人工知能と機械学習技術がビジネス開発を推進

人工知能と機械学習技術がビジネス開発を推進

IT リーダーはすでに人工知能と機械学習テクノロジーの恩恵を受けています。最近の調査によると、経済が打撃を受ける中、企業幹部の半数が収益性の高い人工知能や機械学習技術への投資拡大を検討しているという。

[[338659]]

今では、ほとんどの人が、現代において人工知能とそのサブフィールドである機械学習は人間の知能とはほとんど関係がないことを知っています。 AI/機械学習テクノロジーは、主にデータ内のパターンを識別し、不正な金融取引を警告できるアルゴリズムや顧客の質問に答えるチャットボットなど、個々のタスクを自動化することに関係しています。なんと、IT エグゼクティブたちはその大きな可能性を認識しているのです。

2 月に発表された IT エグゼクティブを対象とした CIO Tech Poll によると、回答者の 62% が AI/ML は非常に破壊的であると考えており、42% が AI/ML は非常に影響力があると考えています。どちらの割合も、AI/ML が最も近い競合相手であるビッグ データ分析の 2 倍となっています。驚くべきことに、18% の企業がすでに AI/機械学習ソリューションを本番環境で使用しています。

7 月に実施された CIO パンデミック ビジネス インパクト調査では、さらに刺激的な質問が投げかけられました。「貴社では、人事コストを削減または低減するために AI/機械学習テクノロジーの利用拡大を検討する可能性はどの程度ありますか?」回答者のほぼ半数 (48%) が、非常にまたはある程度そうする可能性は高いと回答しました。つまり、不況が深刻化するにつれて、AI / 機械学習ソリューションの需要が大幅に増加する可能性があります。

今こそ AI/ML テクノロジー戦略を策定する時です。この目的のために、メディアの記者やアナリストはこれらの問題を分析し、いくつかの有意義な提案を提供しました。

インテリジェントエンタープライズ

AI/ML テクノロジーが一部の仕事に取って代わることは間違いありませんが、Computerworld の Matthew Finnegan 氏の記事「職場での AI: 次の同僚はアルゴリズムかもしれません」では、AI システムが人間と協力して作業効率を向上させる状況に焦点を当てています。最も興味深い例の 1 つは、工場の現場で労働者と一緒に働いて従業員の能力を強化する「コボット」です。

効果的な AI/ML ソリューションはさまざまな形で提供されます。たとえば、CIO プラットフォームでは、Clint Boulton が「5 つの機械学習の成功事例: 内部の考察」で一連の新しいケース スタディを紹介しています。この記事は、機械学習のアプリケーションのコレクションのようです。医療治療の結果を予測するための予測分析、パーソナライズされた製品の推奨を可能にする集中的なデータ分析、作物の収穫量を向上させる画像分析などです。明確なパターン: 組織が 1 つの領域で機械学習の成功を確認した場合、同様の機械学習手法が他の領域にも適用されることがよくあります。

「AI で自動化されたデータ センターを構築する方法」では、寄稿者の Neil Weinberg 氏が、IT 部門に直接的なメリットをもたらす AI/機械学習テクノロジーの実用性の高さを強調しています。ワインバーグ氏によると、AI/ML テクノロジーは電力、デバイス、ワークロードの管理を処理でき、人間の介入なしに継続的に最適化できる (ハードウェアの場合は障害を予測できる) とのことです。データセンターのセキュリティも AI/機械学習機能の恩恵を受け、管理者に異常を警告し、脆弱性を特定して修復策を提供できるようになります。

さまざまな形式の機械学習技術は、通常、大量のデータ内のパターンを発見することから始まります。しかし、多くの場合、最高セキュリティ責任者の寄稿者である Maria Korlov が「AI および機械学習プロジェクトはどの程度安全ですか?」で説明しているように、そのデータは機密情報になる可能性があります。 コロフ氏は、データセキュリティは後から考慮されることが多く、そのため一部の機械学習システムは本質的にデータ侵害に対して脆弱であると指摘した。解決策としては、最初から明確なセキュリティ戦略を策定し、大規模な組織では AI 関連のリスク管理を専門に担当する上級管理職を任命することです。

では、AI/ML ソリューションはどこで設計すべきでしょうか? InfoWorld の寄稿編集者である Martin Heller 氏は、パブリック クラウド プロバイダーは魅力的なオプションを提供しているものの、慎重に選択する必要があると考えています。 「クラウド マシン ラーニング プラットフォームの選択方法」では、Heller 氏がすべてのクラウド マシン ラーニング プラットフォームに必要な 12 の機能と、それが必要な理由について概説しています。非常に多くのデータ分析ワークロードがクラウドに移行しているため、機械学習技術を活用してより大きな価値を引き出すことは理にかなっています。ただし、適切な機械学習フレームワークを使用し、事前トレーニング済みモデルのメリットを確実に享受することが重要です。

人間の知能に匹敵する人工知能が実現するまでには、まだ数世代かかります。同時に、AI / 機械学習テクノロジーは、ほぼすべての種類のアプリケーションに徐々に浸透し、面倒な作業を軽減し、これまでにない機能を提供します。 IT 幹部がこれらのテクノロジーが大きな影響を及ぼすと考えるのも不思議ではありません。

<<:  AI(人工知能)はニッチな業界でお金を稼ぐ次のチャンスです

>>:  コンピュータービジョン: 画像検出と画像セグメンテーションの違いは何ですか?

ブログ    
ブログ    

推薦する

...

マスク氏はテスラ向けにChatGPTをカスタマイズする予定

編纂者:ヤン・ジェン制作:51CTO テクノロジースタック(WeChat ID:blog) Chat...

2022年に注目すべき4つのRPAトレンド

ロボティック・プロセス・オートメーション (RPA) はもはや目新しいものではなく、進化し成熟しつつ...

ペアデータなしで学習!浙江大学らは、マルチモーダルコントラスト表現C-MCRの接続を提案した。

マルチモーダル対照表現 (MCR) の目標は、異なるモダリティからの入力を意味的に整合された共有空間...

人工知能がファッションデザインと生産を変革

人工知能とロボット工学がファッション業界に変化をもたらしています。市場分析からカスタムデザイン、無駄...

95 年以降の DAMO アカデミーのインターン生がマイクロソフトに勝ち、最も難しい NLP タスクの世界記録を更新

アリババAIは、常識QA分野の権威あるデータセットであるCommonsenseQAで新たな世界記録を...

...

...

Natureサブジャーナル:言語だけでなく、機械翻訳は脳波をテキストに「翻訳」することもできる

人間の脳の神経信号も言語であると考えられるなら、機械翻訳アーキテクチャを神経信号の解釈に適用する実現...

女神の若々しい姿が全開!テンセントのAIモデルGFPGANがGitHubのホットリストで1位に

[[440335]]この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI...

人工知能の進化の限界は肉体にある

[[233888]] AIの未来は私たち自身のニューラルネットワークを複製することにある私たちは、チ...

オリンピックのコーチたちが、人工知能によって職を奪われる危険に直面する番なのだろうか?

中国の飛び込みドリームチームは、「消える水しぶき」の技術に長けており、オリンピックのあらゆる大会で金...

...

Raspberry Pi で Stable Diffusion を実行すると、260 MB の RAM に 10 億のパラメータ モデルが「保持」されます。

Stable Diffusion は 11 か月前に誕生し、消費者向け GPU で実行できるという...