Bahay Audio Ang pag-aaral ng machine ay sumulong sa spur cross-platform data set deployment?

Ang pag-aaral ng machine ay sumulong sa spur cross-platform data set deployment?

Anonim

T:

Ang pag-aaral ng machine ay sumulong sa spur cross-platform data set deployment?

A:

Ano ang pinag-uusapan natin tungkol sa pag-aaral ng machine at AI sa negosyo?

Maraming iba't ibang mga tao ay may iba't ibang mga opinyon - at talagang nakasalalay sa konteksto ng kung ano ang ginagawa ng negosyo. Gayunpaman, kapag pinag-uusapan mo ang pangkalahatang mga kakayahan sa intelihente, posible na limasin ang ilang pagkalito at kalabuan tungkol sa kung paano ang mga negosyo ay may posibilidad na gamitin ang mga bagong teknolohiya.

Libreng Pag-download: Pag- aaral ng Machine at Bakit Mahalaga ito

Sa isang artikulo sa Venture Beat na tinawag na "Huwag Naniniwala sa Hype Tungkol sa AI sa Negosyo, " ang manunulat na si Vivek Wadhwa ay nag-aalok ng isang mas malakas na pag-aangkin ng ideya na ang mga modernong AI system ay madaling isama sa mga proseso ng negosyo.

"Karamihan sa mga problema sa negosyo ay hindi maaaring maging isang laro, " sulat ni Wadhwa. "Mayroon kang higit sa dalawang mga manlalaro, at walang malinaw na mga panuntunan. Ang mga kinalabasan ng mga pagpapasya sa negosyo ay bihirang isang malinaw na panalo o pagkawala, at may napakaraming mga variable … Ginagawa ng mga sistema ngayon ang AI upang tularan ang paggana ng mga neural network ng utak ng tao, ngunit ginagawa nila ito sa isang napaka-limitadong paraan. "

Itinuturo na ang "AI ay kasinghusay lamang ng data na natatanggap nito, " ang Wadhwa ay gumagawa ng isang napakahusay na punto. Ang artipisyal na intelihensiya ay hindi "pag-iisip tulad ng isang tao." Sa halip ito ay tumutukoy sa mga aspeto ng pag-iisip ng tao sa pamamagitan ng mas sopistikadong paggamit ng impormasyon. Nakaayos pa ito sa paligid ng pag-input at output.

Gayunpaman, ang Wadhwa ay gumagawa din ng isang kawili-wiling caveat sa pakikipag-usap tungkol sa isa sa mga pinaka-promising na aspeto ng artipisyal na katalinuhan sa mundo ng negosyo ngayon.

Ginagamit ni Wadhwa ang mega-tingi sa Amazon bilang isang halimbawa. Pinag-uusapan kung paano kinukuha ng kumpanya ng Amazon ang data mula sa iba't ibang mga silos at port ito sa mga interactive na patutunguhan, iminumungkahi ni Wadhwa na ang pagsasama-sama ng lahat ng data na ito sa mga kagawaran ay maaaring makabago sa mga larangan ng serbisyo sa customer, katalinuhan sa negosyo at marami pa.

"Ang Amazon ay naglulutas ng isang problema ng maraming mga kumpanya ay - naka-disconnect na mga isla ng data, " ang isinulat ni Wadhwa.

Sa madaling salita, ang pagkuha ng mga set ng data sa buong mga platform at paglalapat ng mga ito sa buong isang arkitektura ay isa sa pinakamalaking kasalukuyang tungkulin ng artipisyal na software ng intelektwal, at maaaring ito ang bumubuo ng ilan sa pinakamahusay na mga kaso ng paggamit para sa negosyo sa loob ng susunod na ilang taon. Ang isang artipisyal na entity ng intelektwal ay maaaring hindi ganap na kumilos at kumilos tulad ng isang tao - ngunit mayroon itong napakalakas na kakayahan na may kaugnayan sa pag-crunching ng data at kaunlaran.

Maraming mga negosyong pinag-uusapan ang mga negosyong ito sa mga araw na ito tungkol sa pinag-isang komersyo at pinag-isang komunikasyon. Mayroong ideya na sa pamamagitan ng pagsasama ng lahat ng kanilang mga channel at pagtulong sa kanila na maging interactive, ang mga negosyo ay nagpoposisyon sa kanilang sarili para sa maliksi na kumpetisyon sa susunod na dekada. Ito ay muli ng isang bagay na maaaring makatulong sa artipisyal na katalinuhan. Maaari nitong mahawakan ang iba't ibang mga hanay ng data at i-deploy ang mga ito kung saan kinakailangan ang mga ito sa isang medyo awtomatikong at hinihimok ng sarili. Sa isang napakalawak na antas, ang artipisyal na katalinuhan ay tumatanggal sa pasanin ng mga humahawak ng tao at nagmumuno sa sarili nitong operasyon sa iba't ibang mga nakakahimok na paraan.

Sa pag-iisip, ang mga pagsulong sa pag-aaral ng makina ay tiyak upang maisulong ang paggamit ng mga set ng data sa buong mga platform upang makabago. Bagaman ang iba pang malalaking tungkulin at proseso ay maaaring bumababa ng pike, marahil ito ay magiging isang pangunahing aspeto ng pag-aaral ng makina at AI sa maikling termino.

Ang pag-aaral ng machine ay sumulong sa spur cross-platform data set deployment?