返回 登录
1

明略观点 | 关注“可接受度”是人工智能落地行业的关键

阅读1722

图片描述

图片描述

6月24日,由创客天下集团、北航软件学院人工智能专业方向和北航科技园共同主办的AI矩阵系列活动首场-“人工智能革命的开始”在北航科技园致真大厦举办。明略数据副总裁Elva Liu受邀出席,并与参会的各位人工智能领域科学家、学者、企业家、投资家和创业者分享了明略数据在行业人工智能方面的实践经验和观点。北航软件工程硕士人工智能专业副主任蒙洋、微软互联网工程院资深总监 曹文韬、北京威视锐科技有限公司 CEO姚远等人也在会上进行了分享。

AI矩阵作为高端人工智能领域学习社群,依托北京航空航天大学人工智能硕士专业方向将汇聚行业人工智能领域专家,企业高管及高校科研人员开展一系列交流活动,帮助人工智能技术发现商业价值。这与明略数据的人才战略非常契合,在垂直行业做人工智能,需要更多的复合型技术人才。

以下为此次演讲实录
朋友们大家好,我是Elva,明略数据副总裁。明略致力于推行科学家与垂直行业领域专家结合共创行业人工智能的理念,从而推动人脑和机器共生智慧的发展。在明略三年多,看到许多在公安、工业、金融等人工智能领域的项目,赢标规律大多是因为技术方案的领先,但要想创造真正的价值,能够用起来是关键,其中“系统的可接受性”是最大的影响因素。在这个过程中有两个普遍性的问题:

1、对于系统的预期过高,而价值目前无法有效衡量。
2、系统买进之后,IT部门认可,若业务系统不使用,对于创业公司最终也是死路一条。

图片描述

举个例子,现在大家都已经接受了地图导航软件并作为一种出行习惯,不会纠结于路线是否正确,这极大的提升了人类从某地到某地的出行效率。这个发展过程,有几点很重要:

1、地图古来有之,人们一直专注提高地图的精度,从而提高到某个不熟悉的地方去的效率,少走弯路、不走错路。
2、清晰可解释的路线算法:时间优先、距离优先、躲避拥堵等等都图形化展示出来,并由你来决定。
3、导航使用过程中的人性化交互设计:路线预报、路况提醒、停车建议、语音指令等等都在加强人们对导航软件的接受度,关照我们的出行习惯。

人和地图软件建立起信任之后,现在大家去某个不熟悉的地方都是默认使用导航的。这个过程其实很像人工智能在行业内被广泛接受并使用的过程。对应下来就是:
1、业务需求一直在,大家需要的是预测分析和自动决策的精度,从而尽可能大提升效率:节省资源投入,或者增加产出。
2、人工智能系统通过规则算法,将得出的结果可从因果关系中获得解释,让业务逻辑在系统中应被很好的展现和理解。
3、在使用过程中,通过分析一个求解实例来产生解释结构,在系统结论推送中结合着解释性因果分析关键词提醒。

图片描述

明略数据一直关注人的使用感受,增加系统的“可接受性”,建立互信,我们相信未来人工智能在各行各业都会快速发展起来。我有这么几点经验和大家分享:

对所产生的结论的推理过程做详细的说明,以增加系统的可接受性

系统都一般由IT部门采购,业务部门使用。大数据、人工智能系统解决的是业务智能化的问题,理解起来要求IT知识和领域知识的结合,对比业务管理型系统,它对规则引擎的熟悉程度要求比较高。具体项目中,比如公安体系中,系统得出结论是“某人是团伙作案嫌疑人”,推送给一线民警,除了结论性信息,我们还会把研判的思路以图的形式一起发送,一线民警就会理解,这个结论来自于证据推理树中的某几个分枝得出,为他的后续执行任务做出有效的指导。也让民警更加有效的和系统交互,建立信任。

对初学者进行训练,最大化尊重原有的使用习惯

系统是为了加速业务流程提高效率,而不是去颠覆业务需求。这个过程中首先要尊重原有的使用习惯,同时做好密集的培训安排。比如我们某个金融快速放贷的项目,在实际的调查中发现,客户他们有自己的一套业务系统,他们每天的时间都很满,忙于处理各种业务。我们单独再建了一个数据分析系统,这些结果虽然很准确,但是它毕竟不在这个系统里面。也就是客户每天日常的操作场景里面,他是看不见这些系统和这些数据的,他们即使知道有这个系统,也不知道什么时候去用。两者之间有一个脱节。所以我们在实施过程中,通过系统插件技术,建立了实时的双向通道,打通了这两个系统,把数据分析的结果实时推送到生产业务系统中的场景里面去,做到风险前置。可以让信贷员在业务受理时就能看到,这个行业有什么风险,这个客户有什么风险,把风险尽量控制在早期。目前这个案例得到了客户的高度的认可和评价。系统的使用率大大提升。所产生的新数据又反过来促进了准确性,形成正向循环。

对熟练使用者进行奖励

客户中也有很多尝新者,会主动的使用新系统,对于这样的情况,有很多书比如《精益创业》中都有体现。我们在公司内部也建立了一套完成收集客户反馈的体系,诸如记录客户使用习惯、定期访谈、收集客户改进意见、根据业务价值决策功能迭代等等。

图片描述

人工智能将会成为各行各业转型的基础,是未来的核心竞争力,这已经是大家的共识,关键是如何开始第一步。在这个过程中发现,其实规则还是构建模型快捷有效的冷启动比较好的方法,机器学习主要是对这个模型进行进一步提升,实现量变到质变。使用这个机器学习模型的过程中,要很好地优化这个能力,需要有一个高质量的数据,我们尝试了自动化数据标注技术,取得很好的使用效果。

综上所述,行业人工智能不仅仅技术好、商务好、场景好,还有时刻关注客户使用习惯,对分析过程的关键因果关系提炼明示,与客户并肩提高AI的场景分析的准确性,最终为客户提高业务智能化效率。

图片描述

评论