Между «ожиданием» и «беспокойством»
Большой пролог Четвертой промышленной революции всегда поднимает две взаимосвязанные темы: большие данные и искусственный интеллект. Наша реакция на эти две основные темы была бы двумя противоречивыми чувствами.
Это были бы ожидания по отношению к будущему человечества, а также тревога из-за неопределенности личности. На этой сессии мы хотели бы начать обсуждение этих сосуществующих настроений в эпоху больших данных и искусственного интеллекта.
Эйлис стремится предоставить ценности, созданные одним из потоков ИИ, машинным обучением, многочисленным компаниям в разных отраслях. Мы могли своими глазами увидеть, как клиенты подвергаются двум противоречивым реакциям в реальных сферах бизнеса — именно так мы начали наше обсуждение.
"Эйлис использует методы искусственного интеллекта, которые могут обеспечить коллективный рост вместе с нашими пользователями".
ИИ ставит под сомнение ценность пользователя
На протяжении всей истории развитие технологий всегда было направлено на выживание или удобство человека. Другими словами, самым важным предметом обсуждения технического прогресса было человечество. Однако вместе с появлением ИИ стала неясной реальная черта, отличающая людей от нелюдей. Это был сигнал, который побудил нас сосредоточиться на совершенстве технологии, а не на том, кто будет пользователями или как они будут работать. В таком случае можно ли сделать ИИ безупречным, даже если его пользователям не хватает навыков или знаний?
ИИ продолжит заменять людей во многих областях, особенно если учесть, что он уже может распознавать изображения и понимать межчеловеческие разговоры. Тем не менее, Эйлис твердо верит в силу, лежащую в основе внутренней ценности человека, поэтому мы разработали решение на основе ИИ для тех, кто работает в текущих сферах бизнеса. Почему так? Мы проследили ответ из сути ИИ, достигнув определенного «разума» путем обучения на заданных данных. В этом смысле, какие характеристики должны иметь эти данные? Будет ли простое хранение большого количества данных соответствовать «хорошему обучающему набору»?
Конечно, нет. Это легче понять, когда есть пример, связанный с нами, людьми. Направление обучения чрезвычайно важно в приобретении знаний. Предполагая, что кто-то поручил нам задачу под названием «А», слепой просмотр существующих источников, таких как книги и отчеты, не является оптимальным способом ее решения. Кто-то достаточно мудрый предпочел бы тренироваться на задачах, подобных задаче «А». Тот же подход следует применять к ИИ. Даже если машины и технологии могут обрабатывать гораздо более сложные суждения по сравнению с людьми, им все равно требуются человеческие рекомендации, чтобы сузить тип данных для решения проблем.
Именно здесь мы ищем ценность для пользователя. Пользовательская ценность чрезвычайно важна в процессе анализа данных, поскольку она основана на машинном обучении, которое работает с информацией таблицы данных. Текущий бизнес-эксперт должен определить точность прогнозов модели машинного обучения — какие обучающие данные следует выбрать и следует ли проводить эксперимент для улучшения механизма модели или нет.
Свобода от технологий, DAVinCI LABS
Прогнозное моделирование — это не та область, в которой вы можете добиться наилучших результатов от простой одноразовой операции. Что важно, так это «повышение производительности за счет повторного обучения», изучение различных моделей с помощью различных алгоритмов, а затем выбор одной из них с самой высокой производительностью. Кто в таком случае должен отвечать за такое «повторное обучение»? Достаточно ли будет подготовить группы экспертов по данным? Как вы, вероятно, могли предположить из приведенной выше информации, ответ, безусловно, «нет». Подобно теории архитектора, обладающего навыками в архитектуре, эксперты, имеющие опыт повторных экспериментов над конкретной проблемой, будут теми, кто гарантирует наилучший результат.
Следовательно, в этот момент мы, Ailys, придумали наше решение AutoML «DAVinCI LABS». Вдохновленные тем, как бесчисленные эксперименты, проведенные в лаборатории Давинчи, принесли пользу развитию человечества, мы задались вопросом, какой потенциал будет иметь прогностическая модель, основанная на методах машинного обучения, составленных экспертами в этой области. Наша история началась с довольно общей идеи и превратилась в продуктивный результат.
«DAVinCI LABS» — это решение для автоматического машинного обучения, содержащее весь опыт и ноу-хау специалистов по данным. Мы мечтаем, чтобы наше будущее состояло из среды, в которой возможно все следующее: Предоставление средств подхода к технологиям «машинного обучения», кажущимся далеким для тех, кто не привык к науке о данных, для всех экспертов в разных областях. Кроме того, продвижение прогностической модели с целью ее оптимизации для соответствующих доменов; не говоря уже об открытии новых возможностей для бизнес-экспертов за счет освобождения их от технологических требований и, следовательно, создания среды, в которой ИИ и существующие бизнес-эксперты могли бы расти вместе.
Когда мы обсуждаем искусственный интеллект, мы обычно сталкиваемся с выражением «Управляемый данными» — выражение, подчеркивающее, что ИИ работает над высокоуровневым обучением и точным прогнозированием, основанным на данных, а не только на приблизительном предположении. Кроме того, мы хотели бы подчеркнуть еще одну ценность — «Искусственный интеллект, управляемый человеком». Хотя ИИ — это предмет, который обучается на данных, в конечном итоге он сводится к тому, что люди выбирают и предоставляют набор данных хорошего качества. Наряду с тем, что Эйлис стремится к совместной работе ИИ и людей, мы надеемся, что вы сможете встать на путь успеха в своей карьере и бизнесе с «DAVinCI LABS».
