende baseret på, hvad teknologien forventer, at menneskets æstetiske præferencer kan være.

Hvis det ikke er langt nok for dig, forudsagde Rahnama, at kunstig intelligens vil tage digital teknologi ud af den to-dimensionelle, skærmfængslede form, som folk er vant til. I stedet bliver den primære brugergrænseflade det fysiske miljø omkring et individ.

"Vi har altid været afhængige af en todimensionel skærm for at spille et spil eller interagere med en webside eller læse en e-bog, " sagde Rahnama. "Hvad der sker nu med kunstig intelligens og en kombination af [tingenes internet] er, at skærmen ikke vil være hovedgrænsefladen - miljøet vil være. Du vil se folk designe oplevelser omkring dem, hvad enten det er i forbindelse bygninger eller tilsluttede bestyrelseslokaler. Dette vil være 3D-oplevelser, som du faktisk kan føle. " [Interagerer du med digitale overlejringer i dit nærmeste miljø? Det lyder som et job til øget virkelighed.]

Hvad betyder kunstig intelligens for arbejderen?

Med alle disse nye tilfælde af brug af kunstig intelligens kommer det skræmmende spørgsmål om maskiner vil tvinge mennesker til forældelse. Juryen er stadig ude: Nogle eksperter benægter hårdt, at kunstig intelligens vil automatisere så mange job, at millioner af mennesker finder sig arbejdsløse, mens andre eksperter ser det som et presserende problem.

"Arbejdsstyrkens struktur ændrer sig, men jeg tror ikke, at kunstig intelligens i det væsentlige erstatter job, " sagde Rahnama. "Det giver os mulighed for virkelig at skabe en videnbaseret økonomi og udnytte den til at skabe bedre automatisering for en bedre livsform. Det er måske lidt teoretisk, men jeg tror, hvis du skal bekymre dig om kunstig intelligens og robotter, der erstatter vores job, er det sandsynligvis algoritmer, der erstatter job med hvide kraver såsom forretningsanalytikere, hedgefondsforvaltere og advokater."

Wilson sagde, at skiftet mod kunstige intelligensbaserede systemer sandsynligvis får økonomien til at tilføje job, der letter overgangen.

"Kunstig intelligens vil skabe mere rigdom, end den ødelægger, " sagde Wilson, "men den vil ikke blive fordelt retfærdigt, især ikke i starten. Ændringerne vil føles subliminalt og ikke åbenlyst. [F.eks.] En skatteregnskab vil ikke en dag modtager en lyserød slip og møder den robot, der nu skal sidde ved hendes skrivebord. I stedet for næste gang skattekontor ansøger om et job, vil det være lidt sværere at finde en."

Wilson sagde, at han forventer, at kunstig intelligens på arbejdspladsen fragmenterer langvarige arbejdsgange og skaber mange menneskelige job til at integrere disse arbejdsgange. Andre eksperter, som Husain, er ikke så sikre på, hvor de nye job kommer fra, når kunstig intelligens bliver allestedsnærværende.

"[I fortiden] var der muligheder for at gå fra landbrug til produktion til tjenester, " sagde Husain. "Nu er det ikke tilfældet. Hvorfor? Industrien er blevet fuldstændig robotiseret, og vi ser, at automatisering giver mere mening økonomisk."

Husain pegede på selvkørende lastbiler og portier med kunstig intelligens som Siri og Cortana som eksempler og sagde, at når disse teknologier forbedres, kunne udbredt brug eliminere så mange som 8 millioner job i USA alene.

"Når alle disse job begynder at gå væk, er vi nødt til at spørge, 'Hvad er det der gør os produktive? Hvad betyder produktivitet?'" Sagde Husain. "Nu konfronterer vi den skiftende virkelighed og sætter spørgsmålstegn ved samfundets underliggende antagelser. Vi må virkelig tænke over dette og beslutte, hvad der gør os produktive, og hvad er værdien af mennesker i samfundet. Vi har brug for denne debat og har den hurtigt, fordi teknologi venter ikke på os."

Uanset om det er rosenrødt eller stenet, kommer fremtiden hurtigt, og kunstig intelligens vil bestemt være en del af det. Efterhånden som denne teknologi udvikler sig, vil verden se nye opstart, mange forretningsapplikationer og forbrugeranvendelser samt forskydning af visse job og oprettelse af helt nye. Sammen med tingenes internet har kunstig intelligens potentiale til dramatisk at genopbygge økonomien, men dens nøjagtige virkning er stadig ikke at se.