最近O’Reilly Media 發(fā)表了一份基于行業(yè)調(diào)查的報(bào)告，《企業(yè)對(duì)于AI的使用：企業(yè)如何在實(shí)踐中對(duì)人工智能項(xiàng)目進(jìn)行規(guī)劃并提高優(yōu)先級(jí)》。這是2018年進(jìn)行的三項(xiàng)行業(yè)調(diào)查中的第三次調(diào)查，旨在探討企業(yè)對(duì)于人工智能（AI）、大數(shù)據(jù)和云技術(shù)進(jìn)行使用的趨勢(shì)。 另外兩項(xiàng)調(diào)查是2018年7月發(fā)布的“企業(yè)對(duì)機(jī)器學(xué)習(xí)使用的現(xiàn)狀”和2019年1月發(fā)布的“正在演進(jìn)的數(shù)據(jù)基礎(chǔ)設(shè)施”。
本文將進(jìn)一步詳細(xì)研究這些結(jié)果，基于這三篇報(bào)告以及Strata數(shù)據(jù)會(huì)議和AI大會(huì)上的相關(guān)幻燈片，高屋建瓴地對(duì)其主題進(jìn)行比較。 這些要點(diǎn)并不在任何一篇單獨(dú)報(bào)告中。
通過重新利用AI應(yīng)用，開發(fā)新市場(chǎng)
通過橫向比較各行各業(yè)中采用AI的那些行業(yè)領(lǐng)域，我們看到技術(shù)，醫(yī)療保健和零售業(yè)成為采用人工智能方法的領(lǐng)導(dǎo)者，而公共部門（政府）以及教育和制造業(yè)往往是落后者。 這種差距可以用“對(duì)數(shù)據(jù)的需求是由社會(huì)利益決定的” 來(lái)解釋，不過這也指明了機(jī)會(huì)的方向。 我們可以作如下思考：金融在人工智能采用方面享有先發(fā)優(yōu)勢(shì)，技術(shù)和零售業(yè)也是如此。 在這些實(shí)踐中成熟之后，現(xiàn)在我們看到金融服務(wù)公司正在探索幾年前可能被認(rèn)為是無(wú)關(guān)緊要的機(jī)會(huì)。 例如，在我們最近在倫敦召開的AI會(huì)議上，來(lái)自Intuit的Ashok Srivastava和來(lái)自Fluidy的Johnny Ball的兩個(gè)講座分別提出了旨在為小型企業(yè)建立安全防護(hù)網(wǎng)AI的商業(yè)應(yīng)用。 例如，兩個(gè)團(tuán)隊(duì)都應(yīng)用異常檢測(cè)技術(shù)（這是從飛機(jī)發(fā)動(dòng)機(jī)監(jiān)控中借鑒來(lái)可以重復(fù)使用的辦法）來(lái)發(fā)現(xiàn)小企業(yè)何時(shí)可能會(huì)破產(chǎn)。 這一點(diǎn)很重要，因?yàn)槌^50％的小企業(yè)都會(huì)破產(chǎn)，主要原因是那些“異常”：現(xiàn)金流出現(xiàn)問題，以及付款推遲。
鑒于政府和教育行業(yè)在人工智能領(lǐng)域是處于落后位置，類似的技術(shù)重用能否適用于這些領(lǐng)域？ 例如，在過去幾年中，美國(guó)小學(xué)的教師通常會(huì)在網(wǎng)上向家長(zhǎng)提供有關(guān)學(xué)生作業(yè)和成績(jī)的詳細(xì)信息。 這些數(shù)據(jù)對(duì)于給出學(xué)生退學(xué)的預(yù)警信號(hào)非常有用 – 盡管坦率地說(shuō)，很少有工作的父母有時(shí)間跟蹤這么多數(shù)據(jù)。 此外，很少有學(xué)校有資源對(duì)這些數(shù)據(jù)采取總體規(guī)劃。 即便如此，小企業(yè)現(xiàn)金流量分析中使用的異常檢測(cè)與學(xué)生需要的家庭作業(yè)“安全防護(hù)網(wǎng)”非常相似。 毫無(wú)疑問，政府內(nèi)部（尤其是地方政府級(jí)別）存在一些領(lǐng)域，可以通過引入類似的人工智能應(yīng)用，帶來(lái)較大公共服務(wù)的上升，這些領(lǐng)域往往可能因?yàn)轭A(yù)算限制而人手不足。隨著企業(yè)采用人工智能走向成熟，我們可以希望從領(lǐng)導(dǎo)者到落后者的擴(kuò)散效應(yīng)，是通過類似的創(chuàng)新技術(shù)復(fù)用來(lái)實(shí)現(xiàn)的。 看上去，訣竅是找到足夠多深入技術(shù)和商業(yè)技能的人才，他們認(rèn)知到AI的商業(yè)用例。
差異化的工具設(shè)計(jì)
關(guān)于技術(shù)采用趨勢(shì)的企業(yè)AI采用的“建立人工智能應(yīng)用工具”部分，我們看到Spark NLP， scikit-learn和H2O等框架在金融領(lǐng)域如此普及，而谷歌云機(jī)器學(xué)習(xí)引擎（Google Cloud ML Engine）則在醫(yī)療保健行業(yè)具有更高的市場(chǎng)占有率。 與去年的分析相比， Keras和PyTorch相對(duì)于競(jìng)品領(lǐng)先者TensorFlow獲得了顯著增長(zhǎng)。 此外，盡管業(yè)界一直在爭(zhēng)論在生產(chǎn)環(huán)境中使用Jupyter Notebook是否利大于弊，但其使用量卻在急劇增長(zhǎng)。 我們從這項(xiàng)調(diào)查的結(jié)果中看到，jupyter notebook的支持率（23％）現(xiàn)在領(lǐng)先于IDE（17％）。
在醫(yī)療保健和生命科學(xué)的匯總結(jié)果展現(xiàn)了一幅有趣的圖景。 來(lái)自衛(wèi)生部門的所有受訪者中， 有70％使用人工智能進(jìn)行項(xiàng)目研發(fā)。 來(lái)自醫(yī)療保健行業(yè)的受訪者在識(shí)別人工智能的合適用例方面，也遇到了明顯的麻煩，盡管該行業(yè)的障礙（監(jiān)管）似乎在AI產(chǎn)品生命周期的后期出現(xiàn)。 一般而言，醫(yī)療保健相較于其他垂直領(lǐng)域， 在“ 如何廣泛排查AI風(fēng)險(xiǎn) ” 這一點(diǎn)上是領(lǐng)先的 ，在這個(gè)垂直領(lǐng)域，正如預(yù)期的那樣， 會(huì)更多地使用數(shù)據(jù)可視化。 這個(gè)領(lǐng)域令人出乎意料的是，也正在使用強(qiáng)化學(xué)習(xí)雖然我們知道金融行業(yè)中部署強(qiáng)化學(xué)習(xí)到生產(chǎn)環(huán)境的例子，但我們沒有洞察如何在醫(yī)療保健中使用強(qiáng)化學(xué)習(xí)知識(shí)。 這可能是后續(xù)調(diào)查的一個(gè)好主題。
來(lái)自領(lǐng)袖們的建議
不可否認(rèn)， 關(guān)于企業(yè)中對(duì)人工智能采用的調(diào)查，來(lái)自于初創(chuàng)公司：81％的受訪者為已經(jīng)使用人工智能的公司工作。 我們可以從他們收集到的經(jīng)驗(yàn)中學(xué)到很多東西。 例如，在成熟使用AI與早期采用AI的公司之間，到底有哪些鮮明對(duì)比的故事正在展開。 成熟的公司提出的一些重要建議包括：
- 努力克服一些公司文化的障礙，或者是因?yàn)椤盁o(wú)法明確業(yè)務(wù)用例”帶來(lái)的困難。
- 注意，缺乏數(shù)據(jù)和缺乏技術(shù)人員會(huì)持續(xù)性的帶來(lái)問題。
- 在招聘數(shù)據(jù)科學(xué)家的同時(shí)，還要聘請(qǐng)能判斷AI解決方案商業(yè)用例的人員。
- 除了優(yōu)化業(yè)務(wù)指標(biāo)外，還要檢查模型的透明度和可解釋性，公平性和偏見，以及您的AI系統(tǒng)是否可靠和安全。
- 探索深度學(xué)習(xí)之外的用例：其他解決方案，包括Human-In-Thee-Loop（將人納入數(shù)據(jù)循環(huán)），知識(shí)圖譜和強(qiáng)化學(xué)習(xí)，都已經(jīng)獲得了巨大的吸力。
- 在遷移學(xué)習(xí)的應(yīng)用中尋找值，這是一種獲得更先進(jìn)的公司認(rèn)可的技術(shù)細(xì)節(jié)。
- 您的公司可能需要在基礎(chǔ)架構(gòu)工程方面投入比預(yù)想更多的投資。
以上說(shuō)明了隨著一個(gè)關(guān)于團(tuán)隊(duì)積累經(jīng)驗(yàn)，處理一組問題會(huì)有相對(duì)優(yōu)先級(jí)。這些經(jīng)驗(yàn)教訓(xùn)經(jīng)常是由于在早期通過犯錯(cuò)得到的。 換句話說(shuō)，組織在企業(yè)中采用AI時(shí)，可能會(huì)考慮的潛在問題和關(guān)注點(diǎn)很多。 然而，“ 同時(shí)全面嘗試所有方向” 并不是一個(gè)好策略。 來(lái)自更復(fù)雜的人工智能實(shí)踐的領(lǐng)導(dǎo)者的建議往往是：“這里有我們?cè)缙趪L試的N個(gè)事項(xiàng)，我們發(fā)現(xiàn)沒必要把它們的優(yōu)先級(jí)排的太高” 。我們希望這些調(diào)查可以給其他公司帶來(lái)實(shí)際操作的指導(dǎo)。
以上的事情也說(shuō)明了，如何有效地調(diào)整投資和大規(guī)模計(jì)劃。 例如，您必須盡早解決更基礎(chǔ)的痛點(diǎn) – 如公司文化問題、能夠做業(yè)務(wù)判斷的人員缺乏問題，或者一些對(duì)AI計(jì)劃產(chǎn)生阻礙、形成瓶頸的問題。 同時(shí)，某些方向投資必須持續(xù)進(jìn)行，例如，雇用適當(dāng)?shù)娜瞬牛Ω倪M(jìn)數(shù)據(jù)集等等。 作為一名高管，不要覺得某些短期舉措會(huì)立竿見影。 這些都是持續(xù)存在的挑戰(zhàn)，您必須為此配置預(yù)算。
說(shuō)到預(yù)算，不少公司顯然正在認(rèn)真對(duì)待使用人工智能的問題，為人工智能相關(guān)項(xiàng)目分配大量的IT預(yù)算。 就算你的公司不是，你的競(jìng)爭(zhēng)對(duì)手很大概率也會(huì)是這樣。 該下注哪一邊才會(huì)得到更大回報(bào)呢？
走向關(guān)鍵時(shí)間點(diǎn)
調(diào)查中出現(xiàn)的另一個(gè)問題，涉及有關(guān)AutoML的一些信息。 僅在兩個(gè)季度之前的早期調(diào)查中，AutoML的使用率還在個(gè)位數(shù)百分點(diǎn)的區(qū)域?，F(xiàn)在，我們看到許多公司為了整合AutoML，在明年進(jìn)行了嚴(yán)格的預(yù)算分配。 對(duì)于更為成熟的實(shí)踐而言，這尤其令人痛苦：86％將在明年內(nèi)整合AutoML，幾乎是現(xiàn)階段對(duì)AutoML處于評(píng)估階段公司的兩倍。 隨著云服務(wù)提供商擴(kuò)展其AutoML產(chǎn)品，這種轉(zhuǎn)變的時(shí)機(jī)可謂精準(zhǔn)。例如，亞馬遜最近在拉斯維加斯召開的re:Invent大會(huì)上強(qiáng)調(diào)了一個(gè)重要主題。 需求和供應(yīng)雙方都在大力推動(dòng)AutoML的發(fā)展。
即便如此，也存在一種風(fēng)險(xiǎn)，即不太知情的管理層可能會(huì)將日益增長(zhǎng)的AutoML理解為“人工智能隨時(shí)可用”，這跟我們手里已有的成果大相徑庭。即使在AutoML類別中，提高利用AI能力的過程也需要組織結(jié)構(gòu)多年的迭代。 這項(xiàng)工作需要大量的資本投資，并且通常會(huì)由領(lǐng)導(dǎo)層進(jìn)行廣泛的思想共識(shí)。這種投資根本不是一時(shí)興起就能搞定的。 另一個(gè)需要記住的重要事項(xiàng)是，AutoML只滿足了自動(dòng)化需求的一部分。 請(qǐng)參閱最近的數(shù)據(jù)秀廣播訪談“為企業(yè)數(shù)據(jù)科學(xué)構(gòu)建工具”，在這里，Salesforce的數(shù)據(jù)科學(xué)和工程副總裁Vitaly Gordon討論了他們用于機(jī)器學(xué)習(xí)工作流程的TransmogrifAI開源項(xiàng)目。 很明顯，自動(dòng)化模型構(gòu)建和模型搜索 – 也就是AutoML技術(shù)部分 – 只是整個(gè)難題的一小部分而已。
我們也知道——自2017年發(fā)表的研究以及隨后的分析——企業(yè)在使用人工智能中的領(lǐng)導(dǎo)者和落后者之間的“數(shù)字鴻溝”正在增長(zhǎng)。參考麥肯錫全球研究所的邁克爾·崔（Michael Chui）所著的優(yōu)秀報(bào)告 “前沿筆記：讓人工智能發(fā)揮作用”，和相關(guān)的報(bào)告《人工智能正在前進(jìn)，但基本障礙仍然存在》。我們現(xiàn)在在2018年第四季度和2019年第一季度觀察到的是大量投資投到了成熟實(shí)踐上，并且根據(jù)經(jīng)驗(yàn)教訓(xùn)，投資決策更加明智。 然而，大多數(shù)落后者甚至沒有開始為可能需要持續(xù)多年的關(guān)鍵轉(zhuǎn)型進(jìn)行投入。 我們不能過分強(qiáng)調(diào)企業(yè)組織中“有”和“有沒有”之間的鴻溝日益擴(kuò)大。 在很快到來(lái)的某個(gè)關(guān)鍵時(shí)間點(diǎn)， “沒有AI”可能只是落后于競(jìng)爭(zhēng)對(duì)手太多年，而不值得投資以趕上競(jìng)爭(zhēng)對(duì)手的進(jìn)度。
下載我們的最新免費(fèi)報(bào)告“ 企業(yè)對(duì)于AI的使用”，以了解公司如何在實(shí)踐中對(duì)AI項(xiàng)目進(jìn)行規(guī)劃并提高優(yōu)先級(jí)。