人工智能创业技巧

人工智能创业技巧 人工智能有着巨大的商业前景，但大部分组织显然没有充分利用这一优势。以下是早期采纳者如何在人工智能项目中挖掘商业价值的一些建议。

各领域的商业领导人都在看人工智能的价值，但只有很好地使用人工智能才能真正反映其价值。

在这里，我们希望总结传球者的经验和教训，给后来者一个有意义的参考。德勤最近的一项调查显示，82%的人工智能早期招聘者在认知技术投资中看到了积极的财务成果，投资收益率中中位数为17%。

成功的人工智能项目和失败的人工智能项目之间最大的区别是什么？Nitin Mittal，德勤咨询公司的分析和认知部门负责人表示，有以技术为中心和以业务需求为中心的迹象。

想要最大限度地利用人工智能的组织应该注意“可能适合人工智能的特定用例”。专注于要实现的业务目标，证明其价值，扩大规模。这就是我们看到的很多事例能够成功的原因。“米塔尔说。

以下是将人工智能项目转变为商业价值的8种技术，这些技术来自从人工智能中获得实际利益的人的总结。

集中在具体问题上

Colin Parris General Electric负责软件研究的副总裁在GE说，商业价值是所有人工智能项目的核心。

“我们从一系列最小可行的产品开始，真的能预测什么？如果我们能做到，它能带来更便宜、更快或更多的收入吗？最后，我们如何扩大它，如何分发它以获得商业价值？”他说。

这一系列后续行动非常重要。

例如，如果人工智能系统预测需要维护的设备，则需要将这些预测集成到工作流中。这可能意味着要派遣适当的现场工程师，在适当的时间进行适当的维护。

可能需要集成到库存系统中。

或者可能需要与实际机器集成。如果我的人工智能能真正理解什么时候需要提高温度或压力，我就必须集成到控制系统中。“他说。

了解AI的局限性

当人类尝试预测时，他们有时会成为被称为Dunning-Kruger效应的心理陷阱的牺牲品。当你没有意识到对某个主题所知甚少，误以为自己是专家时，就会发生这种情况。结果可能很幽默，也很悲惨。

人工智能系统也可能陷入同样的陷阱。例如，接受过特定数据集训练的人工智能需要根据完全不同的数据集进行预测。这提供了完全错误的回答——，但对于学会依赖人工智能预测的用户来说，这可能很有说服力。

现实是，需要数据科学家来理解分析模型何时适合特定数据集。IBM的Parris表示：“我们需要理解基于数据的家庭。”“如何测试模型？单击可能需要生成其他类型的数据或模拟数据，以确保其有效。然后，在数据运行时检查数据，确保这些假设有效。这是你作为人类做的。