Автоматизированное машинное обучение — двигатель интеллектуального бизнеса

Когда предприятия изучают, как искусственный интеллект может помочь их организациям и работникам, обсуждая отношения между человеком и программным обеспечением, тем временем, автоматические средства машинного обучения продолжают внедряться на разных уровнях производства, — пишут informationweek.

Ошеломляющие прогнозы были озвучены на симпозиума Gartner в октябре 2017 года: к 2021 году искусственный интеллект обеспечит прирост дохода для промышленности величиной в 2,9 триллиона долларов и заменит 6,2 млрд. часов производительности человеческого труда. Теперь не вызывает удивление, почему компании быстро продвигаются к этим новым технологиям. Они хотят помочь людям и получить конкурентное преимущество.

Автоматизированное машинное обучение действительно представляет собой возможность совершения преобразований. Бизнес идеи нового поколения, основанные на автоматическом машинном обучении, являются действующей силой изменений. Автоматизированное машинное обучение помогает организациям лучше обслуживать клиентов, совершенствовать производственные процессы, решать сложные задачи и оптимизировать результаты, в ситуациях, где необходимо принимать решения. Но здесь не ставится цель заменить человека, а максимально оказать необходимую помощь.

Расшифровка черного ящика

Человеческое противодействие изменениям и автоматизации принятия решений распространённое явление и всегда ими обоснованно. Чтобы развеять страхи и скептицизм относительно новых технологий, следует начинать знакомство с малого и самого простого — процесса принятия решений. Разрешите компьютеру генерировать прогнозы, а задачей человека будет их сравнение с фактическими результатами. В дополнение к проверке прогнозов, изучите суть процесса принятия решений искусственным интеллектом.

Расшифровка секретной кухни принятия решений обучаемыми машинами, была бы сродни знакомству с содержимым чёрного ящика, если бы это вообще было возможным. Но эта проблема постепенно решается. Современные алгоритмы мыслительных процессов обучаемых машин становятся все более прозрачными, чему способствовало усиление законодательной базы по этому вопросу, например, появилось Общее положение о защите данных. Инновации в этой сфере включают усиление прозрачности процессов принятия решений. Разоблачение того, как машины принимают автоматические решения, способствует укреплению доверия и принятию людьми.

Принципы автоматизированного принятия решений не разрабатываются для изолированной работы. Несмотря на то что такие новейшие внедрения, как DataRobot, H2O.ai Driverless AI, Tellmeplus или инструментарий для автоматического поиска с открытым исходным кодом упрощают процесс машинного обучения, участие людей по-прежнему необходимо. Даже автоматизированное машинное обучение, по-прежнему требует оценки, настройки и мониторинга человека. Поскольку, в процессе принятия решений, ИИ взаимодействует со специалистами в данном вопросе, прелесть человеческого разума сочетается с удивительной силой автоматизированного искусственного интеллекта.

Проектирование многоуровневого интеллекта

По словам эксперта интернета вещей Джона Солдатоса, достижение оптимальных результатов при создании интеллектуального бизнеса зависит не только от развертывания автоматизированного машинного обучения, он также требует понимания структуры многоуровневого интеллекта. Как правило, организации внедряют автоматическую машину технологии обучения на одном или нескольких уровнях в поле, на краю или в облаке.