Роль экспериментов в искусственном интеллекте

Сегодня искусственный интеллект используется для создания организаций, управляемых данными, инициирования цифровой трансформации и помощи организациям в использовании данных для повышения качества обслуживания клиентов; XXI век наконец-то соответствует тому, чего многие ожидали от него десятилетие или два назад.

Мы находимся в тупике во времени, когда данные влияют на каждое решение и формируют основу завтрашнего дня. Много внимания уделяется методы сбора данных. Организации, которые позволяют данным определять свою политику, понимают, что для того, чтобы данные управляли ими, они должны быть достоверными и точными. Данные, которые не являются таковыми, едва ли дадут полезную интерпретацию, и системы не смогут генерировать полезную информацию. Неточные данные приводят к принятию решений, основанных на ошибочной информации, что неизбежно приводит к плохим результатам и катастрофам, которые бизнес не может себе позволить.

Ускорьте свою карьеру с помощью программы последипломного образования в области искусственного интеллекта и машинного обучения, проводимой в Университете Пердью в сотрудничестве с IBM.

Несмотря на то, что большое внимание уделяется точности данных и методам сбора, в настоящее время существует нехватка областей, в которых используются извлеченные данные. В рамках моего исследования с Godatadriven я обнаружил, что ошеломляющие 80 процентов всех организаций используют свои данные для отчетов и информационных панелей, но только 50 процентов используют эти данные для моделей прогнозирования. Эти цифры необходимо изменить, чтобы организации получали лучшие результаты от своих усилий в этой области.

Чтобы лучше использовать потенциал своих данных, организациям необходимо обеспечить три вещи:

1. Развивайте правильную организационную культуру
2. Влиять на правильное отношение к обучению у сотрудников
3. Убедитесь, что сотрудники имеют право экспериментировать со своими данными (подробнее мы остановимся на этом вопросе в этой статье).

Недавно мне представилась возможность поработать с GoDataDriven над созданием опроса данных за 2018–2019 годы. Целью исследования было формирование эталона для предприятий будущего, ориентированных на данные. В ходе исследования мы собрали данные от более чем 1300 специалистов и изучили их опыт и идеи по темам внедрения науки о данных, стратегии и технологий данных, эффективного привлечения талантов и облака.

Что означает экспериментирование?

Компании в современном мире могут получить множество полезных идей, проводя простые бизнес-эксперименты. Экспериментирование здесь означает расширение понимания имеющихся у вас данных, планирование бизнес-процессов на основе тестирования и изучение основы, чтобы увидеть, как они отреагируют. Процесс экспериментирования может принести компании множество выгод, учитывая, что они окажутся в более выгодном положении для продолжения реализации данной стратегии, если она окажется успешной.

Кто участвует?

В эксперименте может участвовать несколько представителей, работающих вместе для достижения желаемых результатов. С точки зрения непрофессионала, мы можем предположить, что команда исследований и разработок (НИОКР) будет в авангарде бизнес-экспериментов. Поскольку для экспериментов требуются фокус-группы и разные участники, процесс может потребовать помощи внешних участников, чтобы гарантировать, что результаты не будут предвзятыми. Кроме того, экспериментам может помочь наличие аналитики для существенных рассуждений и доказательств.

Как подойти к эксперименту

Подход к эксперименту — непростая задача, поэтому вам следует подумать о способах, которые могут способствовать достижению желаемых результатов. Ниже приведены некоторые правила, которым следует следовать в начале экспериментов:

1. Думайте о людях и составляйте краткосрочные планы

Если вы экспериментируете с новым предложением для своих клиентов, попробуйте короткое испытание и проанализируйте доход, прежде чем строить долгосрочные планы производства и распространения. Прежде чем строить долгосрочные планы, вам необходимо знать, какую прибыль приносит ваше производство.

2. Будьте проще

Чем проще вы проводите свои эксперименты, тем больше вы сможете использовать их в будущем. Не делайте эксперименты слишком сложными для себя и своей команды. Люди не хотят работать над экспериментами, которые отнимают очень много времени, только для того, чтобы потом отказаться от этой идеи.

3. Пройдите тест для проверки концепции

Заранее получите доказательства любого эксперимента, который вы проводите. Например, если вы, как розничный торговец, считаете, что снижение цены на один товар приведет к снижению спроса на другой, протестируйте эту концепцию и посмотрите, как она пойдет. Когда вы протестировали концепцию и увидели ее в действии, вы сможете использовать это доказательство для проведения будущего эксперимента, основанного на ваших выводах.

4. Стреляйте по-крупному

Не позволяйте объему ваших текущих операций мешать вам стрелять нестандартно. Например, если вы хотите изменить цены на определенные товары, попробуйте вообще подумать о новых цепочках поставщиков. Не думайте просто об оптимизации того, что у вас есть сейчас; попробуйте внедрить совершенно новые системы и посмотрите, как они развиваются.

5. Проводите эксперименты на природе

Трюгве Хавелмо, лауреат Нобелевской премии по экономике в 1989 году, уточнил: два основных типа экспериментов по всему миру как «те, которые мы хотели бы провести» и «поток экспериментов, которые природа постоянно проводит в своей огромной лаборатории и за которыми мы просто наблюдаем как пассивные наблюдатели».

Организациям необходимо осознать подходящее время для естественного эксперимента и действовать соответствующим образом, чтобы извлечь максимальную выгоду из ситуации.

Вы энтузиаст искусственного интеллекта и машинного обучения? Если да, то программа последипломного образования в области искусственного интеллекта и машинного обучения идеально подходит для вашего карьерного роста.

Почему экспериментирование является ключевым моментом?

Экспериментирование — это ключ к развитию и формированию новых идей, которые помогут вам быстро внедрять инновации. Две трети профессионалов, опрошенных в рамках нашего опроса, отметили, что они предоставляют достаточно места для естественных и тщательных экспериментов. Однако каждая пятая организация из сферы образования, телекоммуникаций и государственного сектора не была готова к регулярному тестированию.

Кроме того, 83 процента всех британских организаций были неуверенны или нейтральны в отношении своих экспериментов. Тридцать один процент всех опрошенных специалистов отметили, что в их организациях есть много возможностей для экспериментов. Лишь 2 процента всех опрошенных специалистов заявили, что в их организации нет места экспериментам.

Экспериментирование не только устраняет разрыв между аналитикой и реальным миром, но и гарантирует, что организации смогут воплотить свои ожидания в реальность.

Проблемы при внедрении решений, основанных на данных

Сорок четыре процента всех участников считали, что накопление знаний в области науки о данных и больших данных было для них самым большим препятствием в аналитике. Однако на втором месте после этого стояла проблема выделения времени для проведения экспериментов. Около 40 процентов всех участников считали, что поиск времени для решения задач был для них второй по значимости проблемой, когда дело дошло до создания культуры, основанной на данных.

Таким образом, экспериментирование является важной частью культуры данных и гарантирует, что организация сможет получить желаемые результаты от усилий, вложенных в аналитику.

Уделяя внимание экспериментам и находя на их основе правильную кривую обучения, организации могут покорить мир данных в чистом виде.