雷锋网(公众号:雷锋网)按:原文发布于VentureBeat ,作者 CHANEY OJINNAKA。
在我最近于纽约进行的一次关于供应链中的AI的会谈里,很多人对我提出的一个问题是“你在谈论机器人吗?”
如今,AI 已经被浪漫化成一个抽象的词,描绘着一副你在休息时由机器人帮你做家事,但它到底意味着什么?且这个词到底是怎么诞生的?人工智慧的范畴包含机器学习及大数据程序,使你从历史数据及实时观测当中获得预测的价值。
为达到真正的AI,你必须训练大量的数据组(历史及实时数据),达成一定的基准,使用增量信息进行深度学习,并开始揭示预测价值。AI通常与物联网(IOT)协同工作,其包括如可穿戴设备和连接型家用配置设备。 简单地说,IoT收集信息,但AI是推动在这些信息中分析和决策的引擎。
IoT连接不同的设备,如可穿戴设备,并可扩展连接几乎无限数量的设备,连续串流数据。 AI处理数据,推断这些数据,最终实时提供建议。
举例来说:保险业
大约在2012年,我在Humana进行年长者(65岁以上)家居相关的项目中,研究如何减少跌倒的发生率及预估相关紧急服务的需求。我们必须实时执行以确保在事故发生前的即时反应、改善年长者的健康状况及节省费用。根据已存在的索赔数据,我们需要了解基准 – 例如,在家庭中发生的典型活动。
在这个项目中,物联网设备通过使用移动传感器发挥作用。在年长者的许可后,我们在家里安装了多个移动传感器,特别是在厨房,浴室和客厅等区域。这些传感器开始在房里收集一段时间的基础生物测定数据,然后将数据实时存储在云中。 为了促进深度学习(AI的一种形式),来自先前保险索赔的历史数据与实时数据是并排分开分析的。这样可以更容易发现异常并对其采取行动、提供洞见以预测紧急状况的可能性和建议。
第二个例子是在2006年,同样是保险业,我们当时在做一个技术评估的预警系统。医疗设备昂贵并且不总是有效用。因此,必须使用成本效益分析来证明其相对于替代方案的使用性。例如,减肥手术可能花费10,000美元,但它仍然是实验性的,特别是当你考虑患者和他们的健康状况。这并没有达到相对于其成本的功效。
最后,我们需要预知患者将寻求探索与替代方案相关的程序,基于患者的健康状况了解此类程序将如何有效用,以及了解供应方有效合同的定价基准。在数百万条关于此类程序的索赔数据(历史数据),其中一些包括可穿戴设备(计步器,健身追踪器数据)的数据,结合实时电子裁决(实时支付)和供应商办公室访问观察,我们能开始将替代减肥手术的推荐程序自动化。
AI中许多的进步来自人工神经网络(或ANN)。灵感来自人类的大脑,它松散地构建生物大脑解决问题的方式、自我学习和训练自己的系统,而不是回应编程。 通过神经网络,演算法原先由人类训练。历经一段时间后,演算法开始做出自己的假设,减少对人类训练的依赖,并解决复杂的问题。
最后,物联网是不够的。 必须有一个附加的智能、一个能寻求解决问题的AI,而不仅仅是处理数据或提供仪表板面数据, 必须有数据和行动。
雷锋网版权文章,未经授权禁止转载。详情见。
原创文章,作者:ItWorker,如若转载,请注明出处:https://blog.ytso.com/88724.html