北京看白癜风光疗费用 https://m.39.net/disease/a_u6uv380.html摘要：对于许多公司来说,部署AI比看起来更慢、更昂贵。自19世纪80年代合成原料开始使用以来,制作香水和古龙的艺术并没有发生太大变化。专业从事于香水生产的公司做了一个修补化学品的组合试验,希望产生引人注目的新气味。全球最大的香水制造商之一symrise的高管阿奇姆·多布(AchimDaub)想知道如果他将人工智能注入这一过程中,会发生什么？机器会不会提出一个人类都不可能会想到的解决方案呢？Daub聘请了IBM来设计一个计算机程序,该程序会仔细研究大量的信息，包括现有香水的配方、消费者数据、监管信息,然后为特定市场提出新的香水配方。这个程序的名字叫菲利拉,仅次于希腊的香水女神。它的名字不是重点,很多人可能会认为它不能闻到任何东西的味道,所以它不能取代人类香水师的工作。这让他们有了一个前期的心理预判。Daub对迄今取得的进展感到满意。针对巴西年轻顾客的两种香水将于6月在巴西上市。该公司70名香水设计师中,只有少数一直在使用该程序,但多布预计最终会将其推广到所有设计师身上。然而,他谨慎地指出,实现这一目标需要近两年的时间--而且还需要一段时间才能收回的投资。菲利拉最初的建议是可怕的:它不断提出洗发水食谱。毕竟,它看了销售数据,洗发水远远超过香水和古龙水。让它走上轨道需要赛姆普里的香水师进行了大量的训练。此外,该公司仍在努力进行昂贵的IT升级,这些升级是将数据从不同的记录保存系统中注入到Philyra所必需的,同时对香水师自己的某些信息保密。这是个陡峭的学习曲线,多布说。我们的企业系统中几乎没有完全建立AI。香水行业并不是唯一一个在没有看到快速变化的情况下采用机器学习的行业。尽管你可能听说AI席卷世界,但广泛行业的人说,这项技术部署起来很棘手。它可能是昂贵的。而最初的回报往往是非常有限的。在人工智能方面看到突破是一回事,可以超越go的大师,甚至让你指挥的打开音乐的设备。在本质上不是数字化的企业中,使用AI进行更多的增量更改是另一回事。这并不意味着AI被过度炒作。但算法只是重塑企业运作方式的真正重要之处。AI最终可能会改变经济，使新产品和新的商业模式成为可能,通过预测人类无法预见的事情,以及通过减轻员工的苦差事。但这可能需要比希望或担心更长的时间,这取决于你所从事的行业，有的行业很快将被取代，有的行业可能需要一定的时间来打磨。大多数公司在等到AI成熟应用并为企业产生回报之前，并没有足够的资金与能力来研发。在最大和最富有的公司中,这种生产率的提高最大,它们有能力在使AI正常工作所需的人才和技术基础设施上花费巨资。这不一定意味着AI被过度炒作。只是,在重塑企业的完成方式方面,模式识别算法只是最重要的一小部分。更重要的是从IT部门一直到业务前线的组织单元。几乎每个人都必须适应AI的工作原理和盲点在哪里,特别是那些会被期待相信它的判断的人。所有这些不仅需要钱,还需要耐心、细致和其他典型的人类技能,而这些技能往往是供不应求的。寻找独角兽去年9月,一位名叫PeterSkomoroch的数据科学家在推特上写道:根据经验,您可以预期,您的企业公司向机器学习的过渡将比您向移动设备的过渡困难倍左右。它有一个笑话的戒指,但斯科莫罗赫不是开玩笑。有几个人告诉他,听说他们的公司并不是他们的孤军奋战,他们松了一口气。Skomoroch是SkipFlag的首席执行官,他说:我认为外面有很多痛苦--过高的期望。人工智能和机器学习被视为神奇的仙尘。最大的障碍之一是让不同的记录保存系统相互对话。这是理查德·赞恩作为科罗拉多州、怀俄明州医院和诊所网络uchealthy的首席创新官所遇到的问题。它最近推出了一个名为Livi的会话软件代理,该软件代理使用一家名为Avaamo的创业公司的自然语言技术来帮助拨打UC健康电话或使用该网站的患者。利维指示他们更新处方、书籍,确认他们的任命,并向他们展示他们的状况。Zane很高兴,随着利维处理日常询问,uc健康公司的工作人员可以花更多的时间帮助复杂问题的患者。但他承认,这个虚拟助理对AI最终在他的组织中可能做的事情作用不大。赞恩说:这只是冰山一角,或者不管是什么积极的版本。部署Livi花了一年半的时间,主要原因是将软件与患者病历、保医院系统联系起来所涉及的IT难题。类似的设置也困扰着其他行业。例如,一些大型零售商将供应链记录和消费者交易保存在单独的系统中,而这两个系统都没有与更广泛的数据仓库连接。如果公司不停止并建立这样的系统之间的连接,那么机器学习将只在他们的一些数据上工作。这就解释了为什么迄今为止人工智能最常见的用途涉及孤立的业务流程,但仍有丰富的数据,如银行的计算机安全或欺诈检测。即使一家公司从许多来源获得数据,也需要大量的实验和监督,才能确保信息的准确性和意义。当it服务公司Genpactic帮助企业推出他们认为是ai项目时,10%的工作是AI,首席数字官桑贾伊？90%的工作实际上是数据提取、清理、归一化、争吵。对于谷歌、网飞、亚马逊或Facebook来说,这些步骤可能看起来是无缝的。但这些公司的存在是为了捕捉和使用数字数据。他们还拥有数据科学、计算机科学和相关领域的博士学位。这与大多数企业的级别和档案不同,Skomoroch说。位于休斯敦的能源公司Sanchez石油天然气公司的数据科学家安娜·德拉蒙德说,事实上,规模较小的公司往往要求员工钻研几个技术领域。桑切斯最近开始实时流式传输和分析油井的生产数据。它没有从零开始构建这种能力:它从一家名为MapR的公司购买了软件。但德拉蒙德和她的同事们仍需确保来自现场的数据采用计算机可以解析的格式。德拉蒙德的团队还参与了软件的设计,该软件将为工程师的屏幕提供信息。她说,善于做所有这些事情的人不容易找到。基本上就像独角兽。这就是减缓人工智能或机器学习采用的速度的原因。弗洛尔是一家庞大的工程公司,花了大约四年的时间与IBM合作,开发了一个人工情报系统,以监测可能花费数十亿美元、涉及数千名工人的大规模建设项目。该系统吸入数字和自然语言数据,并提醒Fluor的项目经理注意以后可能导致延迟或成本超支的问题。弗洛内的副总裁莱斯莉·林德格伦说,IBM和福陆的数据科学家不需要很长时间就能模拟该系统将使用的算法。需要更多时间的是在使用该系统的福陆员工的密切参与下完善这项技术。林德格伦说,为了让他们相信它的判断,他们需要对它的运作方式有投入,他们必须仔细验证它的结果。要开发这样的系统,你必须从企业中引进你的领域专家--我指的是你们行业里面最牛的人,她说。这意味着你必须把他们从其他的事情。她补充说,使用顶尖的人是必不可少的,因为构建AI引擎太重要、太长、太贵,他们无法不这样做。人工智能的种子一旦创新出现,它将在经济中蔓延的速度有多快？经济学家ZviGriliches在s—by研究玉米时给出了一些基本的答案。Gri牢牢研究了全国各地的玉米种植户转向产量高得多的杂交品种的速度。让他感兴趣的不是玉米本身,而是混合动力车的价值,就像我们今天所说的未来创新的平台。杂交玉米是发明方法的发明,一种为特定地点培育优质玉米的方法,Griliches在年的一篇具有里程碑意义的论文中写道。混合动力车是上世纪二十年代末、年代初在爱荷华州引进的。到年,它们几乎占了该州种植的所有玉米。但在德州和阿拉巴马等地,采用曲线远没有那么陡,在那里,混合动力汽车后来被引进,上世纪50年代初覆盖了大约一半的玉米种植地。一个重要原因是杂交种子比传统种子更昂贵,农民每年都要买新的。转向新技术对这些州的农场来说是一个风险更大的命题,而不是中西部更富裕、更有生产力的玉米带。Griliches所捕捉到的,以及随后的经济学家所证实的,是技术的传播不是由创新的内在品质决定的,而是由用户的经济状况决定的。用户的关键问题并不像技术人员那样,技术能做什么,而是投资到它会受益多少如今,机器学习正在支撑脸谱、谷歌、亚马逊等公司和许多创业公司运营的各个方面。这让这些公司变得异常富有。但在AI带之外,出于理性的经济原因,事情进展缓慢得多。在Symrise,Daub认为香水AI项目陷入了一个甜蜜的地方。这是一个相对较小的实验,但它涉及到一个香水客户端的实际工作,而不仅仅是一个实验室模拟。我们都承受着很大的压力,他说。没有人真正有时间在一旁废寝忘食地学习然而,即使这样,也需要对技术的信心跃跃欲试。这都是为了信念,他说。我非常坚信,AI将在我们今天看到的大多数行业中发挥作用,有些行业更主要是如此。完全忽略它不是一个选项。
转载请注明地址:http://www.abmjc.com/zcmbwh/8353.html
转载请注明地址:http://www.abmjc.com/zcmbwh/8353.html
