人工智能成功的标准:行业最佳实践

  企业需要研究行业以外的组织如何应用人工智能。壳牌公司、Uber公司以及Fellow Robots公司认为,可以了解这些公司在人工智能领域取得成功的标准。

  壳牌公司首席数据科学家Deval Pandya表示,他认为与行业专家合作是人工智能成功的最重要标准之一。对主题有深入了解的专家提供了深度学习工具难以独立分离的背景和细微差别。但他表示,在专家领域之外进行研究也有很大的好处。

  Pandya是近日在旧金山举行的ReaWork应用人工智能峰会的人工智能工程师和数据科学家小组的一员。参会者还包括IT领导者Uber公司和供应链供应商Fellow Robots公司,他们分享了应用尖端人工智能解决业务问题的经验。

  以下是专家提出的人工智能成功标准的概述:

  壳牌公司边缘的数据汇总

  首席数据科学家Pandya带领的团队在壳牌公司的工作非常重要:其任务是弄清楚如何使用来自数十万个传感器的数据来优化壳牌公司各个工厂的运营方式,这些工厂包括碳氢化合物生产工厂、发电厂,以及炼油厂。

  Pandya说,预测性维护是一个具有挑战性的问题,因为传统炼油厂可能有40,000个阀门。他的团队正致力于创建一个框架用来构建、运行、维护、重新培训和评估的预测性维护模型,并在必要时退出,这些模型可以理解通过这些阀门收集的化学品流量传感器数据。壳牌公司选择了C3.ai公司的平台,以减轻数据科学家和工程师在大规模部署这些模型时的负担。

  其面临的一个挑战在于将数据聚合和处理更接近其行为发生的位置,以便减轻云计算负载,减少延迟,并减少数据消耗。早在云计算出现之前,能源行业一直在努力解决这个问题。 Pandya表示,他参与的第一个项目涉及处理地震图像,一个100平方公里的数据区块可能需要10 TB到15 TB的数据。Pandya估计,壳牌公司从所有油井收集到的数据可能比YouTube视频数据加起来还要多10到15倍。

  虽然壳牌公司习惯于处理这类数据,但Pandya的团队正在努力寻找在边缘进行更多处理的方法。他估计数据中心大约有30%到40%的工作量可以在边缘进行处理。其目的是将数据解析为特定项目的最相关信息。

  Pandya说,在为壳牌公司推行这一新的边缘战略时,他偶然发现了其他行业的见解,这些见解有助于简化这一开发过程。例如,他发现了一篇关于欺诈检测的论文,描述了一种新的检测异常的方法。事实证明,这适用于他的团队在设备上进行的预测性维护的高级分析。

  这一发现使他确信,了解其他可能试图解决类似问题的行业非常重要。

  Pandya说,“在我们的案例中,它恰好是异常检测。有各种行业已经在异常检测中做了大量工作,银行业和防止欺诈行业可能会更加成熟。”

  人工智能成功的标准涉及Nvidia公司的新Jetson处理器

  Fellow Robots公司一直在开发各种应用在商店的机器人和数据收集设备,以改善库存检查,提供客户帮助,并绘制商店布局。尽管该公司没有像壳牌公司采用那么多的传感器,但它还需要找到最有效的方法来收集和分析远程生成的数据。这包括用于确定机器人最佳移动速度的数据、影响图像采集和安全的指标;商店照明的数据、影响图像识别的指标;以及机器人可能与之交互的人员类型的数据(这会影响用户体验设计)。

  Fellow Robots公司人工智能工程师Jagadish Mahendran说,“我们花了很多时间规划如何优化数据采集系统,以便算法可以利用我们正在读取的数据类型来概括不同的问题。”

  Mahendran表示,当该公司首次开始在商店中部署机器人时,他的团队向云端发送了如此多的数据,以至于处理时间变慢了。当时,Mahendran听说其他公司使用Nvidia公司的新Jetson处理器将人工智能处理转移到低端GPU上的边缘设备上。

  该团队购买了一些开发板,Mahendran开始探索可以在其上运行的算法的局限性。几个月后,他能够开发出一种新的算法,将本地处理时间缩短了大约25倍。

  他说:“这正是我们当时想要的结果。”

  Mahendran说,在这样的人工智能项目中,成功的最重要标准之一就是让数据科学家与真正了解机器人将如何在商业环境中使用的专家合作,特别是机器人对客户的影响。通过协作,人们可以更容易地确定要收集的数据类型以及处理可以推送到边缘的数据的算法类型。

  人类审查人工智能成功的要求

  壳牌公司的Pandya支持数据科学家与主题专家合作的最佳实践,以确定需要哪些数据。壳牌的专家包括地球物理学家以及维护工程师,他们帮助数据科学家从核电站的传感器中找出需要优先处理的信号。

  Pandya说,他的数据科学家团队可能会识别出由传感器输入数据的各种组合创建的前200个机器学习模型功能。但是,实验室和工艺工程师有时会决定算法应该关注另一个列表。

  Pandya说,“需要尝试将这两种方法结合起来。”

  Pandya强调,虽然预测性维护算法可以通过优化维修计划来节省资金,但他们的建议需要经过人类的审查。

  他说,“真正困难的是,误报的代价是巨大的。”

  如果信用卡公司将可疑交易标记为误报,则可能给客户带来不便。如果壳牌公司关闭炼油厂以便在不需要时修理某些设备,那么可能会损失数百万美元。

  他补充说,“但是,不及时修理机器的另一种选择可能更糟。所有各方都必须就何时以及如何应用人工智能进行沟通。”

  跨团队沟通

  实际上,人们在应用人工智能时可能比使用其他技术更难以导航。Pandya说,他一般认为这项技术已经足够成熟,可以开展实际工作,但将人们聚集在一起也需要大量的情商。

  Pandya问道,“如何让一个从事这项工作30多年的炼油厂设备工程师来考虑采用这项技术?”

  例如,其团队的一些应用人工智能的工作正受到一线工程师的欢迎。同时,该公司明白,开发更好的算法可以从根本上改变其运作方式。

  他说,“但我们必须对如何继续实施这一目标保持谨慎。”

  Pandya表示,在人工智能方面,他还必须弄清楚如何引进人才,不仅具有机器学习技能,而且还具备一些学科经验,这样他的团队才能与各种专家进行交流。

  壳牌公司团队组成通常包括与机器学习工程师合作的产品所有者。来自产品团队的一些不同类型的主题专家包括过程工程师、实验室工程师、钻井设备工程师、经济学家,他们可能参与一个项目,以便为预测性维护或最佳操作制定更好的人工智能。

  这种有度量的、包容性的方法在培养企业各业务部门的积极性方面取得了成效,其结果是,他的团队现在得到了更多的新项目的主动请求,而不是拖延。

  Uber公司的新网络是人工智能成功的关键

  Uber公司负责应用机器学习的高级数据科学家Huaixiu Zheng表示,Uber公司人工智能研究人员实际上在改善整个公司的团队和流程之间的沟通方面发挥了作用。

  他说,“成功的人工智能通常能够与不同的团体交流。”

  这是一个从传统软件工程的巨大转变,在传统软件工程中,设计师或项目经理将创建一个概念,软件工程师将执行他们的订单。现在,有另一个参与者加入进来,将人工智能算法引入软件工程系统,并作为一种桥梁与各方合作。

  他说,“这对我们所有在人工智能领域工作的人来说是一个巨大的挑战和机遇。”

  例如,Uber公司在解决客户投诉方面有一个笨拙的流程。当客户对司机不满意、收费高于预期或丢失物品时,他们会进行沟通。

  他说,“所有人都在做决定,这对客户而言非常繁琐,对企业来说效率不高。”

  因此,人工智能开发团队与客户解决专家合作,找出哪些类型的请求可以自动解决。

  他说,“在项目早期进行这些对话是非常强大的。”

用户喜欢...

如何消除人工智能邪恶化的危险

随着越来越多的个人、政府、企业将人工智能技术视为一种邪恶,很明显人们需要指标来确保人工智能是一个良好公民。 那么如何衡量人工智能应用程序中的邪恶? 这可能听起来像一个滑稽的...


通过去中心化人工智能赋予制造业能量

从居家新型虚拟助手到将我们邮箱内的垃圾邮件一扫而光的垃圾邮件过滤器,人工智能(AI)已深入我们生活的方方面面。随着人工智能算法及驱动它们的计算能力日臻完善,它们在积极改变人类...


比尔·盖茨 :人工智能的最大影响力仍需数十年

比尔盖茨 透过预见和利用世界变化的趋势,而成为有史以来最成功的科技巨头之一。但他最近承认很难预测即将到来的自动化和人工智能潮流,何时将对人类经济与劳动力市场产生最大的影响...


一种提高 X 射线安全系统吞吐量的架构

基于数字 X 射线的安全系统可用于检测违禁品、麻醉品、爆炸物、武器和其他安全威胁,常常是邮件、行李和其他货物处理应用的第一道防线。虽然 X 射线技术本身已得到很好的了解,但设计人...


TikTok收购英国音乐人工智能初创企业Jukedeck Jukedeck网站已下线

【TechWeb】7月24日消息,据国外媒体报道,字节跳动旗下热门社交媒体音乐初创公司TikTok已收购英国音乐人工智能(AI)初创企业Jukedeck。 Jukedeck开发了一款软件,该软件允许用户用人工智能创作音...


微软与OpenAI联手探索人工智能

微软宣布向OpenAI投资10亿美元,作为实现人工智能圣杯(AGI)共同目标的一部分。 如果你一直沉迷于科幻电影和电视剧,那么今天的人工智能与哈尔(HAL)和贾维斯(Jarvis)等人相去甚远。对于这种体...


9个机器学习成功案例的内部视角

人工智能(AI)和机器学习(ML)曾经被认为是企业的空头支票之类的项目,如今已经成为应用主流。 越来越多的企业正在利用这种模仿人类思维行为的技术来吸引客户,并加强业务运营。 在调研机...


2019AIIA杯人工智能大赛--医疗专项赛正式启动

时隔一年 医学人工智能领域 再迎来高规格赛事 「2019AIIA杯人工智能大赛医疗专项赛」 7月22日正式启动 大扩容 大平台 大格局 赛题方向大扩容 AI疾病辅助预测、AI疾病辅助诊疗 AI疾病咨询、A...


日本将在2020年东京奥运会采用人工智能安全识别技术

明年的这个时候,预计将有1000万外国游客和数百万日本人聚集在东京观看第32届奥运会。当地政府正在采取多种基于人工智能的措施,旨在应对奥运期间的恐怖袭击和其他危险威胁。 日本政府...


求职者的简历如何能通过人工智能和机器人的筛选

如今,很多求职者在面试新工作之前,其在招聘网站提交的简历很有可能通过人工智能工具进行筛选。因此,行业专家提出了求职者需要了解人工智能筛选简历的7个注意事项。 根据调研机构的...


人工智能如何与大数据完美地结合

大数据和人工智能工具的结合可以实现新的分析和自动化形式,而在企业应用程序中,这些技术仍在不断发展和演变。 DunBradstreet公司今年1月发布了一项调查结果,调查发现,40%的受访者表示...


人工智能(AI)对于当今生活的现实意义

提及人工智能,相信大多数人还是一头雾水:是什么?有什么用?和我有什么关系? 人工智能绝对是现代生产力变革的巨大动力,和不远的将来,和你和我都息息相关,现如今它已经在不远的将来...


为什么物联网需要人工智能才能成功?为什么机器学习很重要?

物联网将产生海量数据这些数据可以帮助城市预测事故和犯罪;让医生实时了解起搏器或生物芯片的信息;通过对设备和机械进行预测性维护,实现跨行业的最佳生产效率;创建真正智能的家用电...


人工智能道德与数据治理:良性循环

随着很多企业投入大量资金和人力研究和开发人工智能,他们面临着隐私与道德的相关问题。例如,负责任的人工智能是什么样的?如何控制人工智能偏见?人工智能技术是前沿技术,它对社会发...


SaaS的未来与人工智能有什么关系?

人工智能越来越受欢迎,而在不久前,这只是一个新兴趋势,但现在这项技术发展迅速,并且在不同行业中有众多应用,例如聊天机器人和人工智能推荐系统。 随着AI渗透到越来越多的行业,...


未来几年人工智能研究绕不过去的3个关键问题

目前,人工智能正在大力促进产业升级、提高产品质量和核心能力。但人工智能要实现真正的无处不在,它就需要能够在电力和热能有限的终端设备上运行。 科技分析师、J. Gold联合咨询公司创...