0592-5750655

[email protected]

福建省廈門市湖里區

萬科中心17樓

QQ在線咨詢

點擊這里給我發消息

行業視角

首頁 >> 行業視角 >>  專家觀點

行業視角

專家觀點

機器智能技術模仿人類認知創造價值

時間:2017-04-12 11:13:43 點擊:

機器智能技術模仿人類認知創造價值

人工智能進化速度極快, 已經發展出無數獨特但往往又會被誤解的功能, 如機器學習、 深度學習、 認知分析、 機器人流程自動化(ROBOTICS PROCESS AUTOMATION RPA) 和自動機器人程序等等。總的來說,除了以上功能,機器智能的構成要素還包括各種算法能力,它們能夠改善員工績效,讓日益復雜的工作變得更加自動化,還能幫我們開發出模擬人類的思維和行動的 “認知型智能體”。機器智能是高級分析技術的新篇章。


近日,德勤正式發布《2017技術趨勢》官方中文版報告,報告預測了在未來18—24個月內將影響市場和商業的8個主要趨勢,其中明確數據已經成為重要的企業資產,而機器智能進化速度極快,已經發展處無數種獨特的功能。機器人圈摘選了其中機器智能篇章,以期幫助企業更好地做決定,將復雜的分析代入到客戶和員工的互動中,自適應難度化系數增加的任務。

人工智能(Artificial Intelligence AI) 能夠代替人腦執行任務, 正在日益成為分析工作的重要組成部分。但AI只是認知計算領域發展過程中一個更大更引人注目的集合中的一部分。 這個集合就是機器智能(Machine Intelligence MI), 它包括了人類認知領域的一系列進步, 代表我們已經進入了認知研究的新時代。 我們要討論的是近年來發展迅速的各種認知工具: 機器學習、 深度學習、 高級認知分析、 機器人流程自動化和自動機器人程序等等。

我們已經在各個行業看到機器智能的早期應用。 例如, 美國一家領先的醫院正在開展全國最大型醫學研究項目,他們正在對機器智能系統進行培訓,來分析醫院數據庫中的100億張表型和遺傳圖像。在金融服務業,認知銷售代理根據潛在的銷售線索初步建立聯系,然后確認客戶資格,跟進和維護線索。這種認知助手可以分析自然語言,理解客戶的提出的問題,使用數十種口語同時處理多達27000個對話。

在未來的月份里,隨著越來越多公司開始探索機器智能的力量,我們將會讀到更多相似的應用案例。公司在機器智能各個方面的投入不斷增長,預計在2019年會達到將近313億美元。機器智能也在成為CIO們優先關注的內容。德勤《2016全球首席信息官調查》采訪了1200IT高管來識別他們未來兩年計劃大力投資的新興技術,其中有64%的受訪者表示他們會投資認知技術。

數據從未如此重要

我們今天所說的認知計算技術,實際首次在20世紀50年代被有遠見地提出,用技術模擬人類智能。雖然在上世紀90年代就出現了原始的商業AI技術,但直到21世紀頭十年,AI技術構成新興的機器智能趨勢的認知計算能力才開始飛速發展。

推動機器智能趨勢的三大力量:

指數式數據增長:我們每年新建和復制大量數據,因此數字世界的規模每隔12個月都會翻一倍。事實上,它的規模在2020年預計會達到44澤字節。我們也知道,隨著物聯網、暗分析和其他技術發展,數據增長的速度會更快。從商業角度來看,這種爆炸式的增長可以轉化為各種數據源,具有比以往更高的潛在價值。這些結構化和非結構化的數據,還有隱藏在深層網絡中的大量珍貴數據,不僅是傳統技術分析和情報獲取的原材料,還能在機器智能發展過程中起到至關重要的作用。機器智能系統獲得的數據越多,它們就會變得更加“聰明”,可以發現各種關系、模式和潛在影響。

要對快速增長的數據量進行有效管理,我們需要掌握數據、存儲、保留、訪問、環境和管理等先進方法。從相連設備產生的數據信號,到所有業務和職能部門系統中保存的歷史交易數據,管理數據資產都已經成為機器智能發展的重要組成部分。

更快的分布式系統:隨著數據量不斷增長,分析變得越來越復雜,面向個體用戶訪問的分布式網絡的能力也成倍增強。今天我們可以快速處理、搜索和修改大量數據,這在幾年前根本不可能實現。與1971年最早推出的單片機相比,目前這一代微處理器的運算速度是原來的400萬倍。如此強大的運算能力讓我們可以設計出各種高級系統,例如那些支持多核和并行處理的系統。同樣,現在的微處理器也能讓我們使用高級數據存儲技術,對歸檔數據進行快速檢索和分析。正如我們所見,MapReduce,內存計算和專門為機器智能技術而優化的硬件(如谷歌的張量處理單元TPU) 都說明技術在不斷進步。這些技術增強了我們的能力,讓我們可以更有效地管理指數式增長的數據。

除了運算能力和速度的增長,分布式網絡的規模也在不斷擴大。它們現在已經可以和基礎設施、平臺和各種云應用的界面無縫對接,存儲和分析不斷增加的數據。它們還可以對數據流進行精確分析,對接各種先進的應用,如物聯網、傳感器網絡和嵌入式智能設備。

更智能的算法:近年來MI算法變得越來越強大,也越來越接近認知計算的最初目標: 模擬人類的思維過程。

在未來1824個月里,隨著機器智能應用不斷推廣,公共和私營部門很有可能應用下面的算法功能:

? 優化、規劃和調度:在更加成熟的認知算法中,優化可以使有限資源下的復雜決策和權衡實現自動化。類似地,計劃和調度算法根據處理要求和約束設計活動排序。

? 機器學習:計算機系統正在開發提升性能的能力,通過獲取數據而不是遵循明確的編程指令。機器學習本質上是機器自動發現數據模式的過程。只要機器識別出一種模式,它就能根據這種模式進行預測。

? 深度學習:開發者正在研究機器學習算法,包括由人腦的結構和功能啟發的人工神經網絡。互連的模塊會調用各種數學模型, 這些模型根據大量輸入處理的結果不斷調整。深度學習可以有人監督(需要人工干預來培訓基本模型的演進),也可以無人監督(通過自我評估自動改進模型)。

? 概率推理:新的AI算法會使用圖表分析和貝葉斯網絡識別隨機變量的條件依賴性。

? 語義計算:這類認知算法包括計算機視覺(分析圖像的能力)、語音識別(分析和解釋人類語言的能力),以及各種文本分析功能等等,可以幫助計算機了解自然表達背后的意思,通過計算語料得到語義。然后計算機會用這些信息支持數據分類、 映射和檢索功能。

? 自然語言引擎:自然語言引擎可以像人類一樣理解書面文字,但它可以對文本進行各種復雜的操作,例如自動識別文件中提到的人名和地名,識別文檔的主題,或者從人們閱讀的合同中提取術語和條款并制成表格。常見的自然語言技術有兩種:用于輸入人類的語言的自然語言處理技術,以及用于輸出自然語言的自然語言生成技術。

? 機器人流程自動化(RPA):軟件機器人,或稱自動機器人程序,可以通過模仿人類和軟件應用交互的方式自動完成日常業務流程。企業正在開始使用 RPA和認知技術,如語音識別、自然語言處理和機器學習,自動完成本來只有人類才能做到的感知和判斷工作。

機器智能如何創造價值

對于CIO來說,如果要引進機器智能技術,他們需要用新的思維方式對待數據分析,不能只把數據看作生成靜態報告的工具,而是要建造巨大復雜的數據庫,實現流程任務自動化,提高工作效率。

在機器智能領域,有很多機遇可供CIO們考慮:

認知洞察:機器智能可以提供深層次、可執行的可視性,讓我們了解不僅僅是過去,而且包括現在和未來發生的事件。這可以幫助企業領導提前制定行動計劃, 改善員工績效。例如,在全球各地的呼叫中心,客服會使用多功能產品輔助軟件回答有關產品的問題,接收訂單,調查賬單,還有解決其他的客戶問題。在目前的系統里,工作人員必須在不同的屏幕之間來回切換,查詢各種信息才能回答具體的問題。

認知參與:機器智能價值樹上的第二級應用是認知型智能體,也就是通過認知技術讓系統和人類互動。目前這種技術的應用更有利于消費者,而不是企業。例如系統可以接受聲音指令,降低室內溫度或者切換電視頻道。但是有些商業任務和流程也能從這種認知互動技術中受益,新的應用領域正在出現。系統可以幫助我們訪問復雜的信息,完成數字化的任務,例如為病人辦理入院手續,或者向消費者推薦產品和服務。這些技術在客戶服務領域具有更大的潛力,認知型智能體可能替代人處理賬單、與客戶互動、提供技術支持、回答員工有關人力資源方面的問題。

認知自動化:第三種也是最具顛覆性的一種應用是機器學習 、RPA和其他認知工具,這些工具可以幫助我們發展深層次領域專家(例如各個行業、職能和地區),然后實現相關任務的自動化。現在我們已經看到,有些具備機器智能的設備已經可以自動完成以前只有熟練工人才能完成的工作。例如一家醫療衛生領域的創業公司正在使用深度學習技術分析放射科的影像。他們的系統在測試中表現優異,在判斷惡性腫瘤方面的能力比人類放射專家強 50%

在教育領域,在線學習課程中的機器智能應用可以模擬一對一輔導,跟蹤學生解決問題的過程,了解他們的“心理變化”,找出錯誤的理解,然后給學生提供適時的指導、反饋和解釋。

機器智能的影響:2014年至2016年技術收購與投資例子

非凡的協作機器人

面對長期低利率、日益激烈的競爭和不斷變化的客戶和市場動態所帶來的成本壓力,全球保險公司美國國際集團(AIG)實施了戰略重組,以精簡組織機構,提高運營效率。這項任務的內容還包括解決日益增加的技術缺口,以及分散的IT部門難以維持運營的穩定性。

AIG全球首席技術官(CTOMike Brady表示,IT部門將會重組為單一機構,直接向 CEO報告,為 AIG創建一個新的企業技術模式鋪平道路。這種轉型的第一步就是建設基本能力,相關團隊為此制定的方法包括三部分:

穩定:公司需要改善總體網絡性能,因為用戶幾乎每天都會經歷嚴重的運行中斷,而虛擬網絡每周都會宕機。

優化:這項戰略注重自助服務供應、自動化和成本效益三個方面。

加速:為了提高速度,相關團隊實施了開發運營(DevOps) 戰略,創造出持續集成/持續部署的工具鏈和工作流,來實時部署軟件。

AIG通過機器學習實現這些目標。公司開發出高級的協作機器人程序,利用內置算法、機器學習,還有機器人流程自動化。這些虛擬的工人被稱為協作機器人AIG公司希望每位員工都能將這些虛擬的勞動力視為員工的擴展和助手。

201510月,AIG部署了“ARIES” 處理全球各地的網絡故障,這是公司第一個機器學習虛擬工程師。在90天的試運行期,公司按照協助和監督的模式對ARIES進行訓練,讓機器和員工一起工作,同時向員工學習。白羊通過觀察和試驗來尋找網絡故障的來源,識別可能的原因和解決方案。在第91天,公司就可以全面部署協作機器人了。這些機器的價值不在于大幅提升效率,事實上AIG發現員工解決一個典型問題平均需要810分鐘時間,而協作機器人平均要用 8分鐘解決,兩者相差不大。機器的價值在于它們的規模:協作機器人可以全天候工作,不需要休息或睡覺,它們解決問題的速度也很快,客戶再也不需要排隊,工作也不會積壓起來了。

部署ARIES六個月時間,就已經自動發現和解決超過60%的故障。在一年時間里,ARIES的機器智能,加上感應器的擴展,一起監控AIG的環境健康,成功程序化解決了大量警報問題,以防他們發展成影響業務的事件。虛擬工程師可以自動識別不健康設備,然后對它們進行診斷測試找出原因,登入設備進行修復,或者向技術人員提供修理意見。此外,協作機器人還能對網絡問題進行相關分析。因此,如果機器人通過分析數據模式發現一個設備在一個月里造成了 50個問題,IT團隊就會對這個設備進行更換。通過這些,去年問題嚴重度為12的問題數量下降了50%,機器智能也提高了技術人員的工作滿意度,因為他們再也不需要完成無聊的重復性工作,可以專注于更具挑戰性、更有趣的任務,而且可以從協作機器人的診斷建議中學習。

后來公司又成功啟用了四個協作機器人,每一個和一個經理一起工作,分別負責公司治理、工作量、培訓和學習,以及績效管理。

IT部門成功啟用協作機器人之后,AIG開始在業務運營中探索更多機器學習的機會。我們希望公司用好機器學習,而不是找我們要更多的資源,” Brady說道。我們需要把大數據和機器學習視作新資源,而不是視作新成本。公司正準備進行內部測試,看看協作機器人能否評估客戶的傷害索賠申請,然后立即批準付款,讓客戶及時就醫。未來還會有更多應用機器智能的領域,例如增強認知功能的自助服務、增加的代理輔助渠道,甚至是直接使用認知型智能體面向客戶服務。

 “協作機器人需要時間Brady補充道。如果工作非常復雜,我們不希望團隊工作出現不一致。我們需要使用設計思維。自從一年多以前我們開始這么做,我們已經解決了14.5萬個問題。他運作效果很好,完全可以擴展到業務流程,甚至認知客戶交互。

造福病人

隨著醫療保健越來越重視結果,病人希望健康保險公司也能像零售商和銀行那樣提供高度個性化的客戶服務。為了滿足這個客戶期望,美國最大的健康保險公司之一Anthem正在探索利用認知計算,精簡和改善公司與客戶的互動,讓客戶服務變得更高效、更積極、更直觀。Anthem的最終目標是徹底改變公司及其附屬公司的互動方式,跟蹤整個保單的生命周期,而不是只關注保單銷售這一個環節。

Anthem的戰略包含了機器智能三個方面:洞察、自動化和參與。在第一階段,公司會在保單的審核過程中應用認知洞察,為審核人員提供更多有關這份保單的情報信息。Anthem公司醫院/臨床分析和人口健康管理部的主管副總裁Ashok Chennuru說:我們正在整合內部的保險信息(保單信息、受保人資格、人口統計等)以及外部數據(社會經濟情況、臨床/電子病歷、生活方式和其他數據), 從而全面考察購買健康保險的客戶。” 

目前審核人員采取的步驟是審查文件,尋找病史,收集證據,然后進入下一個流程。有了認知洞察,新的系統就能在后臺持續審查可用記錄,從一開始就給審核者提供整體信息,另外它還能根據病人重復住院的次數設計出治療方案,或者提出針對性的干預措施,還有對存在問題的保單進行智能標記。等到審核人員收到保單,他們手上已經擁有足夠的信息,可以對保單進行綜合評估了。

在第二階段,Anthem會開始啟用認知自動化技術,讓機器處理保險單,讓審核人員空出時間去關注病人,為他們提供更多支持。通過部署預測性和規范性分析以及機器學習算法,我們就能夠以更高效、更具成本效益的方式來同時處理結構化和非結構化數據,”Chennuru說到。在剛開始,系統會識別所有需要解決的問題,同時推薦一系需要采取的行動。隨著系統不斷進化,當它能夠根據收到的信號和數據做出分析,而且分析結果達到一個確定值的時候,它就會開始自動解決一些問題。如果沒有達到確定值,系統就會把保險單交給審核員進行人工審核,從而解決問題。系統具有持續學習能力,監測審核人員如何正確處理保單問題, 慢慢把特定的問題和相應的解決方法聯系起來,從而持續提高自動化處理的精確度和效率。

在第三階段,由于Anthem已經在認知參與領域做了深入研究,公司會利用神經網絡和深度學習技術參與到醫療保健提供者的一對一服務中,為病人推薦個性化的保健方案。Anthem公司實現了轉型:它不再單純處理保單,而是積極參與到病人保健,Anthem能夠回顧病人病史,向醫療服務提供者推薦未來的保健方案。

Anthem建立半監督式機器學習流程,訓練機器分解和整理問題,找出最好的應對方法。在測試期間,觀察人員會對比系統的行為表現和傳統人工方法的結果,從而測量系統的效率和精確度。

目前公司正在收集和整理數據,訓練系統,精簡方案架構和技術,利用認知情報進行保單管理,在整體上取得了積極的成果。公司將在2017年推出自動化保單審核系統原型,幾個月后還會有最小變量產品版本面世。

Anthem公司已經建設出全面的認知競爭力,公司里有多個團隊研究應用案例,評估應用價值,優化整理數據、調整算法和交付程序可用性。Chennuru表示:我們最終會在很多領域應用這個平臺,包括價值分析、人口健康管理、質量管理,以及獲取關于保健和保健成本的缺口信息。” Anthem公司希望得到盡可能多的企業認知參與,用于訓練模型、優化程序、提高機器的認知能力,從而幫助公司更好地服務客戶。

(來源:德勤)

 

上一篇:海爾集團副總裁陳錄城

下一篇:廈門市人民政府辦公廳關于印發進一步推動工業企業增產增效六條措施的通知

更多 +聯系我們

電話: 0592-5750655 傳真: 0592-5750677

業務 QQ:   3584323664  1149713640

手機:13328767116

在線留言

*你還沒填寫名字呢!
√正確
×錯誤
√正確
×電話號碼錯誤
×
* 必填
广西十一选五开奖记 118图库彩图跑狗彩图 腾讯分分彩 德甲17一18赛季积分 厦门麻将规则 香港六合彩白小姐论谈 上海时时乐开奖结果走势图 彩票500万购彩大厅 1分快3彩票 疯狂飞艇计划app 久纱野水萌 股票开户资料 九天棋牌游戏? 云南十一选五开结果 山东11选五走势一定牛 心水一点必中特打一肖平台 四川快乐十二开奖走势