《企业如何通过人工智能和机器学习获得成功》

  • 来源专题:中国科学院文献情报制造与材料知识资源中心 | 领域情报网
  • 编译者: 冯瑞华
  • 发布时间:2018-06-11
  • 英国信息解决方案提供商Callcredit公司概念管理总监Dave Webber阐述了采用人工智能和机器学习技术在发现欺诈性贷款申请并保护消费者方面的成功应用。

    尽管目前机器学习和人工智能得到广泛的关注,但是许多组织尚未将这些概念付诸实践。英国最大的信用咨询机构之一Callcredit公司概念管理总监Dave Webber阐述了机器学习和人工智能的发展趋势,并对他们如何克服人工智能和机器学习方面应用的障碍进行了分析。

    根据调研机构Gartner公司开展的“2018年CIO议程调查”,真正具有意义的人工智能部署刚刚发生。该研究表明,只有4%的企业首席信息官实施了人工智能,另有46%的首席信息官为此制定了计划。

    尽管采用率并不高,但到2018年,许多企业已开始利用这项技术。Callcredit公司就是这些组织之一。

    在日前微软公司开展的人工智能转型的活动中,Webber介绍了Callcredit公司的人工智能之旅,以及他们的敏捷性如何帮助他们取得成功的事例。

    他表示,“作为概念管理总监,我正在实施一项创新职能,从根本上为业务发展增长提供机会。我们从事研究和开发以找出潜力。人工智能已经为我们提供了将事情提升到一个新水平的工具。无论是信用风险领域还是欺诈风险领域,我们都能比以前做得更好、更快。”

    Callcredit公司现在正在使用微软公司的Azure机器学习来识别试图获取信用报告和借贷时冒充他人的犯罪分子。

    该服务已成功阻止对Callcredit的信用报告和评分服务(名为Noddle)的欺诈性访问,并保护消费者免遭以其名义提取的不良贷款。

    克服采用人工智能的障碍

    正如Gartner公司的研究表明的那样,许多企业对人工智能技术的吸收和应用速度都很慢。他们认为安全和隐私问题、整合人工智能的复杂性、寻找技能并确定如何最好地衡量用例等是阻止他们很好地采用人工智能的主要原因。

    Webber表示:“鉴于我们习惯于处理消费者数据,并且多年来一直这样做,所以我们没有看到有关安全方面的更多的挑战。但安全一直是我们的心目中的首要考虑因素和顾虑。我认为最大的挑战之一就是透明度。我们需要有一个模型,可以向监管机构解释它的工作原理。还需要向客户解释这个概念,以便他们向消费者解释如何对他们做出决定。”

    敏捷性在数字化改造中的重要性

    根据Webber的说法,他们克服人工智能和机器学习障碍的能力的核心是他们在组织内的创新功能。该功能给出了新技术和新数据源的实验结果。

    根据调查机构普华永道的一项研究,67%的企业管理人员认为人工智能可以实现流程自动化并提高效率,尽管许多组织都在努力去真正理解如何才能专门用于他们的运营。

    Webber说,“回顾过去,我们花费了两年的时间研究机器学习和人工智能如何在组织中应用,以使事情变得更好。我们研究了所面对的许多不同的问题领域,通过这样做,我们了解了这些概念如何运作,以及哪种部署模式最有效。”

    填补人工智能的技能差距

    大多数组织面临采用人工智能的主要问题之一是没有合适的工作人员提供帮助。根据就业市场的分析表明,目前提供人工智能的就业岗位至少是具有合适技能的应聘者人数的两倍。该报告指出,自2014年以来,英国人工智能中的工作岗位数量增加了485%,但技能差距继续阻碍了这一创新。

    Webber说,“找到合适的人才是很困难的,我们需要与那些对技术真正有热情的聪明的数据分析师合作,他们能够把事情放到场景中,并更好地处理人工智能的数据。”

    他补充说,“我们与利兹大学和消费者数据研究中心(CDRC)开展密切合作,为此接收了一些实习生和毕业生。除此之外,我们使用传统方式将合适的人员招募到我们的组织,然后进行培训。”

    让人工智能对整个组织透明

    Webber表示,尽管很多企业在人工智能方面存在技能差距,但这类技术的进步历来与员工数量的减少有关。虽然降低劳动力成本对企业管理人员具有吸引力,但可能会对那些工作面临风险的人产生抵触情绪。企业需要仔细考虑这一点。

    “在早期阶段,人们对人工智能有很多误区。但我们必须组织从高层开始实施有效的教育计划,并设定这项技术可以为组织带来什么样的期望,并获得批准进行想要的实验。”Webber说,“这不仅仅是加强人们对技术的了解,并让他们能够胜任工作,而是关于在扩展技术时会发生什么,还有谁需要参与。这些需要延伸到整个组织。”

    “我们通过举办社区会议,让所有感兴趣的各方(例如专家、数据分析师、客户)来讨论这些概念。所以我们正处于一个继续教育的阶段。我们希望让所有关键堆栈持有者参与进来,让他们参与其中,并将他们的反馈意见投入到项目中。”Webber说,“这个系统的好处是可以帮助人们认识到这些好处,然后工作人员就可以自然而然地接受新技术,因为他们知道这会使他们的工作更容易。”

    Webber表示,“对于企业在人工智能和机器学习方面的成功应用,至关重要的是,人们不要将其当作是一个孤立的项目,将其视为一个工作计划,将其视为一个真正的商业变革机会,否则项目会来回反复,那就是如果企业认为这是一个真正的商业变革的机会,除了他们面临的挑战之外,在实施上将会很困难,要对一些项目会失败有所预计,如果保持正确的心态,那么将会更容易获得成功。”

相关报告
  • 《10家人工智能企业完成融资 资本挤进头部才能获得生存》

    • 来源专题:装备制造监测服务
    • 编译者:zhangmin
    • 发布时间:2020-10-14
    • 2020年,北拓资本共帮助近10家人工智能企业完成融资,融资金额最高的企业拿到了数亿元。这些企业分布在无人驾驶、智慧医疗、智能客服、视觉机器人等相关领域,其中一些是我们概念中技术落地已经比较成熟的领域,有些则仍处在技术研发与投入阶段,尚未步入市场化产出阶段。这些不同赛道不同阶段企业的成功融资,也打破了“资本短视”的偏见。   在北拓资本看来,今年整个AI产业的融资情况相比去年并无显著变化。资本在挑选企业时,看重的依然是企业是否具备长远发展前景。作为一家数字化创业服务企业,北拓资本在寻找目标企业时,首先关注其所在赛道的发展阶段,然后是技术的成熟度与领先性。   北拓资本董事总经理王阳告诉《数据》记者,“AI产业在短期主要看重技术红利,长期来看则是行业理解、工程化能力和落地案例。因为AI是有技术门槛的,技术领先性和准确率是核心观测指标。但是技术可以被学习,技术也在不断演进。随着技术门槛下降,准确率在快速提升,使得产品体验更好、服务更好、成本更低。当然,一款好的产品打磨需要从理论走向实践,这其中还涉及到供应链、规模化生产、营销策略及商业化落地等各个方面”。   此外,在企业的选择上,还要看其是否有全栈解决方案的能力。如果只能在整个流程的一个环节用AI替代人工,虽然单一环节可以降本增效,但是整个流程的成本结构、效率并没有得到明显改善,客户的痛点并未得以解决,因此也不会买单的。   当然,并不是所有的投资方都只关注快速变现的企业。对于像无人驾驶、智慧医疗这类尚未能进行市场化落地的,业内将其归类为“长期可落地”的领域。考虑到该领域直接面向广泛的C端用户,拥有庞大的市场空间,众多的投资方愿意承担风险去尝试。   我国智慧医疗建设行业规模,预测2020年将超千亿元。而无人驾驶领域到2025年可以催生出一个2000亿-1.9万亿美元的巨大市场。当然,能够抢占这些领域的企业仍是少数,高技术门槛以及高研发成本成为众多参与者的天然屏障。而且对于这种技术研发投入成本较高的企业,投资方则更信赖规模较大、资金门槛较高的企业。   北拓在选择这类企业时,通常会根据对安全的容忍度将其分为两类。一类比如高级别自动驾驶,即使准确率达到99.99%,1万次仍会出现1次交通事故,这也是无法接受的。此类企业往往技术门槛非常高,研发周期较长,短期无法商业化落地,自然很难靠自身产生现金流收入。“对于这类项目,我们的策略就是聚焦技术团队,挖掘第一梯队中最好的企业,因为只有它能够实现持续融资。”王阳表示。   另一类如安防应用,一般情况下,AI准确率95%以上就达到商用水平了,短期就可以迅速实现落地,并产生稳健的现金流。所以,对于这类企业而言,不应纠结于准确率高低,成功案例往往是吸引投资人的最好营销手段。对于金融、安防等领域而言,客户对稳定性和效果要求很高,因此非常看重实际应用案例。一旦通过评估测试,便能形成长期稳定的商务关系。同时,高质量数据来自场景,在应用中采集数据,反哺算法迭代。   从商业角度,机构在选择优质标的时,会重点关注行业纵深、投入产出比以及规模化复制能力这三大核心因素。如果为了1%的技术指标提升而进行成倍的投入,这显然不是一笔划算的生意。其次,安防、金融等市场规模大的行业,高研发投入是一种普遍现象,规模化复制能力也决定了定制化程度,对后续批量落地成本有很大影响。   不论是安防、无人驾驶还是智慧医疗,从资本对它们的选择中,我们能感受到,“前景”依然是资本最看重的。王阳总结道,对于短期可落地企业,资本看重的是其自身的造血能力,对于长期可落地企业,资本看重的是其市场空间。   挤进头部才能获得生存   资本但不论哪个赛道,也不论落地周期性长短,头部企业已愈加成为投资方的青睐对象。尽管当前市场环境错综复杂、资本普遍收紧,但丝毫不影响某些赛道的头部企业成为资本竞相追逐的对象,且部分企业融资额度甚至超过往年。   例如自动驾驶解决方案公司驭势科技(Uisee)宣布完成B轮融资,拿到了博世创业投资(RBVC)、深创投(深圳市创新投资集团)、中金资本、厦门七匹狼节能环保基金和重庆两江服务业基金等的投资;自动驾驶公司小马智行(Pony.ai)也完成了4.62亿美元的B轮融资,投后估值达30亿美元。   “需要让资本方相信你的企业能撑过下一个五年,人家才敢去投”,王阳表示。这句话背后的另一个隐喻是:短命似乎正是这个行业的一个普遍情况。天眼查数据显示,截止到8月底,500多家有融资的倒闭企业中,400多家企业倒在了A轮及以前。   2019年的情况同样如此。36氪提供的数据显示,2019年前11个月投资总额同比下降29.5%,投资案例数同比下降18.7%,300多家初创企业先后倒闭,55%的企业一年之内未能获得投资,即使是市场追逐的人工智能赛道也未曾幸免。   在初期几乎所有领域的AI技术都未落地时,资本挑选的是那些出身光鲜的团队,海外归来的创始人、清华系、中山系等皆是资本眼中的未来之星。到技术逐渐落地的阶段,资本的考察重点开始转向技术落地的情况、市场前景及收入情况等。可以说,自此资本方对AI领域的投资才逐渐开始趋于成熟。   “不管是去年的资本寒冬,还是今年的疫情,受到冲击的永远都是没有进入第一梯队的企业,资本越是吃紧的时候,就越青睐于那些细分赛道上的头部企业。当然这也意味着,在现在的形势下,不管身处哪个赛道,只有挤进头部才能获得生存资本,”王阳表示,“这也倒逼AI企业在钻研技术的同时必须学会自己造血挣钱。”   当然,不仅是中小微企业们面临生死挑战,AI独角兽们今天所面临的境地更加艰难。据新京报贝壳财经推出的《数读独角兽2020—中国248家独角兽“乘风破浪”报告》显示,2020年上半年,有22家企业估值冲破10亿美元,成为新晋独角兽,其中,14家超级独角兽贡献六成估值,超70%独角兽是估值在10亿-20亿美元之间的早期创新企业。   对此,王阳就指出,一些独角兽的估值远高于业绩,对于这类企业,一是估值和融资需求超出了投资机构的极限,二是企业自身造血能力仍有待考验,这让一些投资机构显得非常为难。而独角兽们奔赴A股上市这条路如今看起来也“差些火候”,所以融资、上市之路同样受到重重阻碍。
  • 《人工智能时代如何构建安全生态?》

    • 来源专题:中国科学院文献情报制造与材料知识资源中心 | 领域情报网
    • 编译者:冯瑞华
    • 发布时间:2018-09-06
    • AlphaGo与人类博弈胜利,已经注定了人工智能的发展将成为未来科技发展的主流方向之一,并且正在不断渗透到我们整个社会中来,智能制造、智能零售、智慧园区、医疗健康、智慧教育、智慧城市方方面面都离不开人工智能的存在,这无疑是一片巨大的蓝海。 然而,机遇与挑战并存,面对飞速发展的人工智能尚不能盲目乐观。在AI的世界里,安全远远不只是我们传统讲到的一些网络、系统以及软件的风险,在AI时代里传感器的安全、数据的风险也成为非常重的层次。 那么如何解决这方面的安全问题呢?对此,百度安全事业部产品总经理韩祖利讲到:“安全不是一家或者一个公司就可以做好的,需要全行业一起建立一个共赢共生的安全生态。安全生态的建设,离不开关系、技术和数据三大关键点。” AI时代生态安全面临挑战 在韩祖利看来,人工智能所面临的安全挑战,纵贯传感器、软件、数据、系统、网络多个层面。当下,尽管人工智能在某些方面精准度可超过人类,显著提升规则化安全工作的效率,但在复杂情况下还远远达不到,且极易受干扰。 他举例称,比如我们在图片里恶意的插入一些信息,也就是通过数据投毒来欺骗机器人。 此外,随着深度学习的发展,现在越来越多的智能设备开始应用生物识别技术,但这一技术也存在风险,因为生物特征极易被采集、复制、且复制成本低廉,此外人工智能行业尚缺乏统一标准,生物认证单靠一个因子并非完全可靠。 智能摄像头也非常大比例的存在一些安全性的问题。如果摄像头是放在机房里还好,如果放在家里,那么对整个个人隐私威胁非常之大。 近期,信通院泰尔实验室联合百度安全面向市面上的主流智能电视进行了安全漏洞测评,结果无一幸免。“AI时代假如没有安全,家里各种智能家居都会向你发出勒索请求。AI确确实实给我们带来了好处,而它带来的风险也是非常剧烈的,并且就在我们身边。”韩祖利说。 共建安全生态离不开三个点 针对AI可能带来的安全问题,并不是一家企业和公司就可以做好的,需要整个行业的共同努力,建立一个安全的生态来使整个行业获得更好的安全防护。 对此,韩祖利总结了三个关键点。首先是关系,所谓的关系就是建立信任,包括人与人之间的信任、公司与公司之间的信任以及跨产业合作的信任。“因为合作,可能他们会对安全有更加清晰的认识,并且逐渐开始认可这方面,这就是合作产生的一种信任。”韩祖利说。 其次就是技术,要防止碎片化。“我们经常看到因为交流较少,导致一家公司出了一款产品,另一家公司又做了另外一套系统,系统相互之间是完全间隔的,产业用户就非常痛苦,选择一个体系,整个碎片化就产生了。”韩祖利讲到:“对于这点,我们希望在技术上大家一起去建立一些行业的技术标准,规范很多产业的结构,尽量去做很多开源。” 据透露,在九个月百度安全也会开源大概7款工具产品,这些工具产品也希望跟整个产业里一起来为企业服务。 最后就是数据。大家都知道安全的核心就是持续的对抗,对抗最主要的东西就是数据,情报的本质也是数据。所以,无论在过去、现在或者是未来,数据对我们来讲都非常重要。“我们希望大家一起在整个数据脱敏下共享这些数据,甚至联合计算可以做到非常容易,既不会泄露用户的隐私,也不会泄露商业机密,同时我们安全的架构又可以成立。”韩祖利讲到。 最后,韩祖利表示:“AI的来临是一个生产力变革的时代,但是我不是特别赞同AI是对人类有太大威胁的,在每个变革的时间节点,我们都解决了存在的问题,并且取得了很好的发展,因此在智能时代,作为一个安全的从业者,我觉得还是充满信心的。”