研究人员正在寻找通过与AI结合将大数据提升到更
分类:电工电气

而Nordnet又是一家线上银行,其对AI的语义识别对话能力的要求自然更高。这点儿类似AI客服,说不好话就卖不了货,卖不了货就只能等着被炒了。

图片 1

我们发现,被解雇的AI和应用得风生水起的AI之间,存在着一个变量,这个变量就是:人为干预。而根据人为干预程度的不同,我们可以把这两类AI分为独立式AI和半独立式AI。

我们应该担心AI的演变吗?

那么,通过这种方式来解决开发者和用户之间的断层,显然对洗白AI“无用”的冤屈是有积极意义的。

大数据和AI的收敛期望如何?

据Nordnet称,去年为了引入AI技术,公司付出了巨额代价。整个2017年的年利润仅为2.47亿瑞典克朗,是2012年以来的最低水平。虽然不能确定银行利润的降低一定是引入AI所致,但真正实用的消费级AI产品价格尚且不菲,遑论以提高利润为终极目的的企业级AI解决方案。

人工智能在大数据上的应用可以说是当今最重要的突破。它重新定义了企业在数据帮助下创造价值的方式。大数据的可用性也促进了机器学习取得前所未有的突破,这在以前是不可能的。通过访问大量数据集,企业可以进行有意义的学习,并获得惊人的结果。这也是为什么企业很快就从基于假设的研究方法转向更加集中的“数据优先”战略。

其实Amelia并不是第一个被炒鱿鱼的AI。今年一月份,英国的一家超市就解雇了一个上岗仅仅一周的导购机器人Fabio。超市的初衷是希望它一能吸引顾客,二能帮助卖货。然而几天之后,他们发现这两件事儿Fabio一件都没做好,甚至有些顾客看见它就绕道走。

AI和大数据都是目前最热门的技术,如果这两者结合在一起,会发生什么呢?研究人员正在寻找通过与AI结合将大数据提升到更高水平的方法。大数据与AI的强强联合将会互相促进,促进行业更广泛、更深层的转变。

物不能尽其用,锅不能AI背

感谢您的观看,如有不足之处,欢迎批评指正。

对导购机器人Fabio来说,沟通不畅或沟通体验不好一定是超市将其“辞退”的重要因素。也就是说,不是打着AI的名头就一定会生意兴隆。最核心的地方在于,技术是否真的成熟到足以应对任何情况。

一些科幻迷担心,随着大量访问数据,人工智能可能会具有“自我意识”,并且可能会发起大规模的网络攻击甚至接管世界。从现实角度来说,有些人则认为AI会取代人类的工作。

这就完了吗?

知识体系已整理好(源码,笔记,PPT,学习视频),欢迎大家来领取!还有面试题可以免费获取。

本想事半功倍,奈何入不敷出

事实上,大多数聊天机器人都容易被最简单的单词和词汇所困扰。然而,随着大数据和AI的融合,我们看到虚拟代理通过自我学习的方式实现突破。

我们常见的内容平台的审核方式,也可以算作此类。因为AI可以自主进行审核、通过或者驳回,在这个过程中没有人工参与。这种独立式AI很容易产生问题,比如内容平台频频出事,虽然很多平台都增加了人工审核,但是谁知道呢?

结论

也就是说,目前AI要完全独立地承担工作任务,也就是“替代”人类,可能还有些难度。有企业耐不住性子而赶鸭子上架,AI也很无奈。正因如此,人们更多地称AI为“助手”。从“助手”向“替代”的转变过程,可能就是AI降低自己被解雇概率的过程,也是AI技术进步的过程。

微软推出了名为Tay的人工智能聊天机器人。该机器人通过和大众的交流,从人际互动中自我学习。但是,才将该机器人引入Twitter一天后,微软就停止了该项目。通过人际互动以指数级水平自我学习后,Tay从一个天真的AI青少年女孩转变成了一个邪恶、满嘴脏话、种族歧视的坏女孩。在此我向大家推荐一个大数据开发交流圈:658558542 里面整理了一大份学习资料,全都是些干货,包括大数据技术入门,大数据离线处理、数据实时处理、Hadoop 、Spark、Flink、推荐系统算法以及源码解析等,送给每一位大数据小伙伴,让自学更轻松。这里不止是小白聚集地,还有大牛在线解答!欢迎初学和进阶中的小伙伴一起进群学习交流,共同进步!

Nordnet从AI系统提供商IPsoft那购买的解决方案,而不仅仅是一个AI柜员,花了多少钱我们也不得而知。但是看一下AI方面的资金投入数据:百度每年投入100亿元、欧盟计划2020年之前投入15亿欧元、2014年以来中国人工智能累计投入超过600亿元……不仅如此,AI人才动辄百万美元的年薪,这些成本都会加在销售给C端的产品上。

但是大数据是如何推动人工智能获得快速突破的呢?以往,由于技术限制,企业无法处理大量数据。为了应对海量数据,企业不得不购买那些昂贵但功能强大的硬件和软件。但是这一切随着大数据的出现开始发生变化。数据的广泛可用性是行业创新的重要因素。

但事与愿违,这一年来,Amelia好像并没有表现出一个AI员工该有的能力。

IPSoft­——Amelia

无论是雇佣AI还是雇佣人力,公司的目的只有一个:赚钱。但公司花了大钱把你招来,你却坐吃等死,那就只能将你扫地出门了。

看看AI自我学习的速度,我们大概就可以理解为什么世界上有很多人在担心AI自我学习的能力和对大数据的访问权限。无论是哪一种情况,未来都是既有趣又可怕的。

但这并不意味着AI在银行就可以畅行无阻,至少这并不是如今AI能完美而为之的。尽管在实验室中,开发者们已经针对AI可能遇到的各种问题进行了全面模拟,AI也在这过程中表现得游刃有余,但一旦投入实战,其实用功能仍然有可能会受到挑战。以Amelia被炒为例,其可能是由于以下两个原因所致。

自我学习虚拟代理Amelia就是一个很好的例子。Amelia是由IPSoft开发的一个认知代理。Amelia可以理解日常语言,学习速度很快,并且会随着时间的推移变得更聪明。现在,她被部署在北欧银行SEB以及一些公共部门机构。相关单位和团队对Amelia的评价都是正面积极的。

这种断层体现在,开发者穷尽己之所能,没日没夜地做出了自己认为非常完美的产品,觉得考虑到了实际过程中可能产生的所有问题,应用起来完美无缺,结果客户不会用。这就是个大写的尴尬了。这种感觉就像你买了个上万块的手机给奶奶用,她却只拿来照镜子。AI如果是因为这个原因被解雇,实在是有点冤枉。

Google也正在深入研究大数据驱动的AI学习。谷歌旗下的人工智能公司DeepMind开发出了一个AI系统,该系统可以在无事先指导的情况下,通过不断的尝试,自我学会走路、跑步、跳跃和攀爬。这些突破在人工智能领域的影响是惊人的,也为今后进一步的创新奠定了基础。不过,自我学习算法也会产生严重的后果。

第二,沟通的问题。既然是用AI系统,那么其要解决客户问题就一定会涉及到语言沟通。银行是一个非常繁忙的金融机构,我们能看到的场景就是银行每天都在排队。如果AI的连续性对话和专业性学习不彻底,其在于客户沟通的过程中很可能会答非所问,造成迟钝、误解等问题,这一定会影响工作效率、消磨客户耐心。

大量数据集的可用性与机器学习取得显著突破的步伐一致,这主要是因为机器学习的进步催生了更好、更复杂的AI算法。其中最重要的突破是虚拟代理。虚拟代理(通常被称为聊天机器人)在经历了一段时间的低潮期后获得了惊人的进展。过去的聊天机器人无法很好的识别出特定的词汇或方言。

本文由冠亚体育官网-冠亚体育官方入口「Welcome」发布于电工电气,转载请注明出处:研究人员正在寻找通过与AI结合将大数据提升到更

上一篇:没有了 下一篇:没有了
猜你喜欢
热门排行
精彩图文