对于那些尚未通过人工智能取得成功的企业来说

来源:http://www.xtairline.com 作者:通讯产品 人气:187 发布时间:2019-09-12
摘要:2017年以来,在AlphaGo Zero的推波助澜下,人工智能(ArtificialIntelegence)热度不减。AI持续大热的背后,业界也开始出现质疑的声音,有人说现在90%的AI产品都是伪智能,99%的AI文章都是

2017年以来,在AlphaGo Zero的推波助澜下,人工智能(Artificial Intelegence)热度不减。AI持续大热的背后,业界也开始出现质疑的声音,有人说现在90%的AI产品都是伪智能,99%的AI文章都是灌水。出现争议是好事,这样更能推进产品和技术的发展。

凤凰彩票 1

如今,有许多事情让企业管理者日夜操劳,无论是经济环境还是市场环境,有时看起来将会进一步恶化,还有消费者不断变化的需求对企业施加的无情压力。但是人们忘了一件事:技术。 也许*为相关的是,技术的快速发展不断颠覆组织开展业务的方式,这足以让企业管理人员失眠。无可否认,如果企业未能跟上发展步伐,将不可避免地落后于竞争对手。这将成为进化或消亡的市场案例。 这个领域的主要参与者之一是人工智能。并且成为行业媒体时常提到的流行术语之一。许多企业仍在寻求采用人工智能以获得更多的商业利益、更高效的运营以及向客户提供新产品和服务。但是,他们是否采取了实现这些目标所需的*佳方法? 对于那些尚未通过人工智能取得成功的企业来说,即使是开始踏上旅程,也很容易对他们的竞争对手的*凤凰彩票 ,地位感到失望。他们经常以*主义的观点看待人工智能:要么拥有跨组织的全自动系统,要么根本没有。 但人工智能并不是非此即彼的二元化技术:成功的应用程序可以建立在规模较小的、成功的项目平台上,这本身就是试验和错误的结果。与其尽快在整个企业中推出人工智能,不如尝试在较小规模上提供真正好处的举措,这样更有效。 这并没有改变这样一个事实,即成功的人工智能项目将面临多个障碍,但这些问题并不是不能克服的。然而,组织必须了解他们需要克服哪些困难才能开发和交付解决实际业务挑战的项目。 人工智能面临的主要挑战 今年早些时候,O'Reilly公司向3,000多名商业受访者询问了他们对人工智能和深度学习的准备情况,其中包括采用必要的工具、技术和技能。 特别值得注意的是调查中显示的人工智能技能差距。缺乏人才被认为是成功实施人工智能项目的*大瓶颈,五分之一的受访者这么认为。这在人工智能项目中尤其重要,因为从头开始构建此类应用程序依赖于端到端数据管道(包括数据提取、准备、探索性分析以及模型构建、部署和分析)。 然而,企业所需要的不仅仅是技术人才。他们还要求有商业头脑的人才根据人工智能提供的数据和洞察力做出战略决策。 深度学习仍然是一种相对较新的技术,它尚未成为工业数据科学家使用典型算法集的一部分。那么谁来做这项工作?人工智能行业人才匮乏,人工智能项目的增加意味着人才库可能会变得更小。企业需要认真解决技能差距。这可能包括聘用外部顾问,内部开发和培训必要的技能——例如通过使用在线学习平台。 在调查中,大多数企业表示他们的公司正在使用某种形式的内部或外部培训计划。几乎一半的企业表示为员工提供内部在职培训,而三分之一的企业表示采用来自第三方的培训或来自个人培训顾问或承包商的培训服务。 而在另一方面,人工智能的商业理由要求企业管理层识别用例,并找到每个特定项目的赞助商,确保提供明确的商业案例。 数据的作用 成功项目的另一个关键挑战是确保所使用的数据完全准确并且是*新的。机器学习和人工智能技术可用于全部或部分自动化许多企业工作流程和任务。由于这些技术依赖于从一系列新的外部资源,以及不同内部业务部门持有的现有数据集中提取信息,因此显然必须对这些数据进行适当标记。 此过程的第一步是确定哪些任务应优先考虑自动化。人们所问的问题包括任务是否是数据驱动的?是否有足够的数据来支持任务?以及计划交付的项目是否有业务案例? 企业必须记住,虽然采用人工智能和机器学习技术可以更加轻松地工作,但是为了*大限度地利用它们,需要将它们调整到特定的领域和用例,可能涉及诸如计算机视觉(图像搜索和对象检测)或文本挖掘之类的技术。经常调整这些技术对于提供准确的洞察力是必不可少的,这需要*地标记大型数据集。 首席数据官是解决数据挑战的关键。首席数据官负责考虑获取数据、数据治理以及为有用目的转换数据的端到端流程。技术熟练的首席数据官可以帮助确保人工智能计划提供全部功能。 引入深度学习 回到调查研究,四分之三的受访者表示他们已经开始使用深度学习软件。 TensorFlow是受访者*受欢迎的工具,其中Keras位居第二,PyTorch排名第三。其他框架如MXNet、CNTK和BigDL也有越来越多的受众。人们希望所有这些框架,其中包括那些现在不太受欢迎的框架将会继续添加用户和用例。 *终,每个企业都能够成功实施人工智能,凭借决心和适当的培训投资水平,人工智能将会蓬勃发展。但是,从一开始就制定明确的目标对于企业非常重要。在此过程中,需要确保团队拥有适当水平的专业知识和技能,以使企业在应用人工智能方面迈出成功的第一步。

如果将AI区分为产品和技术的话,那么AI技术则范围要广泛得多,甚至不能简单地认为某些技术不是AI技术。本质上,只要最终产品体现出AI特性,那么应用在其中的技术均可称之为AI技术。只不过目前大家关注的主要是机器学习方面的技术,一方面是因为只有学习能力是人类区别于其它物种的关键能力,另一方面是因为这几年来机器学习技术在各种应用方面均有所突破和进步。

陈云霁与陈天石兄弟。记者谷业凯摄

在电信领域,直接可以让普通消费者感觉到的AI技术及产品目前主要是手机中的智能应用。但实际上,用AI技术解决网络侧问题的探索早就已经开始,中兴通讯早在2012年就成立了专门的部门进行AI相关技术的预研,AI芯片、AI平台以及AI相关产品和技术均在有序推进,并且部分AI成果已在相关产品中得到应用。

正如工业时代的蒸汽机和内燃机、信息时代的通用处理器,每个时代都有核心的物质载体,人工智能时代也不例外。

在即将到来的2018世界移动大会 上,中兴通讯将展示未来网络的泛智能化,同时将展示基于电信领域人工智能+大数据的应用。如果将整个网络类比为人类,网元具备感知器件,对感知可做出一些本能的反射反应(如根据用户的移动速度调节其切换门限);网管上的智能,则可视作类似小脑的作用(协同身体运动以保证平衡),可协同部分网元进行负载均衡及用户业务保障;而大数据+AI,相当于大脑,可统观全网进行资源调度,并且结合市场、管理,进行全流程协同。

在2016世界互联网大会上,中国科学院计算技术研究所发布的“寒武纪1A”(Cambricon—1A)深度神经元网络处理器入选“世界互联网领先科技成果”。地质学上的“寒武纪”是大量无脊椎动物出现的生命大爆发时代,而在“造芯”路上,由陈云霁、陈天石兄弟俩领衔的团队将这一小块可以胜任复杂多层人工神经网络运算的人工智能芯片命名为“寒武纪”,意喻着人工智能即将迎来大爆发。

简单地说,在电信领域的AI应用,主要是解决运营商的两大问题:一是如何利用大数据和AI技术进行运维效率的提升和运维成本的降低;另一个问题是在保证安全及用户隐私的情况下进行数据的价值变现。

芯片从研发、量产到商用,是一个以年为单位的周期

一、运维效率的提升和成本的降低

作为最广为人知的人工智能代表,“阿尔法狗”在今年3月9日与韩国棋手李世石的较量中胜出,一战成名。围棋每回合有250种可能,棋盘上的排列组合比宇宙中的原始原子还多,所以“阿尔法狗”抛弃了以往单纯“穷举”的计算方式,转而像人类一样思考。不少人因此将“阿尔法狗”的胜利视为人工智能时代来临的标志性事件。

这点可从两方面来分析:一是运维管理流程的自动化,如利用AI技术进行网络负荷的中长期预测和仿真,从而更好地进行网络规划和建设,对于用户使用业务过程中存在的问题进行根因分析,以快速响应用户投诉和主动进行用户关怀。

然而,“阿尔法狗”的效率并不像比赛结果那样有冲击力。它不但使用了约170个图形处理器和1200个中央处理器,还需要海量的机房设备,庞大的专家团队,高昂的运维成本……普通人想使用人工智能技术,似乎还有很长的路要走。

另一方面是局部替代网优专家的工作,应用AI可以充分将网优专家的经验沉淀下来,形成网优的专家系统,可以在业内更快地普及专家知识。中兴通讯的无线知了系统,可将其抽象形式化后,为自动智能化网优打下坚实的基础;中兴通讯UniSON系统就结合了当前先进的机器学习技术和传统的专家系统技术,能有效地进行覆盖问题的自动发现、自动分析、自动参数优化,目前可以达到近似专家优化的效果。

当“阿尔法狗”与李世石激战正酣之际,为打造产学研的新链条,方便将研究成果产业化之后推向市场,原本在中科院计算所担任研究员的陈云霁和陈天石兄弟创办了中科寒武纪科技有限公司。哥哥陈云霁仍在计算所担任研究员,从事基础科技研发,弟弟陈天石则当起了公司的首席执行官,共同研发“寒武纪1A”深度神经元网络处理器。

本文由凤凰彩票发布于通讯产品,转载请注明出处:对于那些尚未通过人工智能取得成功的企业来说

关键词:

最火资讯