人工智能:开辟未来之路

译文
人工智能
人工智能持续向纵深发展,而确保业务连续性又对企业至关重要,因此大多数企业在实施AI项目时仍然面临挑战。此外,受到新冠疫情的影响,对于软件的交付速度有了前所未有的要求,不少企业希望通过创新来寻找出路,但现实是多数企业并未做好相关准备。本文将进一步讨论AI对业务的潜在价值、技术的引进标准以及整个过程中QA(质量保证)监督的作用。

【51CTO.com快译】  当前数字经济席卷全球,放眼天下,人工智能具有重塑我们今天所知的世界经济的惊人潜力。到2023年,人工智能市场的全球利润预计将达到1000亿美元。这种强大的工具支持分析海量数据,提供可行的解决方案,甚至可以在人类难以预见的情况下独立行动。

  但是,人工智能持续向纵深发展,而确保业务连续性又对企业至关重要,因此大多数企业在实施AI项目时仍然面临挑战。此外,受到新冠疫情的影响,对于软件的交付速度有了前所未有的要求,不少企业希望通过创新来寻找出路,但现实是多数企业并未做好相关准备。本文将进一步讨论AI对业务的潜在价值、技术的引进标准以及整个过程中QA(质量保证)监督的作用。

[[401502]]

  为当今企业创建认知能力

  首先建议重点关注人工智能落地已经产生实效的3个场景:

  其一,业务流程自动化,一般通过机器人流程自动化(RPA)执行。这一条相对容易实现,RPA可以模拟人工从不同的系统接收和处理数据。比如公司应用RPA来处理电子邮件,RPA根据内容对它们进行分类、处理、管理回复等等,不需要人为介入。

  其二,详细的大数据分析。这主要指可以通过大数据分析来预判用户行为,也可以用于财务欺诈检测。机器学习的发展非常迅猛,目前已经可以识别图像和语音,这也进一步提高了数据分析能力。比较典型的是在数据库中寻找匹配项,比如与同一类公司相关但以各种形式或格式呈现的信息。

  其三,通过聊天机器人或智能代理与客户或员工进行互动。这一项主要可实现全天候客户支持以及高度个性化的产品推荐服务,从而拓展更多销售线索,培养更多潜在客户。

  当人和机器工作相结合时,企业会欣然发现并接受这样的优势:工作流程加速、员工效率和创造力持续提升、客户满意度提高。

  人工智能的持续发展何以为期?

  据麦肯锡调查显示,44%的企业表示在引入人工智能后,成本降低了,而收益远未结束。显而易见的是,这些组织在未来几年会继续深入使用这项技术。人工智能领域有几个方向的价值值得重点突出一下:

  • 人工智能物联网(AIoT)。想象一下,您的联网设备可以从收集的数据中学习。比如智能办公一站式解决方案,再比电暖设备节能智控系统。

  •智能制造。人工智能在进行数据分析后可以驱动智能决策,为制造厂商提供可行建议,增强数字韧性,提升企业的应变能力,防范计划外的意外停机。

  •计算机视觉。为了帮助企业克服极端条件下的环境限制,可以使用计算机视觉来发现执行过程中的流程差异,以及一些违反安全法规的行为等等。

  由此可见,在合适的场景下,人工智能的应用和普及有助于企业规避风险,在长远发展中减少人为错误,提高生产效率。

  考虑实施 AI 的标准

  目前人工智能已经在多个行业取得了成功。综合来看,要发挥其有效性,在很大程度上取决于企业引入这项新技术的必要性和时机。当想要确定新技术是否会达成理想的目标时,有两个标准很重要,一是目标的性质,二是失败的代价。

  首先,对于那些需要妥协、设置了优先级或者是基于感性决定的目标,自动化并不总是适配。但是如果企业在搜集、存储、处理大数据,人工智能可能会成为技术首选,因为高速处理海量数据可以极大地简化商业模式。

  其次,始终牢记:到目前为止,在做出战略决策时,包括为业务发展制定下一阶段的指南时,相对于机器智能,人类智能是至高的出路。因为即使是一个错误也可能导致财产损失或品牌受损。

  利用QA支持引入AI技术

  如果您的企业适合引入AI,那么QA 团队要凭什么来验证此类解决方案的稳定性和可靠性呢?下面建议考虑五个步骤:

  第一,聚焦需求。需求的多样性、变异性和进化性使其很难被完全识别和表达出来。因此,工程师们必须和厂商、业务顾问和数据科学家积极互动、密切沟通,从而了解需求的真实内涵和细节要求。

  第二,对测试用例给予应有的关注。QA 专家应该不断设计新的测试用例,更新测试模型。由于人工智能解决方案日新月异,很难捕捉所有的概率。

  第三,仔细确定测试数据集。神经网络中的数据分为三个部分:一个训练集,一个开发集和一个测试集。测试集主要是用从未应用过的数据来检查最终的算法。这组数据必须包含尽可能接近生产的数据,QA团队要仔细监控这些数据。

  第四,不要逃避网络安全测试。比如在金融和保险业,当基于人工智能的系统受到网络攻击时,安全漏洞可能会造成严重后果,甚至可能泄露敏感的财务数据。

  第五,好好利用测试自动化。由于人工智能系统的培训是一致的,因此需要大量的测试自动化工作来包含新出现的测试用例,从而扩大测试覆盖率,缩短测试时间并降低QA成本。

  原文链接:https://www.forbes.com/sites/forbestechcouncil/2021/03/26/artificial-intelligence-blazing-a-trail-for-the-future/?utm_campaign=Artificial+Intelligence+Weekly&utm_medium=email&utm_source=Artificial_Intelligence_Weekly_208&sh=3865805e4e4c

【51CTO译稿,合作站点转载请注明原文译者和出处为51CTO.com】

责任编辑:张洁 来源: Forbes
相关推荐

2022-06-20 11:05:58

通用人工智能机器人

2022-11-03 15:16:27

人工智能

2021-05-24 16:01:35

人工智能AI机器学习

2020-07-20 10:18:02

人工智能面部识别视频分析

2013-03-19 16:10:37

2012-08-17 15:26:16

安腾处理器X86平台

2024-01-16 10:22:23

人工智能大型语言模GPT 4

2021-06-28 16:15:57

人工智能AI

2022-07-08 11:02:01

人工智能AI

2023-06-09 09:57:40

人工智能教育

2022-07-29 15:47:25

人工智能AI

2023-12-25 15:52:10

2021-03-22 12:08:30

人工智能

2021-08-12 21:10:30

人工智能AI

2021-02-25 10:23:01

人工智能科技机器学习

2018-11-07 14:20:35

人工智能未来教育

2022-03-15 16:06:39

人工智能AI

2021-10-20 22:21:38

人工智能AI

2019-09-02 15:00:23

人工智能机器人经济

2023-11-02 15:36:38

人工智能AI
点赞
收藏

51CTO技术栈公众号