AI-teknologier, der betyder noget nu: Forøgelse af mennesker, processer og potentiale

Leveret af SAS

Jim Goodnight er medstifter og CEO hos SAS.

Fra masseovervågning til tankelæsende maskiner synes hver ny dag at bringe endnu en alarmerende forudsigelse om potentialet ved kunstig intelligens at ændre verden.

Men vi giver ikke nok opmærksomhed til de praktiske AI-applikationer, der er i brug hver dag. Disse applikationer fra den virkelige verden er ikke uhyggelige eller futuristiske. Du kan endda kalde nogle af dem banale. Men de giver praktisk værdi til virksomheder og forbrugere, og de fører os ikke til forestående undergang.

AI har potentialet til at ændre vores verden. Men det kommer ikke til at gøre det gennem følende robotter eller computere, der tager kontrollen fra mennesker. De AI-applikationer, som vi ser, vil oftere øge menneskelig aktivitet end erstatte den.

Mens vi fortsat er vidne til øget computerkraft og en mere forbundet verden, kan praktiske AI-teknologier f.eks naturlig sprogbehandling , computersyn , og især maskinelæring vil sprede sig og blive endnu mere nyttig. Dette er de praktiske anvendelser af AI, der vil forbedre vores liv.

Dataforskere gennemgår varmekort med computersyn, der bruges til at identificere dyrespor til bevaringsindsats. Udlånt af SAS

Naturlig sprogbehandling . I dag har du adgang til kunstig intelligens lige i lommen. Jeg kan spørge min mobiltelefon, hvad temperaturen er udenfor, eller hvornår købmanden nede på vejen lukker for dagen. Min telefon forstår mit spørgsmål, får adgang til svaret online og besvarer derefter mit spørgsmål på mit sprog.

Evnen til at fortolke og behandle sprog er en hurtigt voksende anvendelse af AI. Ud over personlig brug på vores telefoner kan generering af naturligt sprog give kontekst for de resultater, du ser i en rapport, forklare output fra en maskinlæringsmodel eller spørge, om du ønsker yderligere analyser. Disse verbale forklaringer kan gøre komplekse analyser tilgængelige for flere mennesker, selvom de ikke har en dyb baggrund inden for analyse.

Naturlig sprogbehandling driver også chatbots, der giver information til kunder online. Hvis du går til sas.com og vælger at chatte, bruger vi vores egen teknologi til at interagere med kunderne. Vi har stadig live, menneskelige chat-repræsentanter. Men for mange af de anmodninger, folk har, kan en computer give automatiske svar. Det frigør vores chatpersonale til at fokusere på mere komplekse spørgsmål.

Computer vision. En anden måde at demonstrere AI på er gennem computersyn. Denne metode fortsætter med at finde nye og innovative use cases.

Læger bruger computersyn til at måle og klassificere tumorer på medicinske billeder. Naturbeskyttelsesfolk bruger computervision til at analysere fotos af dyrefodspor for at hjælpe med at overvåge truede arter uden invasive mærker.

Naturligvis er computersyn også afgørende for selvkørende køretøjer, herunder biler, lastbiler og erhvervskøretøjer, der bruges i fabrikker og varehuse. Flere virksomheder er banebrydende køretøjer, der bruger computersyn og sensorer til at se verden omkring dem. Teknologien giver køretøjerne 360-graders visninger med lasere, der registrerer genstande op til hundredvis af meter væk.

Computervision driver også fremtidens detailhandel, fra kasseløse kasser til visuelle anbefalinger til forudsigelse af efterspørgsel.

Maskinelæring . Ny anvendelse af kunstig intelligens og forudsigelig analyse har potentialet til at ændre næsten alle facetter af enhver organisation. Tag anti-hvidvaskning af penge (AML) teknologi. Hundredvis af organisationer verden over bruger AML til at hjælpe med at identificere problematiske eller ulovlige finansielle transaktioner over hele kloden. Ved at tilføje AI og maskinlæring til eksisterende AML-teknologi har vi set en reduktion af falske positiver med 50 % til 70 %. Det betyder færre transaktioner til manuel indgriben, hvilket lader personalet fokusere mere på sager, der virkelig er skadelige for virksomheden og dens kunder.

Mange af mine foretrukne AI-brugssager har det samme element i at gøre mennesker mere produktive. AI og maskinlæring kan forbedre og forstærke vigtigt arbejde, der allerede udføres rundt om i verden. De tager det, der allerede virker, og gør det bedre.

Mange spørger, hvilke maskinlæringsmodeller der skal bruges til hvilke problemer. Lad os gennemgå fire typer maskinlæringsmodeller og beskrive nogle scenarier, hvor de er almindeligt anvendte.

1. Neurale netværk. I den finansielle verden hjælper neurale netværk efterforskere med at finde og stoppe svindel ved at afdække tendenser på tværs af millioner af transaktioner. ERGO, et tysk forsikringsselskab, bruger prædiktive analyser fra SAS til at finde uberettigede krav. Kunder bruger også neurale netværk i deres bygninger til at optimere strømforbruget og forudsige mekaniske fejl.
2. Beslutningstræer. Gennem brugen af ​​beslutningstræer har vi hjulpet hurtigt voksende Wake County, North Carolina, med at gøre ejendomsskattevurderinger mere retfærdige og mere nøjagtige. Vi samarbejder med mange skattemyndigheder om at afdække skattesvig og finde borgere, der har underoplyst deres indkomst.
3. Regressionsmetoder. Regressionsmetoder er en gennemprøvet statistisk praksis, og de finder nyt liv i AI-æraen. Vi kan bruge denne teknologi til bedre at forstå målmarkeder. For offentlige myndigheder kan regressionsmetoder hjælpe med at identificere svindel og spild i eksisterende programmer. For banker og finansielle servicevirksomheder kan det føre til bedre risikovurderinger og skabe grundlaget for et adaptivt, mere præcist program mod hvidvaskning af penge.
4. Forecasting. Prognoser gør det muligt for store offentlige programmer at tage højde for ændringer i befolkninger og forstå, hvordan disse skift påvirker offentlige tjenester. I elproduktionsindustrien overvåger virksomheder konstant nettet og undersøger vejrdata for at sikre, at strømmen er der, når du har brug for den. Eni – et italiensk energiselskab – bruger SAS prædiktive analyser til at kontrollere, rense og forberede geologiske brønddata. Dette hjælper Eni med at automatisere og forfine sin olieudforskningsproces.

Mange faktorer driver hypen og interessen for kunstig intelligens: Internettet, digitaliseringen af ​​analoge data, den øgede brug af billeder og video til at kommunikere, tingenes internet og vores evne til at fange og gemme disse data med cloud-teknologier.

Efter mere end 40 års udvikling og implementering af analysesoftware har jeg et optimistisk syn på teknologi og dens evne til at forstærke og forstærke vores menneskelige potentiale.

Mens kunstig intelligens vil forstyrre og ændre visse job og industrier, har vi som mennesker nysgerrigheden og passionen til at lede disse kraftfulde teknologier til at opnå det, der engang var umuligt. Kreativitet, problemløsning og evnen til at samarbejde med forskellige teams bliver endnu vigtigere, når vi bevæger os ind i fremtiden med AI. Sammen med teknologien vil mennesker fortsætte med at forbedre vores liv og verden omkring os.

skjule