并不是每个人都拥有技术自信,近年来人工智能占据很多头条新闻,这导致有很多推测的错误。这篇文章将帮助各行业的业务人员(大多数不是技术人员)了解人工智能和机器学习真正是什么。
所以对于那些在人工智能世界中看起来像门外汉的人,需要学习关于商业智能技术中的机器学习的一切知识。
前提:符合商业世界
在热播的电视节目目中,安东尼?霍普金斯扮演福特博士,这是一个权力饥饿的科学家,具有聪明的头脑和强大的自信。福特博士是狂野的西部主题游乐园Westworld的首席工程师,这个游乐园居住着令人难以置信的逼真的机器人,被称为“主人”。
寻求刺激的游客以合适的价格可以参观westworld,并沉迷于他们最黑暗的幻想中。
这些机器(或主机)是智能的,很聪明。总有一天,他们甚至可以接管人类社会。
然而不要担心,这并不是预测与人工智能机器人的物种战争,但在现实世界中,机器学习实际上可以接管最具挑战性的商业任务,并把它们变成巨大的收入机会。
机器学习在日复一日的进步
想想上次看到要参加的会议的公司,它可能已经进入你喜欢日常登陆的新闻网站的侧边栏。无论你在哪里上网,链接都会在为你准备好注册。
在技术讨论中,这种个性化被称为我的互联网(或IoM)。像谷歌和Facebook这样的公司使用先进的算法,根据用户的独特的数据历史预测,并提供其想要的确切解决方案。添加在物联网(或IoT),用户得到个性化的消息。当然,人工智能已经成为人们生活的一部分,并且正在快速增长。
机器学习和商业智能的下一步是什么?
杰出的企业家AytekinTank说,“人工智能的革命显然已经到来,就像过去的革命一样,如今的创业者将成为明天的巨头。”
这听起来不错。但是,在当今的商业世界中,这到底是什么样子呢?
每次加入新客户时,企业都会根据自定义参数(例如大小,展开和垂直)自动预测他们的需求。企业发送超级目标的电子邮件,带来他们甚至不知道所需要的内容。企业提供的优惠是他们准备好采取行动时首先看到的。
或者说,如果一个在线零售商使用机器学习来增加其库存管理,并与其当前的系统同步,通过在适当的时间拉动和推广合适的产品来降低成本和增加销售。
想象一个有效的产品研发方法。SisensePulse等智能系统无缝地弥补了客户关系管理(CRM)与项目跟踪软件之间的差距,而不是让团队在会议中浪费大量时间,为用户带来实时利润的驱动洞察力。
对于医疗保健领导者来说,机器学习可以为其医院资产负债表带来巨大的推动力。用户可以创建智能工作流程,自动将定向调查发送到超过平均病人住院时间的医生,帮助他们收集提高成本效率所需的信息。
无论从事什么业务,机器学习提供了人们不能在任何其他地方得到的可行见解。
它是如何工作的
让我们绕过科技术语,重新回到Westworld例子。机器人记住的越多,就会变得越强大。机器学习也是如此。每次输入新数据时,商业智能系统都会扩展其内存,从过去的经验中学习,并在此过程中变得更聪明,更快速,更强大。
机器学习在行动
以查询回收为例。如果一个用户询问“2016年向供应商A支付的总金额是多少?”,而另一个用户询问:“供应商A和供应商B相比,我们节省了多少费用?”,第二个用户将会更快地得到答案,可能立即采取行动签定一个更好的合同,而不是浪费时间和费用等待数天这后推出的报告。
在Westworld例子中,福特的“遐想”使得机器能够获得更多的洞察力。在商业世界中,它采用先进的数据处理算法,如Sisense芯片?为人们带来这种力量。
这给人们带来了机器学习的另一个关键要素:在Westworld例子中,就像商业世界一样,异常是机会。问题是,如果像大多数公司在世界各地有多个部门和办事处一样,用户的数据源之间可能有一些相当大的差距。这令人感觉凌乱,混乱,甚至有点失控。
这是坚实的商业分析才能真正发挥其魔力,精简用户的系统和数据,节省了大量的时间和金钱。但并不是所有的商业智能系统都是平等的。知道差异在哪里吗?相信人们都猜到了:就是机器学习。
商业智能需要机器学习
大多数商业智能平台会提醒用户出现异常,并允许用户立即采取行动,但只有具有大功率的机器学习算法的分析平台才能自动执行操作。
例如,SisensePulse的智能工作流程允许用户对第三方应用程序(如Zendesk,Slack或Zapier)自动执行警报,从而触发对正在进行的情境的即时智能响应。
所以,可以进行以下一些总结:
·商业智能正在发生,作为消费者,人们已看到了商业智能的应用。
·机器学习使用来自一组不同数据源的聚合知识,随着时间的推移变得更智能,更快速。
·采用商业智能时,它可以帮助用户节省资金并增加利润。
现在人们能想象企业没有商业智能吗?而随着机器学习技术的发展,人们的业务将会发展越来越好。
好文章,需要你的鼓励
智能网卡(SmartNIC)技术自2013年AWS首次应用以来,虽然获得了VMware、英特尔、AMD和英伟达等巨头支持,但市场表现平平。分析师指出,目前主要客户仍局限于服务提供商。然而,随着AI技术蓬勃发展,情况正在改变。英伟达、红帽等厂商在AI云架构中推荐使用DPU,认为其可优化推理工作负载并提升资源效率,AI革命有望真正推动智能网卡技术普及。
中科院团队开发的SimpleGVR系统革新了AI视频增强技术,通过直接在潜在空间处理和创新的分阶段训练策略,能够将AI生成的低分辨率视频高效提升至高清画质。该系统不仅提升分辨率,还能修正AI视频特有的颜色混合等问题,在多项指标上超越现有顶级方法,为AI视频生成领域提供了实用的解决方案。
YouTube为Premium会员推出AI生成的搜索轮播功能,可在购物和地点查询时显示相关视频序列。同时,此前仅限Premium用户的AI对话助手开始向美国普通用户开放,用户可通过"询问"按钮获得视频摘要和内容问答服务。该AI工具基于YouTube平台和网络信息运行,但准确性仍待观察。
浙江大学联合腾讯AI实验室提出KnowRL方法,通过在强化学习中集成事实性奖励机制,有效解决慢思维AI模型在推理过程中的幻觉问题。该方法在保持原有推理能力的同时,显著提升了模型的事实准确性,为构建更可靠的AI系统提供了新思路。