如何正确实施人工智能

电子说

1.3w人已加入

描述

人工智能(AI)在人们的日常工作和生活中日益普及,而且企业越来越依赖于人工智能来完成一系列任务,因此IT团队实施人工智能面临的风险越来越高。其实施成功与否的后果可能是深远的。如果没有正确实施,人工智能可能带来更多的偏见,以及许多其他的破坏性后果。

人工智能(AI)在人们的日常工作和生活中日益普及,而且企业越来越依赖于人工智能来完成一系列任务,因此IT团队实施人工智能面临的风险越来越高。其实施成功与否的后果可能是深远的。如果没有正确实施,人工智能可能带来更多的偏见,以及许多其他的破坏性后果。

随着对人工智能越来越强烈的需求,以及围绕人工智能应用的大肆宣传和炒作,人们很容易将注意力集中在技术和编码上,也就是“人工”方面。然而,数字连接世界的“智能”方面不可能存在,更不用说提供的功能,因为没有数据。尽管大多数管理人员、业务人员、IT专业人员都熟悉业务模型的人员、流程和技术能力,但他们不会流利地“讲述数据”。然而,数据是人工智能实施过程的基石之一。

为了正确地实施人工智能,组织必须提倡数据素养成为人工智能创建者和消费者的新核心能力。负责实施人工智能计划的首席信息官们被建议遵循三个步骤:正确构建人工智能、正确使用人工智能、正确保持人工智能。

正确构建人工智能

在试图“正确构建人工智能”之前,必须首先建立人工智能的基本词汇,人工智能是“讲述数据”的人员使用的一种技术方言。首席信息官至少应确定用于描述人工智能系统或解决方案的主要术语、开发解决方案的原因,以及与解决方案中使用和从解决方案中收集的不同类型数据相关的其他关键术语。

除了模型和算法,数据是实施任何人工智能过程的基础。采用人工智能将消耗并产生数据。人工智能数据设计需要企业对人工智能算法将解析的数据集进行理解和处理。首席信息官和数据和分析主管将负责建立和维护人工智能的数据管理。要想取得成功,在整个过程中开发数据管理专业知识至关重要。

正确使用人工智能

无论计划的范围或组织的成熟程度如何,IT语言障碍都可以在本地或系统地存在。解决障碍需要转变思维方式,以及有意识的承认和干预“正确的路线”。虽然有些人可能已经意识到数据在业务转型中所起的基础作用,但大多数人都没有认识到。因此,需要熟练的领导和有目的变革管理学科,首先要承认信息是数字革命的新方言。

数据素养是在场景中读取、写入和传递数据的能力。它包括对数据源和结构的理解、应用的分析方法和技术,以及描述用例、应用程序和结果值的能力。它是数字灵活性的基础组成部分,是员工利用现有和新兴技术推动更好业务成果的能力和愿望。

随着组织越来越受到数据驱动,数据素养不足将成为增长的抑制因素。为了提高整个组织的数据素养,首席信息官应制定数据素养计划,实施以下步骤:

•采用熟练掌握数据语言的人员。流利表达数据语言的人员应该精通描述场景化的用例和结果,应用于他们的分析技术,以及所涉及的基础数据源、实体和关键属性。

•采用熟练的翻译人员。IT信息的翻译人员通常是企业数据或信息架构师、数据科学家、信息管理员或相关的程序管理人员。

•确定数据和分析计划的有效性受到沟通障碍阻碍的关键领域。特别注意业务IT差距、数据分析差距,以及资深人士与新手的差距。

•积极倾听未明确表达的业务成果。了解哪些业务时刻可以通过增强的数据和分析功能实现,哪些运营决策正在改进等问题

•确定需要专业翻译的关键利益相关者。为了评估数据素养水平,要求关键利益相关者在业务成果方面阐明数据作为战略资产的价值,包括增强业务时刻、货币化和风险缓解。

•编译并维护关键词和短语列表。让数据和分析团队确定更好地表达这些短语的方法。

正确保持人工智能

通过所有人工智能解决方案,出现了“良好人工智能”和“糟糕人工智能”的概念。但是,这些术语没有单一或全面的定义。不同方面的选择可能会产生重大影响。即使是最成功的公司也应该避免陷入错误的安全感,因为他们相信自己不会受到涉及人工智能道德失误的影响。需要进行广泛而专注的讨论,以辨别公司可能面临不同类型的道德问题和困境,以及可能采取的实际道德立场。首席信息官应该应用数字伦理和数字连接主义来指导和明确在采用人工智能的业务决策和选择。

应考虑以下步骤:

•展望更广阔的前景,将数字伦理和数字连接主义作为改善数字业务(以及更广泛意义上的数字社会)的理念。数字社会是由数字公民之间的互动而形成的。它不是按本身设计的,而是有机地出现的。然而,数字领导者可以很好地决定它是什么样子。

•积极寻求与人工智能数据使用相关的道德案例研究,因为企业很少面临新的道德问题。其机会包括竞争差异化和卓越的价值主张,而其风险包括声誉风险、监管问题、财务损失。

•使用人工智能算法和数据交换作为数字交互的推动者,并作为使利益相关者能够参与生态系统的一种方式,而不是作为特定的过程控制。企业需要鼓励在人工智能环境中贡献数据的人员成为互利生态系统的积极参与者。

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分