人工智能常见问题解答:何时才真正值得使用AI?

Anonim
Das Thema KI ist mittlerweile fast allgegenwärtig, wir zeigen worauf sie achten müssen.
AI的主题现在几乎无所不在,我们向他们展示他们必须注意的内容。
照片:NicoElNino-shutterstock.com

当涉及到前瞻性企业概念时,到目前为止,KI解决方案似乎还无法解决。 它们旨在提高操作效率,及早发现错误并快速分析大量数据。 借助人工智能,数字化似乎达到了一个新的水平。

但是公司如何提出正确的AI解决方案? 在实施过程中应考虑什么? 是否有“开箱即用”的解决方案? 为了回答有关人工智能的这些问题和其他问题,COMPUTERWOCHE与柏林AI服务初创公司Parlamentind GmbH的首席执行官兼创始人TinaKlüwer以及联邦议院AI征服委员会的专家和KI-的董事会成员进行了交谈。联邦协会。

人工智能与分析

每个人都在谈论AI,但是我们之前已经分析过数据。 分析和人工智能之间有什么区别?

人工智能为数据使用提供了不同的方法,并带来了决定性的好处。 人工智能技术通常意味着机器学习。 换句话说,这里的结果-实际上是“知识”-可以使用基于经验数据的统计模型中的算法生成。 或者结果是基于神经网络或两者结合的机器学习的输出。

spoods.de

在这些方法中,不再需要手工描述以前用于数据分析和处理的规则。 该技术可以在一定程度上独立处理数据。 在AI技术中,机器直接从数据中独立学习。 它可能与人们以前考虑过的东西分离开来,发现了模式并相应地处理了数据。

另一个区别-这就是机器学习与分析或手写规则的强大关系-尽管严重缺乏清晰度,但AI机器仍可以继续工作。 也就是说,她所能处理的案件与以前所预期的略有不同。 这是数据分析的里程碑。

人工智能的理论基础可以追溯到上世纪50年代。 为什么现在KI只是这样的炒作话题?

Erst die moderne Computing Power und die Fähigkeit große Datenmengen schnell zu verarbeiten, führt zu dem derzeitigen KI-Hype.
只有现代的计算能力和处理大量数据的能力才能迅速导致当前的AI炒作。
照片:哥罗登科夫-Shutterstock

三个发展对此做出了重要贡献。 首先,计算能力。 幸运的是,芯片变得如此之快,以至于训练模型也变得很有趣。 以前,由于缺乏计算能力,有时需要数周时间。 第二个重要方面是,现在可以以与10年前完全不同的规模访问大量数据。 第三,可以说算法本身的某些进步使它们特别有效。 特别是在图像识别领域,这开辟了全新的可能性。

谁从AI使用中受益

有没有特别从使用AI获利的行业?

人们必须基于大量数据来执行认知工作并且在其中最重要的流程优化方面,所有领域或商业领域都将从使用AI中受益。 例如,这包括图像识别。 在这里,人工智能几乎是必不可少的。 语音处理-在这里尤其是机器翻译-由于AI的上述发展而成为一大进步。 这同样适用于语义分析,文本理解和对话系统领域。

在AI的国际比较中,德国到底在哪里? 我们真的落后于美国和中国吗?

在AI的商业化过程中,我们肯定落后了,但是对此主题有很好的研究-许多德国科学家正在对此进行研究。 也有相当创新的初创企业和企业抱负,但与美国和中国相比,这一比例当然很低。 但是一个德国大小的国家与美国或中国的比较也滞后。 就AI公司的数量和营业额以及营业额而言,甚至整个欧洲都落后于其他两个主要国家。 无论我是在最多有8000万消费者的欧洲国家市场上推出产品还是在美国或中国,这都是一个明显的差异。 消费者的数量仅高出十几倍,因此AI可以学习和发展的数据量也很大。 像亚马逊或阿里巴巴,Facebook,谷歌这样的平台拥有大量数据已不是什么秘密。 这伴随着人工智能领域的至高无上。 但是,重要的是要看到德国和欧洲肯定有积极的发展,而且我们正在朝着正确的方向前进。

这适用于所有AI细分市场吗?还是德国在B2B中的B2B更好?

德国无疑在工业4.0中发挥了先锋作用。 这是我们一向强大的能力。 数字化已经在那里进行了一段时间,并且已经在具有人工智能的应用程序中开放。 这种趋势将加剧。 就个人而言,我在这里也看到了德国中小企业的巨大机遇,但中型公司还必须敢于投资创新产品。

人工智能引进策略

作为公司,我可以使用一些KPI来确定AI是否值得吗?

Kognitive Arbeit auf Basis großer Datenmengen - das ist die Domäne der KI.
基于大量数据的认知工作-这是AI的领域。
照片:Phonlamai照片-shutterstock.com

这在很大程度上取决于预期用途,取决于公司中AI的使用。 在应用程序中始终要考虑AI。 无论如何,都需要将KPI与数字数据的可用性联系起来。 第二个参数来自确定公司中已经存在哪些认知过程,哪些人在其中工作以及哪些人是重复性的。 这些都是AI自动化的良好候选人。 如果满足了这些先决条件,那么绝对值得在AI技术的背景下就适合哪些流程的问题寻求建议。

有没有最佳的AI实施策略? 如果是这样,它是什么样的?

企业必须积极选择分配资源和投入时间。 理想情况下,所需的更改是公司内部的一个备受瞩目的项目,项目负责人可能已经负责公司内部的数字化和创新,因此可以专门致力于这一主题。 人工智能项目成功的必要保证也是对时间因素的健康期望。 KI不是临时可用的技术,KI是专为学习而设计的系统,这在机器上也需要时间。

作为一家中型公司,我应该内部解决还是外包AI问题?

应始终将其留给AI服务提供商来开发AI技术并将其引入企业。 在这里,特殊的专业知识和多年的经验对于创造附加值至关重要。 即使是中型公司的IT部门也不大可能拥有可比的专业知识。

我如何最好地应对缺少AI专业人士的问题?

如果您正在德国寻找AI专业人员,那么您实际上必须进行国际搜索。 当然,利用现有的培训和发展机会朝着自己的方向发展自己的员工也很有意义。

内包还是外包?

应该内部开发AI解决方案还是可以使用KI套件?

不鼓励自己内部开发AI解决方案。 没有AI领域的全面知识,就无法实现现有工具包。 因此,建议与有能力的合作伙伴(例如系统厂)一起工作,这可能还会对套件进行些微调整。

我该如何解决与AI相关的道德问题?

由于并非每家公司都能自动了解道德准则在哪些领域发挥作用,因此寻求外部建议最为有效。 目前,在该地区,德国正在发展一个广阔的舞台,需求正在增长。 KI-Bundesverband最近启动了认可AI的道德标章。 在这里,与该主题相关的公司,协会,倡议和组织可以查看与之相关的道德行动建议。

使用AI时,哪些法律适用?

基本上,没有特定的“人工智能法”。 但是,认可机构必须依法遵守其他法律。 如果AI处理个人数据,则GDPR适用。 该法规还包括有关自动决策和配置文件的部分。 例如,如果将AI连接到工业机器人,则安全规则也适用于AI。 同样,现有的责任规定也相应适用。