La Inteligencia Artificial ( IA ) se está moviendo rápidamente del laboratorio a las aplicaciones comerciales y de los consumidores. El resultado es un cambio fundamental en la forma en que el software funciona y lo que es capaz de hacer. El tipo de IA que queremos decir no es la inteligencia general artificial de la ciencia ficción. En cambio, estamos hablando de los usos especializados de la inteligencia artificial estrecha. que ya se están utilizando para impulsar algunas de las empresas de tecnología más exitosas de la actualidad. Principios de la IA aplicada
En este Blog , vamos a echar un vistazo a los principios de la IA aplicada que rige la forma en que esa IA debe aplicarse a su negocio.
Es importante señalar que la inteligencia artificial aplicada (IA aplicada) tiene mucho en común con los analíticos aplicados. Esto se debe a que, de alguna manera, el análisis aplicado es un subconjunto de la AI aplicada. Pero nuestros principios de AI aplicada amplían el modelo de análisis aplicado con …
- ¿Cuánto tiempo se tarda en aprender alemán para estudiar en una universidad alemana y poder entender las conferencias?
- ¿Cuál es la mejor manera para que los hablantes no nativos aprendan inglés?
- Cómo aprender alemán de la manera más rápida.
- ¿Cuál fue tu herramienta más útil para aprender un idioma extranjero?
- ¿Cuál es la mejor aplicación para aprender codificación?
1. Un mayor enfoque en la automatización total de los procesos de negocio.
2. El uso de técnicas de aprendizaje automático más ricas y en rápida evolución.
3. Mejores objetivos de rendimiento articulados y precisión del modelo.
4. Uso apropiado del juicio humano y predicciones automatizadas.
5. Aprendizaje continuo y adaptación a través de bucles de retroalimentación.
6. Enfoques para limitar el impacto del error y sesgo del modelo
Pero la mayor diferencia de todas puede estar en su potencial de impacto comercial. Mientras que la analítica aplicada ayuda a optimizar los procesos, la IA aplicada tiene el objetivo a largo plazo de la automatización total del proceso. Con ese contexto en mente, echemos un vistazo a los principios de la IA aplicada .
1.Comprender todos los procesos.
Al igual que con la analítica, es muy importante comenzar con los procesos. porque la IA aplicada tiene el potencial de afectar todos los procesos a través del aumento o la automatización. Así que considere los procesos de clientes, socios y competidores, así como aquellos que controla hoy e incluso procesos completamente nuevos que no eran posibles antes. Documente la decisión y las acciones para cada uno. Y entienda qué partes del proceso son impulsadas por los humanos, y cuáles podrían optimizarse, aumentarse, automatizarse o reinventarse.
2.Priorizar el proceso más valioso
Identifique los procesos en los que mejores resultados o mayor eficiencia tendrían el mayor impacto. Piense en cómo podría extender esos procesos aún más. e ir más allá de la analítica. Cambie su forma de pensar, desde la introducción de información a los procesos existentes hasta la automatización de procesos empresariales completos. Comience con los resultados deseados que
tendría el mayor impacto dentro de los procesos de sus clientes. Luego, identifique los procesos que carecen de instrumentación (brechas de datos) e integraciones (brechas de conectividad).
3. Diseño de integraciones sin fricción
Trate de diseñar soluciones que sean tan automatizadas, naturales y completas como http://possible.Para hacerlo, adopte un enfoque externo Piense en cómo se integrará (y usará) su proceso o solución habilitada para AI. dependencias con otros procesos, como la forma en que otros procesos de software (o personas) tendrán acceso a sus capacidades. Cuanto más integrada esté su solución de AI aplicada, mayor será el valor.
4.Integrar el juicio humano como sea requerido
Comprenda los roles que juegan los humanos en su solución. Los humanos pueden ser fuentes de datos, capacitadores, revisores o usuarios. Tener a los humanos en el circuito puede ser un usuario, un mercado o un requisito reglamentario. Por lo tanto, incluso si la automatización es posible, la supervisión humana puede ser necesario.
5.Comprender los objetivos de desempeño.
Conozca los niveles de rendimiento del modelo necesarios para agregar valor comercial. El rendimiento del modelo incluye tasas de error, coherencia, sesgo y explicabilidad. Determine el costo de la precisión frente al impacto en el negocio de las predicciones falsas. Evite los modelos en los que el impacto de las predicciones falsas sea mayor de lo que el negocio puede tolerar. Considere si la explicabilidad del modelo es un requisito o no. Si lo es, los métodos complejos como el aprendizaje profundo pueden ser inadecuados.
Leer 5 principios más [1] visitar enlace
Referencia: http://Geekyprogrammmer.com
No olvides compartir y votar.
Notas al pie
[1] Los Principios de la inteligencia artificial aplicada, detalle completo – Geekyprogrammer