logo821.gif (10572 bytes) 首頁          新增資料與公告

   

最新消息  :

荷蘭與 Maarel Orchids在國際市場上的突破

Westerlay Orchids的碳中和蘭花生產

農企業全面有機化的結局

 

 

數據分析與知識產業

首頁
上一層
BSE LAB 介紹
非洲產業研究中心
生醫研究之統計方法
授課資料
人文關懷
無官御史台
武漢肺炎與產業
智能生物產業
活動公告區

 

 
企業發現AI難以採用 並非每家公司都是互聯網巨頭
 

中興大學 生物系統工程研究室 陳加忠

 
 

資料來源:

https://www.economist.com/weeklyedition/2020-06-13

Steven Levy在最近關於美國社交媒體巨頭的一本書臉書:內幕生動地描繪了此公司的規模。不是用收入或股價來衡量,而是通過大量的人類活動。它的伺服器,每天有17.3億人使用。在Facebook,撰寫評論和上傳影片。Levy寫道,如此大規模的行動是如此之大,以至於只能由演算法或軍隊來管理。

實際上,Facebook兩者都使用。人力主持人與訓練有素的演算法一起工作,可以發現違反某個國家/地區法律或網站自身政策的文字。但是演算法相對於人類演算法具有許多優勢。他們不睡覺,不休假或抱怨自己的考核績效。他們很快,每秒掃描成千上萬條消息,而且很輕鬆。當然並且無需支付費用。

不只是Facebook Google使用機器學習來完善的搜索結果並定位廣告。亞馬遜和Netflix使用它來推薦觀看的產品和電視節目。TwitterTikTok建議新用戶如何利用。能夠以最少的人工作業就能提供所有這些服務的能力,是用相對較少的勞動力實現,科技公司令人眼花瞭亂的評估方法的原因之一。 

其他行業的公司也會喜歡這種效率。然而,魔法卻難以捉摸。波士頓諮詢集團(Boston Consulting Group)和麻省理工學院(MIT)進行的一項調查針對近2500位老闆進行了調查,發現十分之七的人說,到目前為止,他們的AI項目幾乎沒有產生任何影響。在人工智慧上有重大投資的人物,五分之二尚未報導有任何收益。

也許結果是來自,老闆似乎更籠統地考慮了這個想法。PWC的另一項調查發現,在其公司計劃部署AI的老闆人數在2020年為4%,低於一年前的20%。宣稱他們已經在多個領域實施人工智慧的人數從27%下降到18%。PWCEuan Cameron表示,匆忙的採用AI可能已經被放棄或重新考慮,過去幾年主導董事會的非理性繁榮正在逐漸消失。

檢查真實性的原因有很多。一種是平淡無奇的原因。企業,尤其是大型企業,常常發現變革困難。歷史的一個相似之處是工廠的電氣化。就效率和便利性而言,電力相對於蒸汽動力具有巨大優勢。大多數基本技術都是在19世紀末發明的。  但是,電力卻花了30多年才在富裕的世界中被廣泛採用。

這也存在特定於AI的原因。互聯網巨頭的成功可能誤導了公司,互聯網巨頭完全有能力採用新技術。他們已經配備了程序員,並且已經擁有大量用戶生成的數據上。他們至少首先使用AI的用途。改善搜索結果,顯示廣告,推薦新產品等,這些簡單易懂。

但不是每個人都那麼幸運。對於許多公司而言,尋找員工可能很棘手。人工智慧專家稀缺,薪水豐厚。一家公司的一位高級經理抱怨道只有科技巨頭和對沖基金才有能力僱用這些人,學術界對這些人一直是一片沃土。一個更微妙的問題是決定將AI用於什麼用途。機器智能與生物學大不相同。這代表著衡量機器完成任務的難易程度可能是違反直覺。AI研究人員將這個問題稱為Moravec悖論,這是加拿大機器人專家Hans Moravec提出的。他指出,儘管機器發現複雜的算術和形式邏輯很容易,但它們卻在諸如協調運動和人類運動之類的任務中掙扎,而這完全是人類理所當然的工作。

例如,幾乎任何人都可以為客戶支持熱線服務。很少有人可以在大師級別玩Go。然而會計師事務所KPMGAI專家Paul Henninger表示,在某種程度上,構建客戶服務聊天機器人要比構建超人Go機器困難。圍棋只有兩個可能的結果(輸贏),並且都可以輕鬆識別。各個遊戲可以以無數種獨特的方式進行遊戲,但是基本規則很少而且明確規定。這樣明確定義的問題非常適合AI。相比之下,Henninger先生說:取消航班後,一個客戶會致電,有很多其他可能會發生的事

該怎麼辦?英國倉庫自動化和食品交付公司Ocado的工程總監James Gralton說,其中一項建議是從小處著手,選擇可以迅速帶來明顯好處的項目。Ocado的倉庫裡充滿數千個機器人,它們看起來像是附有輪子的小文件櫃。他們成群結隊地圍著柵欄,拿起食物來滿足在線購物者的訂單。

Ocado的工程師使用機器人的簡單數據(例如電力消耗或輪式馬達的扭矩讀數)來訓練機器學習模型,以預測損壞或磨損的機器人何時會發生故障。由於故障的機器人會妨礙您的工作,因此將它們移出以進行預先維護可以節省時間和金錢。而且該系統相對容易實施。

機器人,倉庫和數據都已經存在。結果也很明顯,這很容易說明AI模型的運行情況。減少系統故障並節省資金,或者不這樣做。這種預測性維護以及後台自動化等都是PWC准許無聊的AI應用的一個很好的例子(儘管Gralton肯定會反對)。

構建AI系統不只是其在真空中的準確性。它還必須做一些工作使得可以整合到公司的工作。在1990年代後期,HenningerFair Isaac CorporationFICO)的“ Falcon”上工作,Falcon是一種針對銀行和信用卡公司的信用卡欺詐檢測系統,他說這是現實世界中最早的機器學習用途之一。與預測性維護一樣,欺詐檢測也非常適合數據(以信用卡交易記錄的形式)是乾淨且易於獲取的,決策是使用的二進制數據(交易是欺詐還是非欺詐)。

他說,儘管Falcon公司比銀行現有系統更擅長發現狡猾交易,但直到FICO研究出如何幫助銀行利用模型生成的消息來做些事情之後,Falcon產品才能獲得成功。Falcon受到當今擁有許多AI項目的相同限制。從工作模型過渡到有用的系統。最終創建案件管理系統是更為平凡的任務,即向銀行工作人員舉報潛在的欺詐行為,然後允許他們阻止交易,通過交易或致電客戶進行雙重檢查。這樣說服了銀行值得購買該系統。

Gralton說,由於世界是複雜且開放的,因此在現實世界中很少有問題可以被AI完全解決。因此,管理人員應該計劃其系統將如何發生故障。通常,這將意味著將困難的案例交給人類進行判斷。這可能會限制預期的節省成本,尤其是在模型調整不良且經常做出錯誤決策的情況。

由科技巨頭對於covid-19大流行的經驗,伴隨著大量的在線陰謀論,虛假信息和胡說八道,證明了始終使人類處於消息循環的好處。由於人類主持人看到敏感的私人數據,因此他們通常在具有嚴格安全策略的辦公室中工作(例如,通常禁止攜帶智能手機工作)。

3月初,隨著疾病的蔓延,科技公司將其內容主持人遣送回家,而這種安全性很難實施。這意味著對算法的依賴增加。這些公司坦承受到影響。 YouTube說,更多的影片最終將被刪除,包括一些可能不違反我們的政策的影片Facebook承認,更少的人為監督可能意味著更長的響應時間和更多的錯誤。人工智慧可以做很多事情。但是,還是人類在那裡牽著手工作,這種方法最有效。