当人工智能方法可以有效地从用户的角度来看?
奥拉夫Enge-Rosenblatt和安迪Heinig
人工智能(AI)的主题是无处不在的今天,新闻和科普节目。可能性的数量对于人工智能决策方法来帮助人们迅速扩张。
有三个主要原因:
这些因素让AI向新的应用领域不断扩大。但事情看起来如何从人工智能的角度用户吗?当人工智能方法可以有效地使用吗?的先决条件是什么,什么是正确的方式进行?这些和其他问题感兴趣的任何人都仔细研究他们的责任可能AI用例。
体验从不同项目引入人工智能工业生产过程表明,五个最初的挑战存在从用户的角度来看,必须按顺序处理:业务情况下,团队建设,该算法,实现,最后,跨公司合作。然而,有时是不可能单独考虑这些挑战,因为他们每一个互相影响。这就需要遍历所有的挑战次数。
第一个引入人工智能和最重要的问题是如何定义的业务案例。它必须显示预期的投资将偿还。否则,它必须决定是否计划AI是公司的战略重要性。
团队建设的主题有两个部分——核心团队和公司相关部门。核心团队应该包括数据分析师(毕竟这是AI),以及处理专家和软件专家。这是必要的,由于人工智能的方式。其他重要领域包括公司、营销和相应的管理水平。
关于算法,它必须确定如何将有效的人工智能解决用户的问题(可行性),以及是否存在足够的域和过程知识在公司培训一个AI和评估结果。可用的数据在定义算法发挥最大的作用。跨公司合作是需要确保任何必要另外数据可以从供应商或客户。
当涉及到人工智能,每个人都想象大型计算机系统,神经网络,智能自治系统。然而,人工智能和许多其他类型的系统可以使用,。在百货商店的例子包括应用程序(例如个性化广告或产品置入后以前的购买)或在社交媒体领域(推荐额外的内容)。
地区必须收集真实的数据,有一种强烈的趋势在云中分布式人工智能操作部分,边缘系统的部分,可能更有趣(这就是)在单个芯片上。沟通可以优化所需的数据量。它还允许实时做出决策的“早期”硬件连锁店,而更费时和复杂的数据分析通常发生在云端。
从用户的角度来看,不管是否AI在云中运行或在边缘系统。然而,具体情况通常更适合一个选择。如果低延迟是至关重要的,系统有显著的优势,大部分的AI在边缘系统上运行。边缘的解决方案也更可取的关于数据主权。另一方面,大型加工要求在云中可以更好的处理,特别是在分配过程中基于优先级和云服务器处理能力。
这种优化时必须考虑的定义解决方案,确保用户获得最好的性能。首先,用户通常很少或没有兴趣人工智能解决方案的具体实现细节,只要提供有效协助决策或执行其他任务。然而,随着数据量增加,随着时间的推移更大,必须做出决策更加迅速,需要优化个人表现只会增加。
安迪Heinig组长为高效先进的系统集成和部门主管在弗劳恩霍夫IIS EAS电子。
|
|
|
|
|
|
|
|
|
|
留下一个回复