Künstliche Intelligenz für alle

Anfang Januar 2019 stellte Forbes eine TOP-10 der wichtigsten technologischen Bücher des Jahres 2018 zusammen , darunter Prediction Machines: The Simple Economics of Artificial Intelligence . Das Buch, das von einem Autorenteam geschrieben wurde - Joshua Gans (Joshua Gans), Ajay Agrawal (Ajay Agrawal) und Avi Goldfarb (Avi Goldfarb) - explodiert die etablierte Idee der künstlichen Intelligenz und bringt sie auf eine völlig andere Ebene. Dieses Buch ist ein echtes Muss.

Einer der Autoren des Buches, ein Experte für künstliche Intelligenz, Joshua Hans, Professor an der Rotman School of Management der Universität von Toronto (Kanada), verbringt täglich viel Zeit damit, Nachrichten auf dem Gebiet der KI zu verfolgen und den Hype von der Realität zu trennen. Heute unterrichtet er MBA-Studenten in Networking- und Digital-Marketing-Strategien, einschließlich der Frage, wie Unternehmen durch technologische Innovation erfolgreich auf ihren Märkten konkurrieren können.

Die Redaktion von CEO.com diskutierte mit Joshua sein sensationelles Buch in Geschäftskreisen „Vorhersagemaschinen: Die einfache Ökonomie künstlicher Intelligenz“. Lesen Sie die Übersetzung des Interviews mit ihm.

Bild


Heute sprechen sie viel über die Fähigkeiten der KI.
Aber gibt es konkrete Beispiele für die Vorteile der KI in der heutigen Geschäftswelt?

Ich gebe zu: Es gibt heute viel Hype um künstliche Intelligenz. In dem Buch untersuchen wir jedoch alles, was in den letzten 10 Jahren auf dem Gebiet der KI geschaffen wurde. Wir sprechen nicht über allgemeine Intelligenz in einem Buch, das Menschen und all ihre kognitiven Fähigkeiten ersetzen kann - wir sprechen nur über einen Aspekt, nämlich unsere Fähigkeit vorherzusagen (vorherzusagen, vorherzusagen).

Normalerweise sprechen wir im Zusammenhang mit Prognosen von Voraussicht. Wie zum Beispiel beim Wetter sammeln wir zuerst historische Daten zu Wind, Niederschlag und anderen Faktoren und erstellen dann eine Wettervorhersage für morgen oder nächste Woche.

Bei der Vorhersage geht es jedoch nicht immer um die Zukunft. Computer Vision ist hier eines der guten Beispiele: Wenn Sie einem Computer ein Bild geben und fragen, was er „sieht“, ist die Antwort, die Sie erhalten, tatsächlich eine Vorhersage. Der Computer fragt sich, als würde er sich fragen: "Was würde eine Person darüber denken, was genau auf diesem Bild gezeigt wird?" und gibt eine Antwort.

Vorausschau hat immer das Ziel, bessere Entscheidungen zu treffen. Dank Wettervorhersagen können wir entscheiden, welche Kleidung wir tragen möchten. Und wenn Sie davon ausgehen, was sich beispielsweise in einem MRT-Bild befindet, können Sie den richtigen Behandlungsverlauf vorschreiben.

Aus dieser Sicht ist KI ziemlich langweilig. Dies ist einfach eine bessere statistische Technologie. Aber enorme Fortschritte bei der Entwicklung der KI führen dazu, dass ihre Vorhersagen besser, schneller und billiger werden. Und dies eröffnet großartige Möglichkeiten, die wir vorher nicht hatten.

Wie bewegt sich die KI von der Werbung zum realen Wert?

Als wir dieses Buch geschrieben haben, haben wir uns daran erinnert, was mit der Computerrevolution und der Internetrevolution passiert ist. Es gab viel Aufregung um sie herum, und viele Unternehmen gaben Millionen von Dollar für Dinge aus, die nicht wirklich gut durchdacht waren.

Wir wollen diesen Fehler nicht wiederholen. Stattdessen sagen wir: „Wenn Prognosen zur Verbesserung des Entscheidungsprozesses beitragen, nehmen wir die Arbeitsprozesse unserer Organisation und wählen aus ihnen alle Entscheidungen aus, die wir treffen müssen, um von den Quelldaten zum Ergebnis zu gelangen. In diesem Prozess bestimmen wir, wo Quellen der Unsicherheit. " Dann werden Sie verstehen, wo KI speziell für Sie nützlich sein kann, um die Anzahl der Unsicherheiten zu verringern und bessere Entscheidungen zu treffen.

Dieser Vorgang wurde bereits zuvor mit Computern durchgeführt. Die Mitarbeiter teilten dann Workflows und Aufgaben in separate Iterationen auf und fanden heraus, wo Computer nützlich sein würden. Dies führte vor 20 bis 25 Jahren zum Phänomen des Reengineerings. Wir empfehlen, es erneut zu tun.

Sie schreiben, dass jeder einen Moment der Einsicht in die KI hat - einen Moment, in dem alles klar wird, wie ein Fingerschnipsen. Sollte jede Branche warten, bis ihre Erkenntnisse mit der Verwendung von KI beginnen?

Es gibt Leute, die sich nur fragen: "Kann KI unserem Geschäft helfen?" Dies kann jedoch bereits Realität sein. Zum Beispiel haben wir eine Supermarktkette untersucht. Sie verwendeten KI, um den Beladungsgrad von Kühlhäusern vorherzusagen, was im Falle einer Optimierung zu erheblichen Kosteneinsparungen führen kann. Schließlich sind Lebensmittellager teuer, und Sie müssen ein optimales Gleichgewicht zwischen Angebot und Nachfrage aufrechterhalten, sonst werden Sie für Waren verwöhnt.

Dieses Netzwerk hat maschinelles Lernen genutzt, um zu verstehen, was Kanadas Nachfrage nach Joghurt genau antreibt. Sie fanden heraus, dass das Wetter ein wesentlicher Faktor für die Entscheidung war, ob das Geschäft am Ende des Tages mehr oder weniger Joghurt als erwartet hatte. Selbst ein Temperaturabfall von mehreren Grad im allgemein kalten Kanada hat die Nachfrage der Verbraucher nach Joghurt verändert. Und es stellte sich als etwas völlig Unglaubliches heraus! Sie begannen Gewinne zu sehen - 5% hier, 5% dort - und all dies summiert sich zum Gesamtgewinn. Dies ist der Moment, in dem die Leute erkennen: "Oh, das ist uns wirklich wichtig."

Es ist bekannt, dass KI sich von Daten „ernährt“. Es gibt Unternehmen, die große Datenmengen für die Arbeit gesammelt haben, und andere, die in diesem Bereich hinterherhinken. Wird KI Unternehmen mit großen Datenmengen zugute kommen?

Tatsächlich ist diese Frage ziemlich schwer zu beantworten. Auf jeden Fall braucht KI Daten, aber der einfachste Weg, alle von KI abzuhalten, besteht darin, zu sagen: "Sie haben Daten, aber Sie tun es nicht." Ich habe keinen Zweifel daran, dass Unternehmen wie Google, Facebook und Amazon derzeit die KI anführen, weil sie lange über die Daten nachgedacht und sie korrekt gesammelt haben. Normalerweise denkt das Unternehmen, das Daten sammelt, nicht darüber nach, wie sie verwendet werden sollen, und befindet sich daher nicht unbedingt in derselben Position.

KI braucht die richtigen Daten - richtig strukturiert, die richtigen Eigenschaften messend, sauber. Es ist wahrscheinlich, dass neue Unternehmen, die heute beginnen, Daten von Grund auf neu zu sammeln, möglicherweise bessere Daten für die KI erstellen.

Wo liegt das Potenzial für den Einsatz von KI in einer Organisation?

Dies ist ein komplexes Problem, mit dem viele Unternehmen konfrontiert sind. Jetzt sehe ich KI als eine der Funktionen von Analysesystemen, da es immer noch eine große Anzahl verschiedener Elemente gibt, die eine eingehende Untersuchung der damit verbundenen Daten erfordern.

Aber auf lange Sicht sollte sich dies ändern. Erstens gibt es immer die Wahl - Outsourcing oder Erstellung eigener Systeme, und in beiden Fällen gibt es Vorteile und Risiken. Es hängt auch davon ab, welche Bereiche der Aktivitäten der Organisation von KI-Funktionen beeinflusst werden sollen. Die Fähigkeiten der allgemeinen KI sind in zentralisierten Aufgaben sinnvoll, aber Aufgaben, die spezifischer für bestimmte Abteilungen sind, können zu einer Verschiebung der entsprechenden KI-Funktionen in diesen Abteilungen führen.

Nehmen wir zum Beispiel die Personalabteilung: Personalmanager versuchen immer vorherzusagen, ob ein neuer Mitarbeiter produktiv sein wird oder ob ein bestehender Mitarbeiter aktualisiert werden soll. Heutzutage haben die Personalabteilungen viele Daten gesammelt, die diese Prognosen unterstützen könnten, aber alle erforderlichen Informationen werden in Dateien gespeichert und nicht verwendet.

Was sollte getan werden, um sich auf die Implementierung der KI vorzubereiten?

Hüte dich vor der Geschichte. Hüten Sie sich vor Leuten, die technologische Geschenke machen. KI ist eine sehr spezifische Sache. Ein tiefes Wissen über die Technologie und was sie Ihnen geben kann, hilft Ihnen zu verstehen, ob sie versuchen, Ihnen etwas wirklich Wertvolles zu verkaufen und welches Potenzial es hat. Mit anderen Worten, es ist sehr wichtig, dass es Mitarbeiter in der Organisation gibt, die Ihnen bei der Beurteilung helfen können, ob die potenziellen Vorteile aus Sicht der Datenwissenschaft und der Geschäftstätigkeit des Unternehmens real sind oder nicht.

Gleichzeitig bieten Experimente einen enormen Nutzen. Wenn Sie eine große Organisation haben, lassen Sie einzelne Teams den Einsatz künstlicher Intelligenz in ihren Aktivitäten finden. Als Experiment (und nicht als Ersatz der Hauptfunktionen) kann dies von großem Nutzen sein. Sie müssen Ihre Risiken verwalten, sollten jedoch die Chancen, die die KI bietet, nicht verlieren.

Source: https://habr.com/ru/post/de436064/


All Articles