Ein einfaches Werkzeug, um KI für die Entscheidungsfindung zu verwenden

Hallo allerseits! Wir beginnen den Monat mit einem eher leichten, aber nützlichen Material, dessen Veröffentlichung zeitlich auf den Beginn des Big Data for Managers- Kurses abgestimmt ist, der Mitte April beginnt. Also fangen wir an.

Es gibt eine Vielzahl maßgeblicher Meinungen zu den Auswirkungen künstlicher Intelligenz (KI) auf das Geschäft der nahen Zukunft. Über das Thema, wie genau Unternehmen damit beginnen können, wird jedoch viel weniger gesagt. Unsere Studie und unser Buch beginnen mit einer Analyse der KI in ihre einfachsten Komponenten. Wir schlagen einen Weg vor, um diesen ersten Schritt zu tun.



Beginnen wir mit einer einfachen Idee: Die jüngsten Entwicklungen auf dem Gebiet der KI zielen darauf ab, die Kosten für die Vorhersage zu senken. KI verbessert Prognosen, macht sie schneller und billiger. Es ist viel einfacher geworden, nicht nur die Zukunft vorherzusagen (wie wird das Wetter nächste Woche sein?), Sondern auch die Gegenwart (Wie wird diese spanische Seite ins Englische übersetzt?). Prognose ist die Verwendung verfügbarer Informationen, um Informationen zu erhalten, über die Sie nicht verfügen. Wenn Sie Informationen (Daten) haben, die gefiltert, komprimiert und sortiert werden müssen, um Ideen zu erhalten, die Entscheidungen erleichtern, hilft die Prognose. Und jetzt können Autos helfen.

Verbesserte Vorhersagen helfen dabei, Entscheidungen angesichts der Unsicherheit zu treffen, die in Unternehmen häufig vorkommt. Aber wie kann man eine Vorhersagemaschine in den Entscheidungsprozess einbeziehen?

Wir haben den Absolventen des MBA der Rotman School of Management an der Universität von Toronto dieses Thema beigebracht und über ein einfaches Entscheidungsinstrument gesprochen: AI Canvas. Jedes Element der Zeichenfläche enthält eine der Anforderungen für das Treffen von Entscheidungen mithilfe eines Computers, beginnend mit der Vorhersage.

KI Leinwand

Verwenden Sie es, um zu verstehen, wie KI Ihnen hilft, Geschäftsentscheidungen zu treffen.

Vorhersage
Was müssen Sie wissen, um eine Entscheidung zu treffen?

BEWERTUNG
Wie werden die verschiedenen Ergebnisse und Fehler bewertet?

AKTION
Was versuchst du zu tun?

ERGEBNIS
Welche Metriken werden verwendet, um den Erfolg zu messen?

EINGABEDATEN
Welche Daten werden benötigt, um den Vorhersagealgorithmus auszuführen?

AUSBILDUNG
Welche Daten werden benötigt, um einen Vorhersagealgorithmus zu trainieren?

RÜCKKOPPLUNG
Wie kann ich die Ergebnisse verwenden, um den Algorithmus zu verbessern?

Um die Funktionsweise von AI Canvas zu erläutern, verwenden wir ein Beispiel, das in einem der Workshops zur AI-Strategie von Craig Campbell, CEO von Peloton Innovations, einer Organisation, die AI in der Sicherheitsbranche implementiert, erfunden wurde. (Dies ist ein Beispiel aus der Praxis, das auf einem Produkt namens RSPNDR.ai basiert, das Peloton verkauft.)

Mehr als 97% der Hausalarmsysteme erweisen sich als falsch. Das heißt, ihre Ursache ist kein Angreifer. Die Sicherheitsfirma muss eine Entscheidung treffen: ob sie die Polizei oder den Sicherheitsdienst anrufen soll? Hausbesitzer anrufen? Ignorieren? Wenn das Unternehmen beschließt, in mehr als 90 von 100 Fällen zu handeln, ist dies vergebens. Das Ergreifen von Maßnahmen als Reaktion auf einen Alarm bedeutet jedoch, dass die Sicherheitsfirma eine echte Gefahr nicht unbeaufsichtigt lässt.

Wie können Sie verstehen, ob eine Vorhersagemaschine Ihnen hilft? AI Canvas ist ein einfaches Tool zum Organisieren der erforderlichen Informationen in sieben Kategorien, um die erforderliche Lösung zu erhalten. Schauen wir uns ein Beispiel für einen Sicherheitsalarm an.

AI Canvas: Ein Beispiel für die Verwendung von AI zur Verbesserung der Sicherheit zu Hause

Vorhersage
Sagen Sie voraus, ob der Alarm für eine unbekannte Person oder etwas anderes funktioniert hat (d. H. Richtig oder falsch).

BEWERTUNG
Vergleichen Sie die Kosten der Antwort auf ein falsches Positiv mit den Kosten der Untätigkeit im Falle eines echten Positivs.

AKTION
Reagieren oder nicht im Falle eines Signals.

ERGEBNIS
Wurde die richtige Entscheidung getroffen, als der Alarm losging?

EINGABEDATEN
Daten von Bewegungssensoren, Wärme, Kameras für jeden Moment während eines Alarms. Diese Daten werden von AI gesteuert.

AUSBILDUNG
Sensorische Daten für einen bestimmten Zeitraum und die entsprechenden Daten der Operationsergebnisse (ein echter Angreifer oder ein falsches Positiv); Diese Daten werden verwendet, um die KI vor dem Start zu trainieren.

RÜCKKOPPLUNG
Sensordaten und die entsprechenden Antwortergebnisse (von einem Angreifer bestätigt oder falsche Antwort bestätigt); Diese Daten werden verwendet, um das Modell während des AI-Betriebs zu aktualisieren.

Zunächst klären wir, was vorhergesagt werden muss. Im Falle eines Alarms müssen Sie herausfinden, ob er von einer unbekannten Person verursacht wurde oder nicht (falscher Alarm oder nicht). Eine Vorhersagemaschine kann dies möglicherweise melden - am Ende ist ein Alarm mit einem einfachen Bewegungssensor in gewissem Maße eine Vorhersagemaschine. Durch maschinelles Lernen können Sie mithilfe eines größeren Bereichs von Sensordaten bestimmen, was genau Sie vorhersagen möchten: ob die Bewegung von einer unbekannten Person verursacht wurde. Mit den richtigen Sensoren, beispielsweise einer Kamera, die Gesichter erkennt - Menschen und Haustiere - oder einem Türschloss, das erkennt, wenn sich jemand in der Nähe der Tür befindet, liefern moderne KI-Technologien detailliertere Vorhersagen.

Die Vorhersage ist nicht mehr in "Bewegung = Angst", sondern zum Beispiel "Bewegung + unbekanntes Gesicht = Angst". Komplexere Vorhersagen reduzieren die Anzahl der Fehlalarme, was die Entscheidung vereinfacht, den Wachmann zur Überprüfung zu senden, anstatt den Eigentümer anzurufen.

Die Vorhersage kann nicht 100% genau sein. Um die Größe der Investition in die Verbesserung von Vorhersagen zu bestimmen, müssen Sie daher die Kosten eines falsch positiven Ergebnisses im Vergleich zu den Kosten für das Ignorieren der Gegenwart kennen. Dies hängt von der Situation ab und erfordert eine menschliche Beurteilung. Wie viel kostet ein Rückruf, um die Situation zu bestätigen? Wie viel kostet es, einen Wachmann als Reaktion auf einen Alarm zu schicken? Was kostet eine schnelle Reaktion? Was kostet Untätigkeit, wenn der Angreifer wirklich im Haus ist? Es gibt viele Faktoren zu berücksichtigen; Die Bestimmung ihres relativen Wertes erfordert eine Bewertung.

Eine solche Bewertung kann das Wesentliche Ihrer Prognosemaschine verändern. Bei Alarmen sind Kameras rund um das Haus eine der besten Möglichkeiten, um die Anwesenheit eines unbekannten Eindringlings festzustellen. Aber viele Menschen mögen dies unangenehm finden.

Einige bevorzugen die Vertraulichkeit gegenüber Fehlalarmen. Die Bewertung erfordert manchmal die Bestimmung relativer Werte und Faktoren, die schwer zu berechnen und daher zu vergleichen sind. Die Kosten für ein falsches Positiv sind leicht zu messen, der Preis für die Privatsphäre nicht.

Bestimmen Sie dann die Aktion, die von der generierten Prognose abhängt. Dies kann eine einfache "Reagieren / Nicht-Reagieren" -Lösung oder etwas nuancierteres sein. Mögliche Optionen sind nicht nur die Reaktion einer Person, sondern auch die sofortige Einbeziehung der Fernüberwachung, wer zu Hause ist, oder eine Art Kontakt mit dem Eigentümer des Hauses.

Aktion führt zu einem Ergebnis. Zum Beispiel reagierte eine Sicherheitsfirma und schickte einen Sicherheitsbeamten zur Überprüfung (Aktion), der den Eindringling erkannte (Ergebnis). Mit anderen Worten, wenn wir zurückblicken, können wir sehen, ob in allen Phasen die richtigen Entscheidungen getroffen wurden. Dieses Wissen ist nützlich, um die Notwendigkeit zu bewerten, Vorhersagen im Laufe der Zeit zu verbessern. Wenn Sie nicht wissen, welches Ergebnis Sie erhalten möchten, sind Verbesserungen schwierig, wenn nicht unmöglich.

Ein Teil der Leinwand - Vorhersage, Bewertung, Aktion und Ergebnis - beschreibt wichtige Aspekte der Entscheidung. Der andere Teil sind drei abschließende Überlegungen. Alle sind datenbezogen. Um eine nützliche Vorhersage zu erstellen, müssen Sie wissen, was zum Zeitpunkt der Entscheidung passiert - in unserem Fall, wenn der Alarm ausgelöst wird. Im obigen Beispiel umfasst dies Bewegungssensordaten und visuelle Kameradaten, die in Echtzeit erfasst werden. Dies ist die grundlegendste Eingabe.

Um eine Vorhersagemaschine zu entwickeln, müssen Sie zunächst ein Modell für maschinelles Lernen trainieren. Die Trainingsdaten bestehen aus Sensordaten für einen bestimmten Zeitraum mit den entsprechenden Ergebnissen zur Kalibrierung der der Prognosemaschine zugrunde liegenden Algorithmen. Stellen Sie sich in diesem Fall eine riesige Tabelle vor, in der jede Zeile die Alarmreaktionszeit darstellt, ob der Angreifer tatsächlich war und einige andere Daten, z. B. Zeit und Ort. Je umfangreicher und vielfältiger die Trainingsdaten sind, desto besser sind Ihre Vorhersagen. Wenn keine Daten vorhanden sind, müssen Sie eine mittelmäßige Vorhersagemaschine starten und auf deren Verbesserung im Laufe der Zeit warten.

Verbesserungen werden durch Feedback erzielt. Dies sind die Daten, die Sie erfassen, während die Maschine in realen Situationen arbeitet. Feedback-Daten werden häufig in einer umfassenderen Umgebung als beim Training generiert. In unserem Beispiel finden Sie die Beziehung des Ergebnisses zu den Daten, die von den Sensoren über die Fenster empfangen werden. Dies wirkt sich darauf aus, wie die Bewegung erkannt wird und wie Kameras Gesichter erfassen - was möglicherweise realistischer ist als die für das Training verwendeten Daten. So können Sie die Genauigkeit von Vorhersagen weiter verbessern, indem Sie die Feedback-Daten weiter trainieren. Manchmal werden solche Daten in ein bestimmtes Haus hochgeladen. In anderen Fällen können sie sich auf mehrere erstrecken.

Wenn Sie diese sieben Faktoren für jede wichtige Entscheidung Ihres Unternehmens erläutern, können Sie feststellen, ob KI Kosten senken oder die Produktivität verbessern kann. Hier haben wir eine Lösung für eine bestimmte Situation besprochen. Um mit AI zu beginnen, müssen Sie wichtige Entscheidungen in Ihrem Unternehmen identifizieren, bei denen das Ergebnis von Unsicherheiten abhängt. Wenn Sie die KI des Canvas ausfüllen, können Sie nicht sagen, ob Sie eine eigene KI benötigen oder eine fertige KI vom Lieferanten kaufen, sondern Sie können erklären, welchen Beitrag die KI leisten wird (Vorhersage), wie sie mit Menschen interagiert (Bewertung), wie sie Entscheidungen beeinflusst (Aktion), Wie wird der Erfolg (Ergebnis) bewertet und welche Arten von Daten sind für das Training, den Betrieb und die Verbesserung der KI erforderlich?

Das Potenzial ist riesig. Beispielsweise löst ein Alarm eine Vorhersage für einen Remote-Agenten aus. Ein Grund für diesen Ansatz ist die schiere Anzahl von Fehlalarmen. Aber denken Sie - wenn die Vorhersagemaschinen so intelligent werden, dass es keine Fehlalarme mehr gibt, ist die Reaktion und das Senden des Wachmanns die richtige Entscheidung? Man kann sich nur alternative Lösungen vorstellen, zum Beispiel ein System zur Erfassung eines Angreifers an Ort und Stelle (wie in Cartoons!), Das mit genaueren und qualitativ hochwertigeren Vorhersagen existieren könnte. Im Allgemeinen bieten verbesserte Vorhersagen mehr Möglichkeiten für neue Sicherheitsansätze oder sogar potenzielle Vorhersagen der Absichten eines Eindringlings, bevor sie eindringen.

Wenn Sie das Material nützlich finden, sind wir für Ihre Vorteile dankbar. Für eine detailliertere Kenntnis des Kursprogramms können Sie sich jetzt für ein kostenloses offenes Webinar anmelden, das am 3. April von unserem Lehrer Artyom Prosvetov abgehalten wird.