너무 늦기 전에 AI를 시작하는 방법

AI와 기계 학습은 훨씬 더 많은 결정을 내리기 시작할 것입니다. 상품에 25 % 관세를 부과하고 파트너와 무역 전쟁을 시작할지 여부와 같은 "큰"결정을 내리는 데는 가까운 장래에 여전히 사용되지 않을 것입니다.

그러나 Excel에 붙어서 마사지, 코딩 또는 정렬 한 거의 모든 것은 좋은 클러스터링, 분류 또는 순위 학습 문제입니다. 예측할 수있는 값의 집합은 무엇이든 좋은 기계 학습 문제입니다. 당신이 그냥 통과하고 "찾는"패턴이나 모양 또는 물체는 좋은 딥 러닝 문제입니다.

그리고 사업은 이것들로 가득 차 있습니다. 워드 프로세서가 타자기 풀을 대체 한 것처럼 AI는 곧 Excel을 응시하는 수많은 직장인을 대체하고 일부 분석가도 대체 할 것입니다.

기업은 이러한 변화에 대비해야합니다. 웹과 전자 상거래를 준비하지 않은 회사가 먼지 속에 남겨진 것처럼 AI와 기계 학습에 적응하지 않는 회사도 마찬가지입니다. 처리하는 방대한 양의 데이터를 보지 않고 결정을 내리고 "이 작업을 자동화하는 데 마지막 단계로 갈 수 없습니까?" 또는 이점을 얻을 수있을만큼 "실시간으로"결정할 수 없기 때문에하지 않는 일을 찾고 있습니다. 몇 년 안에 귀사가 문서에서 종결 될 것입니다.

이러한 변화에 대비하려면 비즈니스 혁신을 시작하기 전에 5 가지 전제 조건이 있어야합니다. 이러한 5 가지 전제 조건으로 시작하여 조직 전체에 AI를 전파하기위한 전략이 필요합니다.

AI 전제 조건 1 : 교육

회사의 모든 사람을 데이터 과학자로 만들 수는 없습니다. 더욱이, 일부 수학은 우리가 이해하기에는 너무 빨리 실행되고 있습니다. 사람들이 이번 주에 가장 효율적이라고 생각하는 특정 알고리즘은 다음 주에 적합하지 않을 것입니다.

그러나 일부 기본 사항은 변경되지 않습니다. 조직의 모든 사람은 기계 학습, 특히 개발자의 몇 가지 기본 기능을 이해해야합니다.

  • 클러스터링 : 함께 그룹화합니다.
  • 분류 : 물건을 분류 된 그룹으로 분류합니다.
  • 선에 대한 예측 : 선 그래프를 만들 수 있다면 그 값이 무엇인지 예측할 수 있습니다.
  • 분산 예측 : 유동성 위험이든 진동이든 전력 스파이크이든, 범위에 속하는 값 집합이있는 경우 주어진 날짜의 분산을 예측할 수 있습니다.
  • 정렬 / 순서 / 우선 순위 지정 : 단순한 것에 대해 말하는 것이 아닙니다. 검색을위한 것이 든 영업 또는 지원 담당자가 다음에받는 전화의 우선 순위를 지정하든, 이는 기계 학습으로 처리 할 수 ​​있습니다.
  • 패턴 인식 : 모양, 소리 또는 일련의 값 범위 또는 이벤트에 관계없이 컴퓨터는이를 찾는 방법을 배울 수 있습니다.

한 가지 중요한 것은 자신의 기술 수준에 따라 사람들을 멍청하게 할 수있는 사람들을 주변에 두는 것입니다. 개발자는 특정 알고리즘이나 기술에 관심이있을 수 있지만 분석가와 경영진은 기본적인 비즈니스 문제와 컴퓨터 기술을 이해해야합니다. 경영진은 클러스터링의 작동 방식을 알 필요가 없지만 문제가 클러스터링 문제와 "처럼 보인다"는 것을 인식해야합니다.

마지막으로, 기능이 확장되고 있으므로 최소한 1 년에 한 번씩 정기적 인 교육 갱신이 필요합니다. 

관련 비디오 : 기계 학습 및 AI 해독

기계 학습 및 인공 지능에 대한 과장된 광고를 깨고 패널이 기술의 정의와 의미에 대해 이야기합니다.

AI 전제 조건 2 : 구성 요소 화

구성 요소 화와 관련된 최근 도구 중 일부는 데이터 과학자를위한 "노트북"입니다. 다른 많은 도구가 이로부터 성장합니다. 이는 데이터 과학자와 공동 작업자를위한 훌륭한 도구입니다.

문제는 그들이 생산과 관련하여 나쁜 관행을 장려한다는 것입니다. 분류 알고리즘에 대한 인터페이스는 다른 모든 알고리즘과 거의 동일하게 보입니다. 특정 분류 알고리즘 구현은 비즈니스 문제와 함께 변경되지 않습니다.

많은 회사가 고객을 하나의 표현으로 만드는 방법을 알아 내야했던 것처럼 (각 비즈니스 문제에 대해 각 시스템에서 완전히 다른 표현이 아닌) 알고리즘에 대해서도 동일하게 수행해야합니다. 이것은 하나의 진정한 클러스터링 알고리즘을 생각해 내야한다고 말하는 것이 아니라 다른 것을 구성하는 것입니다.

AI 전제 조건 3 : 체계화

모든 문제에도 불구하고 대부분의 시스템은 여전히 ​​동일하게 보입니다. 데이터를 알고리즘으로 가져 오는 프로세스, 알고리즘을 실행하는 프로세스, 결과를 뱉어내는 장소가 있습니다. 각 알고리즘에 대해 이러한 모든 사항을 반복해서 맞춤 설계하는 경우 시간과 비용을 낭비하고 자신에게 더 큰 문제가 발생하게됩니다. SOA가 애플리케이션 소프트웨어를 배포하는 회사의 수를 변경 한 것처럼 AI 배포 방법에도 유사한 기술이 필요합니다.

모든 곳에서 사용자 지정 "노트북"과 사용자 지정 구축 된 ETL 프로세스와 함께 실행되는 사용자 지정 Spark 클러스터 무리가 필요하지 않습니다. 비즈니스 문제에 관계없이 무거운 작업을 수행 할 수있는 AI 시스템이 필요합니다.

AI 전제 조건 4 번 : AI / UI 구성 요소 화

백엔드에 RESTful 서비스가있는 JavaScript / 웹 UI 세계에서 많은 UI가 AI 구성 요소에 혼합 될 수 있어야합니다. 사용자 행동을 기반으로하는 추천자이든 완전한 가상 비서이든, 회사는 비즈니스 애플리케이션에 쉽게 임베드 할 수있는 AI 기능을 포함하는 UI 라이브러리를 구축해야합니다.

AI 전제 조건 5 번 : 계측

이 중 데이터 없이는 작동하지 않습니다. HDFS에서 쓰레기 더미를 수집하고 일부 벤더가 여러분에게 촉구 한 것처럼 언젠가는 그것이 가치가 있기를 바라는 크고 뚱뚱한 데이터 덤프를 만드는 것으로 돌아 가지 마십시오. 대신 어떤 것이 계측되어야하는지 살펴 보겠습니다.

제조에 종사하는 경우 간단한 시작점이 있습니다. 수동 게이지를 꺼내는 사람은 누구나 시간을 낭비하고 있습니다. 그러나 영업 및 마케팅 분야에서도 이메일과 휴대 전화를 사용하고 있습니다. 이러한 데이터는 분명히 유용한 데이터를 자동으로 수집 할 수 있습니다. 영업 사원에게 데이터 입력을 완료하라고 잔소리하는 대신 시스템이 직접 수행하도록 두는 것이 어떻습니까?

AI 전략 진행

요약하자면 5 가지 주요 전제 조건은 다음과 같습니다.

  • 조직 전체에 AI 지식을 전파하십시오.
  • 모든 사람은 기계가 스스로 할 수있는 기본적인 일상적인 일을 이해해야합니다.
  • AI를위한 시스템 및 구성 요소를 구축하십시오.
  • 비즈니스 애플리케이션에 AI를 쉽게 추가하기위한 AI / UI 믹스 인을 구축합니다.
  • 결정을 내리기 위해 알고리즘을 공급하는 데 필요한 데이터를 수집하도록 시스템을 계측하십시오.

이러한 전제 조건을 종합하면 정보 시대에서 통찰력 시대로 전환 할 때 나머지는 따라야합니다.