知識星球
作者 | Minda Zetlin
譯者 | Wuod3n
今年人工智慧決策將變得更加透明？
無論你的 IT 業務現在使用了多少人工智慧[1]，預計你將會在 2018 年使用更多。即便你從來沒有涉獵過 AI 專案，這也可能是將談論轉變為行動的一年，德勤董事總經理 David Schatsky 說。他說：“與 AI 開展合作的公司數量正在上升。”
看看他對未來一年的AI預測：
1、預期更多的企業 AI 試點專案
如今我們經常使用的許多現成的應用程式和平臺都將 AI 結合在一起。 Schatsky 說：“除此之外，越來越多的公司正在試驗機器學習或自然語言處理來解決特定的問題，或者幫助理解他們的資料，或者使內部流程自動化，或者改進他們自己的產品和服務。
“除此之外，公司與人工智慧的合作強度將會上升。”他說，“早期採納它的公司已經有五個或略少的專案正在進行中，但是我們認為這個數字會上升到十個或有更多正在進行的計劃。” 他說，這個預測的一個原因是人工智慧技術正在變得越來越好，也越來越容易使用。
2、人工智慧將緩解資料科學人才緊缺的現狀
人才是資料科學中的一個大問題，大多數大公司都在努力聘用他們所需要的資料科學家。 Schatsky 說，AI 可以承擔一些負擔。他說：“資料科學的實踐，逐漸成為由創業公司和大型成熟的技術供應商提供的自動化的工具。”他解釋說，大量的資料科學工作是重覆的、乏味的，自動化的時機已經成熟。 “資料科學家不會消亡，但他們將會獲得更高的生產力，所以一家只能做一些資料科學專案而沒有自動化的公司將能夠使用自動化來做更多的事情，雖然它不能僱用更多的資料科學家”。
3、合成資料模型將緩解瓶頸
Schatsky 指出，在你訓練機器學習模型之前，你必須得到資料來訓練它。 這並不容易，他說：“這通常是一個商業瓶頸，而不是生產瓶頸。 在某些情況下，由於有關健康記錄和財務資訊的規定，你無法獲取資料。”
他說，合成資料模型可以採集一小部分資料，並用它來生成可能需要的較大集合。 “如果你以前需要 10000 個資料點來訓練一個模型，但是隻能得到 2000 個，那麼現在就可以產生缺少的 8000 個資料點，然後繼續訓練你的模型。”
4、人工智慧決策將變得更加透明
AI 的業務問題之一就是它經常作為一個黑匣子來操作。也就是說，一旦你訓練了一個模型，它就會吐出你不能解釋的答案。 Schatsky 說：“機器學習可以自動發現人類無法看到的資料樣式，因為資料太多或太複雜。 “發現了這些樣式後，它可以預測未見的新資料。”
問題是，有時你確實需要知道 AI 發現或預測背後的原因。 “以醫學影象為例子來說，模型說根據你給我的資料，這個影象中有 90％ 的可能性是腫瘤。 “Schatsky 說，“你說，‘你為什麼這麼認為？’ 模型說：‘我不知道，這是資料給的建議。’”
Schatsky 說，如果你遵循這些資料，你將不得不對患者進行探查手術。 當你無法解釋為什麼時，這是一個艱難的請求。 “但在很多情況下，即使模型產生了非常準確的結果，如果不能解釋為什麼，也沒有人願意相信它。”
還有一些情況是由於規定，你確實不能使用你無法解釋的資料。 Schatsky 說：“如果一家銀行拒絕貸款申請，就需要能夠解釋為什麼。 這是一個法規，至少在美國是這樣。傳統上來說，人類分銷商會打個電話做回訪。一個機器學習樣式可能會更準確，但如果不能解釋它的答案，就不能使用。”
大多數演演算法不是為瞭解釋他們的推理而設計的。 他說：“所以研究人員正在找到聰明的方法來讓 AI 洩漏秘密，並解釋哪些變數使得這個病人更可能患有腫瘤。 一旦他們這樣做，人們可以發現答案，看看為什麼會有這樣的結論。”
他說，這意味著人工智慧的發現和決定可以用在許多今天不可能的領域。 “這將使這些模型更加值得信賴，在商業世界中更具可用性。”
via: https://enterprisersproject.com/article/2018/1/4-ai-trends-watch
作者：Minda Zetlin[3] 譯者：Wuod3n 校對：wxy
本文由 LCTT 原創編譯，Linux中國 榮譽推出
