Tecnologie di intelligenza artificiale che contano ora: aumentare le persone, i processi e il potenziale

Fornito da SAS

Jim Goodnight è co-fondatore e CEO di SAS.

Dalla sorveglianza di massa alle macchine per la lettura della mente, ogni nuovo giorno sembra portare un'altra allarmante previsione sul potenziale di intelligenza artificiale per cambiare il mondo.

Ma non prestiamo abbastanza attenzione alle applicazioni pratiche di intelligenza artificiale che vengono utilizzate ogni giorno. Queste applicazioni del mondo reale non sono inquietanti o futuristiche. Potresti anche chiamarne alcuni banali. Ma forniscono valore pratico alle aziende e ai consumatori e non ci stanno portando a un destino imminente.

L'IA ha il potenziale per cambiare il nostro mondo. Ma non lo farà attraverso robot senzienti o computer che tolgono il controllo agli umani. Le applicazioni di intelligenza artificiale che vediamo aumenteranno più spesso l'attività umana che sostituirla.

Mentre continuiamo a testimoniare una maggiore potenza di calcolo e un mondo più connesso, pratiche tecnologie di intelligenza artificiale come elaborazione del linguaggio naturale , visione computerizzata , e specialmente apprendimento automatico prolifererà e diventerà ancora più utile. Queste sono le applicazioni pratiche dell'IA che miglioreranno le nostre vite.

I data scientist esaminano le mappe di calore della visione artificiale che vengono utilizzate per identificare le tracce degli animali per gli sforzi di conservazione. Per gentile concessione di SAS

Elaborazione del linguaggio naturale . Oggi hai accesso all'IA direttamente in tasca. Posso chiedere al mio cellulare qual è la temperatura esterna o a che ora chiuderà il negozio di alimentari in fondo alla strada. Il mio telefono comprende la mia domanda, accede alla risposta online e quindi risponde alla mia domanda nella mia lingua.

La capacità di interpretare ed elaborare il linguaggio è un uso in rapida crescita per l'IA. Al di fuori degli usi personali sui nostri telefoni, la generazione del linguaggio naturale può fornire un contesto per i risultati che vedi in un rapporto, spiegando l'output di un modello di apprendimento automatico o chiedendo se desideri ulteriori analisi. Queste spiegazioni verbali possono rendere le analisi complesse accessibili a più persone, anche se non hanno un profondo background in analisi.

L'elaborazione del linguaggio naturale alimenta anche i chatbot che forniscono informazioni ai clienti online. Se vai a sas.com e scegli di chattare, stiamo usando la nostra tecnologia per interagire con i clienti. Abbiamo ancora rappresentanti di chat umani dal vivo. Ma per molte delle richieste che le persone hanno, un computer può fornire risposte automatiche. Ciò consente al nostro staff di chat di concentrarsi su domande più complesse.

Visione computerizzata. Un altro modo per dimostrare l'IA è attraverso la visione artificiale. Questo metodo continua a trovare casi d'uso nuovi e innovativi.

I medici stanno usando la visione artificiale per misurare e classificare i tumori sulle immagini mediche. Gli ambientalisti stanno utilizzando la visione artificiale per analizzare le foto delle impronte degli animali per aiutare a monitorare le specie in via di estinzione senza tag invasivi.

Naturalmente, la visione artificiale è fondamentale anche per i veicoli a guida autonoma, inclusi automobili, camion e veicoli commerciali utilizzati negli stabilimenti e nei magazzini. Diverse aziende sono veicoli all'avanguardia che utilizzano la visione artificiale e sensori per vedere il mondo che li circonda. La tecnologia offre ai veicoli viste a 360 gradi, con laser che rilevano oggetti fino a centinaia di metri di distanza.

La visione artificiale sta anche alimentando il futuro della vendita al dettaglio, dalla cassa senza registrazione alle raccomandazioni sullo stile visivo alla previsione della domanda.

Apprendimento automatico . I nuovi usi dell'IA e dell'analisi predittiva hanno il potenziale per cambiare quasi ogni aspetto di ogni organizzazione. Prendi la tecnologia antiriciclaggio (AML). Centinaia di organizzazioni in tutto il mondo utilizzano l'AML per identificare transazioni finanziarie problematiche o illegali in tutto il mondo. Aggiungendo l'intelligenza artificiale e l'apprendimento automatico alla tecnologia AML esistente, abbiamo assistito a una riduzione dei falsi positivi dal 50% al 70%. Ciò significa meno transazioni per intervento manuale, lasciando il personale a concentrarsi maggiormente sui casi che sono veramente dannosi per l'azienda e i suoi clienti.

Molti dei miei casi d'uso di intelligenza artificiale preferiti hanno lo stesso elemento di rendere gli esseri umani più produttivi. L'intelligenza artificiale e l'apprendimento automatico possono migliorare e aumentare il lavoro importante già svolto in tutto il mondo. Prendono ciò che già funziona e lo rendono migliore.

Molte persone chiedono quali modelli di machine learning dovrebbero essere utilizzati per quali problemi. Esaminiamo quattro tipi di modelli di machine learning e descriviamo alcuni scenari in cui vengono comunemente utilizzati.

1. Reti neurali. Nel mondo finanziario, le reti neurali stanno aiutando gli investigatori a trovare e fermare le frodi scoprendo le tendenze in milioni di transazioni. ERGO, una compagnia assicurativa tedesca, sta utilizzando l'analisi predittiva di SAS per trovare reclami ingiustificati. I clienti utilizzano anche le reti neurali nei loro edifici per ottimizzare il consumo di energia e prevedere guasti meccanici.
2. Alberi decisionali. Attraverso l'uso di alberi decisionali, abbiamo aiutato la Contea di Wake, nella Carolina del Nord, in rapida crescita, a rendere più eque e accurate le valutazioni delle tasse sulla proprietà. Stiamo lavorando con molte autorità fiscali per scoprire le frodi fiscali e trovare i cittadini che hanno dichiarato il proprio reddito in modo insufficiente.
3. Metodi di regressione. I metodi di regressione sono una pratica statistica collaudata e stanno trovando nuova vita nell'era dell'IA. Possiamo utilizzare questa tecnologia per comprendere meglio i mercati target. Per le agenzie governative, i metodi di regressione possono aiutare a identificare frodi e sprechi nei programmi esistenti. Per le banche e le società di servizi finanziari, può portare a una migliore valutazione del rischio e creare le basi per un programma antiriciclaggio adattivo e più accurato.
4. Previsione. Le previsioni consentono ai grandi programmi governativi di tenere conto dei cambiamenti nelle popolazioni e di comprendere in che modo questi cambiamenti influiscono sui servizi governativi. Nel settore della generazione elettrica, le aziende monitorano costantemente la rete ed esaminano i dati meteorologici per assicurarsi che l'energia sia disponibile quando ne hai bisogno. Eni, un'azienda energetica italiana, utilizza l'analisi predittiva SAS per controllare, pulire e preparare i dati dei pozzi geologici. Questo aiuta Eni ad automatizzare e perfezionare il proprio processo di esplorazione petrolifera.

Molti fattori stanno guidando il clamore e l'interesse per l'IA: Internet, la digitalizzazione dei dati analogici, il maggiore utilizzo di immagini e video per comunicare, l'Internet delle cose e la nostra capacità di acquisire e archiviare questi dati con le tecnologie cloud.

Dopo oltre 40 anni di sviluppo e implementazione di software di analisi, ho una visione ottimistica della tecnologia e della sua capacità di aumentare e amplificare il nostro potenziale umano.

Sebbene l'IA interromperà e cambierà determinati lavori e settori, noi umani abbiamo la curiosità e la passione di dirigere queste potenti tecnologie per ottenere ciò che una volta era impossibile. La creatività, la risoluzione dei problemi e la capacità di collaborare con team diversi saranno ancora più importanti man mano che ci spostiamo nel futuro con l'IA. Insieme alla tecnologia, gli esseri umani continueranno a migliorare le nostre vite e il mondo che ci circonda.

nascondere