谈到未来做生意，AI和机器学习都是身边最热门的话题。尽管所有关于人工智能承诺的讨论，仍然缺少一些东西——关于如何让人工智能为你工作的直接信息。如果你用错误的方式解决问题，你的结果就没有意义，但如果你用正确的方式，你可以建立一个绩效系统，推动你的企业向前发展。我们已经指导许多组织成功采用了基于人工智能的解决方案——这里有一些关于如何应对挑战的实用建议。bob平台app下载
我们正在谈论业务流程自动化
AI解bob平台app下载决方案通常涉及重复、耗时的任务，并开发方法更有效地完成这些任务。这意味着，人工智能通常是业务流程自动化(BPA)的一种形式，只不过你正在自动化的流程是知情的人类判断。BPA通常处理可预测的、高度重复的任务，但是计算技术的进步极大地扩展了自动化的范围——包括文本和图像的自动处理。尽管如此，以这种方式思考人工智能解决方案可以帮助你bob平台app下载在更熟悉的基础上构建你的采用方法。
自动文本处理的工作开始半个世纪前。当美国邮政服务使用光学字符识别开始（OCR）来帮助对邮件进行排序时，它是传统的BPA通过，通过 - 机器被编程为识别键入的地址标签中的部分中的字符，结果是由于结果进行路由。然而，这是现代AI的黎明，这真的踢到了高档。现在我们可以构建能够做出真正令人印象深刻的系统，就像了解文本的含义和情绪，并识别图像中的对象。
早在现代人工智能出现之前，美国邮政服务(US Postal Service)就已经在使用一种文本处理形式来帮助邮件投递自动化。图片来源:这个惊人的视频从1970年起．
记住，你的AI系统并没有做任何神秘的事情。这就是学习识别数据中的模式，并使用这些模式自动处理其他数据——速度更快，规模更大。更广泛地说，人工智能驱动的自动化和BPA之间的关键区别在于人工智能是经过训练的，而不是建造的。
学习需要时间。是渐进的。
你可能不会雇佣一个没有经验的人，并期望他们能马上做一个完美的工作。你也不可能先把最复杂的任务分配给他们，因为你可以先让他们做一些更简单的事情。成功的入职需要足够的培训和合理的期望。机器学习也是一种学习——你的人工智能的好坏取决于它所接受训练的数据——所以这种智慧仍然适用。
充分利用您的数据是增量改进的过程。图片来源:toptal.com
当我们想到自动化时，我们通常会想到快速、超精确的过程，只需按一下开关。因此，可以理解的是，人们对人工智能有着类似的期望——尤其是当涉及到熟悉的任务，如理解文本和图像时。但请记住，这些都是复杂的任务，你的AI解决方案也存在学习曲线。最好的结果可能需要时间——但这并不意味着你不能从你的系统中获得价值。
而不是预期从门出来的完全自动化，请考虑逐步引入AI到您的过程。通过归零您的AI系统最自信的预测，这将是最准确的，您可以快速自动化您的工作，以信心。这样做也有助于你衡量你可以自动化的工作，以及最好的留给人类。例如，虽然几乎所有美国邮件现在都自动使用OCR进行排序，但人类仍然在手上处理特别凌乱的写作和不完整的地址。
调整您的流程结构也可以帮助您从AI中受益。I’ve worked with many organizations that wanted to classify their data in very fine-grained ways, but often, they got more out of AI by focusing on coarser-grained questions like separating actionable and unactionable complaints, or identifying whether tweets containing a keyword were relevant to their brand. When the Postal Service began automatically sorting letters, they started with ZIP codes instead of whole addresses. Start simple. Partial automation can still lead to big gains.
有取舍
组装组件是否涉及由人或机器完成的相同步骤，并且机器可以更快地进行。但是，使用AI自动化任务，如文本分类或图像分析并非相同的情况。人类有思想，而机器只需寻找他们从数据中提取的功能中的模式。
这意味着什么是机器可以与他们的人类同行不同，他们如何分类事情。通常，这改善了结果，但有时它也可能导致人类不会产生的错误。不要让这侵蚀你对AI的信心 - 至少不一定。您的系统可能还有一些正确的事情，即人类会错过。请记住，学习是一个增量过程，并且通过专注于系统的高信心预测，您可能仍然可以使用人力级别准确性自动化数据处理，并且使用右侧数据将随着时间的推移而改善。
几乎可以肯定的是，采用人工智能也意味着一定程度的行为改变。角色可能会改变，过程会改变，你的结果可能看起来有点不同。组织通常不愿意改变行为，因为在连续性和预先适应的成本上有中断。但是清除这个障碍是值得的，因为您将比您想象的更快地进行调整，并且自动化您的劳动密集型流程的积极好处将超过转换的成本。事实上，它甚至可能打开以前不存在的机会。
采用新技术涉及一些权衡，但好处可能超过成本。
建立自信
在评估人类员工时，抽查他们的工作可能是有意义的——挑选一些他们最近做出的判断，看看它们是否可靠。在此基础上，您可以对他们的其余工作做出相当可靠的推断。虽然这在评估人类员工时可能是一个有用的策略，但在评估你的AI系统性能时，有理由谨慎使用它。
首先，因为你的AI可以比人类的规模大得多，所以你的少数例子并不具有代表性。其次，因为机器和人类的推理方式不同，所以你应该以不同的方式评估它们。第三，也是最重要的一点，过多的抽查会导致您只关注某些孤立的错误。我见过一些刚接触AI的组织因为遇到了一两个“无法解释的”错误而失去了不必要的信心，尽管他们的系统整体表现还不错。
相反，考虑在更大的尺度上评估你的分类器。一种选择是称为交叉验证的技术;另一种方法是创建一个单独的、大型的测试项集，用于评估模型的预测。这些充满信心的预测准确吗?当您收集更多数据时，模型的性能是否会随着时间的推移而提高bob体育手机下载？它在某些类型的例子中是突出还是挣扎?使用更大的数据集来回答这些问题将帮助你以更有用的方式评估你的AI系统。
Appen平台中的示例模型的特征重要性。绿色的术语预测对航空公司体验的负面情绪，而灰色的术语预测相反。一些奇数项的出现反映了模型中有限的训练数据。bob体育手机下载
此外，请询问为什么您的AI系统使其预测所做的。正如我们之前提到的那样，AI通过从中获取输入和提取功能（如图像中的文本或颜色模式的单词序列），并使用这些功能来识别新遇到的项目。通过了解导致模型的内容，使其成为预测，该模型变得更少，甚至可能识别改进的机会。如果你真的想深深地挖掘，这篇论文可能是我读过的关于这个话题的最好的讨论。
随着时间的推移维护和改进您的模型
准确的数据分类往往是一个移动的目标。您的数据会随着时间的推移而变化，您试图回答的问题也会随之变化。一年前与你的公司相关的新闻故事现在可能不再重要，曾经的低优先级客户支持问题现在bob外围怎么样可能至关重要。为了捕捉这些变化，并维护您的AI系统的准确性，您需要承诺进行持续的评估和维护。
最重要的持续维护任务是保持您的培训数据最新。bob体育手机下载您需要为分类器提供新数据，以确保准确地捕捉到新趋势，并为模型提供可用性。您还需要确保应用到数据上的标签是一致的，并且当事情发生变化时，训练数据中的过时项要么被更新，要么被删除，这样您就不会混淆您的模型。bob体育手机下载
Appen的人在循环工作流支持这里讨论的三个最重要的概念:专注于你的高度自信的预测;结合人类和机器智能，以获得最好的结果，并迭代开发您的AI模型。
这个过程的一个关键组件是human-in-the-loop学习、培训的过程模型,该模型只要求人工输入这些物品并不是信心——这意味着人类的参与变得尽可能有效,和模型得到确切的数据需求。人在循环中的学习驱动着Appen的学习数据注释平台这是我们专门打造的，旨在让企业级人工智能解决方案尽可能高效地起步。bob平台app下载通过将机器学习环境与世界级的数据丰富平台相结合，Appen可以轻松地在规模上结合人类和机器智能的最佳方面。
