Dette er de praktiske bruksområdene for kunstig intelligens i virksomheten

Dette er den praktiske bruken for kunstig intelligens i virksomheten. For å koble AI til din eksisterende arbeidsflyt, må du først forstå og organisere hoveddatasett, sier Schneider Electric Chief Digital Officer Herve Coureil.

Schneider Electric Chief Digital Officer Herve Coureil satte seg ned med TechRepulics Dan Patterson og snakket om praktisk bruk for AI i virksomheten. Følgende er et redigert utskrift av intervjuet.

Dan Patterson: Dette kan høres ut som et elementært spørsmål. Praktiske bruksområder. Ikke sant? Hvordan ser vi ikke bare forretningsbruk AI nå? Jeg tror vi alle kan peke på noen eksempler, men gi meg de neste 18 til 36 månedene og hjelpe oss å forstå, skal selskaper, bør foretaksselskaper, bygge, kjøpe eller innovere?

Mer om cybersecurity

  • Cybersikkerhet i 2020: Åtte skremmende spådommer
  • De ti viktigste cyberangrepene i tiåret
  • Slik blir du en cybersecurity-proff: Et jukseark
  • Famous con man Frank Abagnale: Kriminalitet er 4000 ganger enklere i dag

Herve Coureil: Det er bra. Mitt eget ansvar for det er at, jeg mener, lage eller kjøpe er de to vanlige polære motsatte, men faktisk er det mange nyanser av partnerskap i midten som faktisk er veldig interessante. Vi bruker ganske mye tid på alle de nyanser i midten, så det kan være massevis av ressurser, det kan være å jobbe med data science-plattformer eller startups, osv. Men så virkelig samutvikle, samarbeide, og så videre. Så vi prøver å bevege oss litt bort fra dette fabrikat kontra kjøp og prøver å være litt mer kreative i midten.

Det er mange spennende ting vi jobber med, faktisk, fra et AI-ståsted. Vi har et team som er superladet. Vi utvikler faktisk flere og flere algoritmer. Vi begynner også å tenke på styringen av algoritmen, hvordan du utsetter dem for API, hvordan du sørger for at hvis noen allerede eksisterer, bruker du den på nytt, ikke oppfinner noe annet, og så videre. Så det er en forestilling om styring som også sparker i. Og så er maskinlæring, selvfølgelig, en stor sak, men vi ser også på andre ting som å søke, for eksempel via asiatisk nettverk for å forstå et nettverk av data i bygningen og å kunne for eksempel hjelpe et menneske med å merke stamdata, ikke sant. Gjør konstruksjonen av datamodellen enklere. Så det ville være noen av de andre tingene vi jobber med. Det kan være litt mer abstrakt, men at vi håper å komme nærmere markedet og virkelig ha løse praktiske problemer. For hvis du har en stor bygning, eller identifiseringen av mesteren din som har alle sensorene dine, tar det mye tid. Så hvis du kan akselerere det ...

Patterson: Master data management slags går hånd i hånd med AI.

Coureil: Helt. Jeg kjente noen som fortalte meg alltid, og jeg liker det, det er ikke AI som i kunstig intelligens uten IA som informasjonsarkitektur. Og det er så riktig.

Patterson: Ok, siste spørsmål her. La oss snakke om Cloud, og ikke Cloud i den spekulative fremtiden, la oss snakke om hvordan Cloud og hvordan AI hjelper selskaper med å bli mer effektive. La oss snakke spesifikt. Vi har noen skyer, Azure, vi har Amazon Cloud, vi har Google Cloud. Så, hvordan har AI nytte av virksomheten nå ved å bruke de offentlige skyene? Og hvor skal vi på kort sikt?

Coureil: Så det er faktisk jeg ser, hvis du vil, tre nivåer veldig, veldig raskt. Den første ville være å kjøpe en programvare som en tjeneste som har noen AV / AI-funksjoner. Vi er en stor bruker av Salesforce. Salesforce kommer med Einstein Analytics, så du kan ha en del av programvare og servicepakke noen AI-funksjoner som du nettopp skal bruke, vil jeg si nesten ut av boksen, ikke sant.

Det er en andre kategori som er spiselig USA, Azure, som du i utgangspunktet har et program og du vil modernisere grensesnittet til det programmet. Du vil gjøre det stemme aktivert. Du vil ha visjon. Du vil ha et samtalegrensesnitt. Så da er selvfølgelig det som disse Cloud-leverandørene tilbyr utrolig, for med API et cetera kan du plutselig legge et lag med intelligent grensesnitt til en eksisterende applikasjon, ikke sant. Det ville være den andre brukssaken.

Den tredje brukssaken er tilbake til det tidligere punktet, du ser på et spesielt problem det kan være ... Så du vil virkelig utvikle en spesifikk algoritme. Så vi jobber selvfølgelig med Cloud, også de, men ikke bare bruker et API mer som å utvikle dem sammen eller med partnere som bruker noen maskinlæringsmodeller mesteparten av tiden som er tilgjengelige eller biblioteker. Et rammeverk som prøver å løse noen av de spesielle problemene. Men noen av de spesielle problemene er det faktisk ... Du påpekte det, det første er at har du tilgang til Vidalia? Forstår du Vidalia? Så det er virkelig å forstå arkitekturen, være i stand til å merke master data et cetera. Og så er du i stand til, på den andre siden av algoritmen, å koble denne AI-en til en eksisterende arbeidsflyt. Fordi du kan ha den beste AI og den beste analysen i verden, men hvis du ikke kan plugge den inn i en faktisk arbeidsflyt slik at noe skjer på den annen side, forblir det vel en fin idé. Men du mangler praktisk brukbarhet.

Dan Patterson: Strålende ting. Jeg løy. Jeg har et spørsmål til deg.

Du er en tankeleder i din bransje, tar du beslutninger. Så du må konsumere innhold også.

Herve Coureil: Å ja.

Dan Patterson: Hvem leser du, og hvem er tankelederne i bransjen? Og hvem kan, hvis jeg ser på dette, hvem kan jeg følge for å lære av og virkelig bidra til å legge til nyanser i AI-samtalen?

Herve Coureil: Vel, jeg brukte ganske god tid på å kuratere en god Twitter-feed.

Dan Patterson: Jeg vet at du gjør det.

Herve Coureil: Så selvfølgelig ville du ha all den tradisjonelle mistenkte. Men jeg liker noen, tror jeg, av store VC-firmaer. Snakk om nesten en Sicoya eller snakk om en Orabets, de har fantastisk innhold faktisk på AI. Så jeg følger virkelig ivrig etter noen av de viktigste partnerne her, og noe av innholdet deres. Fordi jeg tror de virkelig utvikler interessante synspunkter på markedet. Da er jeg selvfølgelig en stor leser. Det er et par bøker som jeg nylig har lest om å utvikle, som jeg synes er interessante.

Det er en fra Pedro Domingo, 'The Master Algorithm' som er ganske fantastisk. Og en annen kalt 'Book of Why' om årsakssammenheng fra Judea Pearl. Så det er to superbok som er en god måte å komme i gang med å tenke på AI.

Nyhetsbrev om innovasjon

Vær kjent med smarte byer, AI, Internet of Things, VR, AR, robotikk, droner, autonom kjøring og mer av de kuleste teknologiske nyvinningene. Leveres onsdager og fredager

Registrer deg i dag

© Copyright 2020 | mobilegn.com