人工智能在各種企業(yè)系統(tǒng)中都有其實(shí)際的應(yīng)用，特別是在分析和異常檢測(cè)用例方面。
人工智能(AI)是每一個(gè)IT組織獲得成功的必備條件?；蛘哒f(shuō)，考慮到這種技術(shù)的重要性，你會(huì)作出這樣的判斷。
是的，人工智能可以提供商業(yè)價(jià)值。但是，它不會(huì)神奇地解決組織的所有問(wèn)題。
盡管如此，依然需要理性地對(duì)待人工智能，它仍然可以提升你的企業(yè)系統(tǒng)，進(jìn)而提升你的商業(yè)運(yùn)作。為了了解企業(yè)在哪些方面可以有意義地利用如今的人工智能，記者網(wǎng)站采訪了Forrester Research的人工智能分析師Kjell Carlsson、Gartner的Charley Rich和IDC的Mickey North Rizza。
不要把自動(dòng)化和人工智能混為一談
供應(yīng)商經(jīng)常聲稱，只要你部署他們的產(chǎn)品，他們產(chǎn)品中的一些人工智能秘方將徹底改變你的業(yè)務(wù)。別相信。“如果它看起來(lái)像你在電影中看到的任何東西，就要心存懷疑。”Carlsson說(shuō)。
IDC的North Rizza說(shuō)，大多數(shù)供應(yīng)商提供的都是基于規(guī)則的系統(tǒng)。他們的軟件中復(fù)雜的算法或邏輯處理著許多常見(jiàn)的用例--它們比人們通常能做的會(huì)更快更準(zhǔn)確。然而，這是自動(dòng)化，而不是人工智能。
自動(dòng)化是好的，但是基于機(jī)器智能的自動(dòng)化很可能是假的或是有問(wèn)題的。在真正的人工智能中，系統(tǒng)會(huì)自己決定要做什么，而這在大多數(shù)商業(yè)案例中是不太可能發(fā)生的。想象一下，如果你的財(cái)務(wù)、招聘、產(chǎn)品規(guī)劃、網(wǎng)絡(luò)管理等都是由一個(gè)獨(dú)立的情報(bào)機(jī)構(gòu)來(lái)處理的，而你并不真正了解，也無(wú)法真正的控制它。
專注于應(yīng)用分析和異常檢測(cè)的AI實(shí)現(xiàn)
真正真實(shí)可用的是將人工智能技術(shù)用于識(shí)別人類(lèi)決策的異常模式。已知的模式可以通過(guò)自動(dòng)化來(lái)處理，但要發(fā)現(xiàn)未知的模式，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)、人工通用智能等形式則可能會(huì)是需要轉(zhuǎn)向的技術(shù)。
以異常檢測(cè)形式出現(xiàn)的分析驅(qū)動(dòng)的人工智能通常能夠比人類(lèi)更快地識(shí)別出未知模式。它甚至可以根據(jù)相似的模式來(lái)提出行動(dòng)方案。但是，決定采取什么行動(dòng)的決定權(quán)是落在人類(lèi)智能上，而人類(lèi)智能可以被其他人檢查，并利用超越分析的專業(yè)知識(shí)。
自動(dòng)化(至少是軟件)可以使用規(guī)則庫(kù)和其他編碼邏輯來(lái)執(zhí)行決策。像機(jī)器人流程自動(dòng)化(RPA)這樣的技術(shù)是當(dāng)今自動(dòng)化技術(shù)進(jìn)步的很好的例子。它們不是人工智能--它們不會(huì)自己“思考”，但是它們可以通過(guò)它們?nèi)找鎻?fù)雜的算法來(lái)處理日益復(fù)雜的工作流。軟件可能看起來(lái)很智能，但這是人類(lèi)開(kāi)發(fā)人員的智能，而不是系統(tǒng)固有的人工智能。
因此，分析，特別是異常檢測(cè)，占據(jù)了當(dāng)今企業(yè)系統(tǒng)中實(shí)現(xiàn)的人工智能的大部分。這種集成通常是由軟件供應(yīng)商基于眾所周知的用例和業(yè)務(wù)流程來(lái)完成的。
Forrester的Carlsson說(shuō)，對(duì)于本地系統(tǒng)來(lái)說(shuō)，將人工智能引入分析領(lǐng)域并非易事。數(shù)據(jù)科學(xué)是將智能與分析融合在一起的領(lǐng)域，但“人們通常沒(méi)有意識(shí)到，數(shù)據(jù)科學(xué)家沒(méi)有接受過(guò)決策和商業(yè)分析方面的培訓(xùn)，所以你可以根據(jù)需要來(lái)做出偉大的預(yù)測(cè)，但卻不知道該做什么。”他說(shuō)。
理想情況下，“在人工智能端可以建立一個(gè)更好的預(yù)測(cè)模型，為你的經(jīng)典優(yōu)化引擎提供更好的輸入。它們是相輔相成的，”Carlsson補(bǔ)充道。“但這會(huì)很痛苦，因?yàn)閮?yōu)化人員不知道如何與數(shù)據(jù)科學(xué)家交談，反之亦然。‘數(shù)據(jù)科學(xué)家’是一個(gè)非常有問(wèn)題的術(shù)語(yǔ)，它可以指任何事情，沒(méi)有多少I(mǎi)T組織能理解這一點(diǎn)。”
但Carlsson也指出，希望還是存在的:工程師們已經(jīng)開(kāi)始通過(guò)AutoML來(lái)訪問(wèn)機(jī)器學(xué)習(xí)了，這種框架無(wú)需從頭構(gòu)建機(jī)器學(xué)習(xí)模型。而且這些工具對(duì)于精通數(shù)據(jù)的商業(yè)用戶來(lái)說(shuō)已經(jīng)足夠簡(jiǎn)單，可以利用它們，將數(shù)據(jù)科學(xué)家通常無(wú)法利用的專業(yè)知識(shí)帶到桌面上來(lái)。精通六西格瑪和精益等方法的跨職能流程改進(jìn)團(tuán)隊(duì)尤其適合將人工智能引入分析。“他們有應(yīng)對(duì)管理變革的DNA，”Carlsson說(shuō)。“獲取數(shù)據(jù)并使之合理化總是一個(gè)挑戰(zhàn)。”
這些更具探索性的人工智能形式--Carlsson稱之為“增強(qiáng)智能”--在各種企業(yè)系統(tǒng)中都有合法、有用的用例:包括營(yíng)銷(xiāo)、物流、文檔處理和IT系統(tǒng)本身，以及面向用戶的系統(tǒng)的用戶界面。
將AI應(yīng)用于業(yè)務(wù)系統(tǒng)
人工智能的應(yīng)用分析形式通常出現(xiàn)在需要處理大量數(shù)據(jù)、變化或不確定環(huán)境以及快速適應(yīng)流程的企業(yè)系統(tǒng)中。
經(jīng)典的用例包括物流，如包裹交付、車(chē)輛路由和即時(shí)庫(kù)存管理，以及情景估計(jì)，如信用評(píng)分和產(chǎn)品推薦。較新的領(lǐng)域包括聲譽(yù)管理、簡(jiǎn)歷評(píng)分和跨領(lǐng)域的風(fēng)險(xiǎn)管理。
AI的一個(gè)未被提及的領(lǐng)域是自動(dòng)文檔處理。“很多流程都依賴于它們。”Forrester的Carlsson說(shuō)。盡管合同、政策、醫(yī)療報(bào)告等看起來(lái)很公式化，很容易被解析，但這些文件仍然很難從中提取信息，他說(shuō)。例如，標(biāo)題樣式和表邊框等看似微小的變化就可能會(huì)混淆基于規(guī)則的文檔提取器。
更困難的是提取表單中沒(méi)有明確定義的內(nèi)容。“例如，對(duì)于一個(gè)客戶在對(duì)市場(chǎng)新領(lǐng)域感興趣時(shí)的金融顧問(wèn)。顧問(wèn)需要深入研究投資概況、資源和營(yíng)銷(xiāo)模式。”而不是采用經(jīng)典的方法提出類(lèi)似客戶自已選擇的投資模式。另一個(gè)例子是:分析醫(yī)學(xué)病理報(bào)告中的偶然信息，比如“根據(jù)隱藏的細(xì)節(jié)來(lái)判斷是否有致癌的風(fēng)險(xiǎn)，這些細(xì)節(jié)通常是最初的病人投訴所附帶的。”Carlsson說(shuō)，并補(bǔ)充說(shuō)，他知道有一家醫(yī)院已經(jīng)在使用人工智能文檔處理程序來(lái)查找此類(lèi)例子了，并能夠自動(dòng)將數(shù)據(jù)輸入美國(guó)國(guó)家癌癥數(shù)據(jù)庫(kù)。
應(yīng)用于IT系統(tǒng)的AI：AIOps
AIOps(智能運(yùn)維)領(lǐng)域在識(shí)別和診斷網(wǎng)絡(luò)、業(yè)務(wù)流程等問(wèn)題方面對(duì)IT工作負(fù)載有很大的希望，從而使得自動(dòng)化能夠建議甚至是執(zhí)行可能的補(bǔ)救措施。類(lèi)似的方法還可以用來(lái)幫助安全工作，如入侵檢測(cè)和防止內(nèi)部數(shù)據(jù)盜竊。
“AIOps還遠(yuǎn)沒(méi)有其他企業(yè)人工智能領(lǐng)域來(lái)的成熟。”Gartner的Rich指出。它通常會(huì)涉及有監(jiān)督和無(wú)監(jiān)督的機(jī)器學(xué)習(xí)，有時(shí)還涉及深度學(xué)習(xí)和圖表分析，以便“將數(shù)學(xué)應(yīng)用到實(shí)際問(wèn)題當(dāng)中”。這意味著需要尋找模式和異常(通常是在日志中)，這些模式和異常信號(hào)可直接或通過(guò)自動(dòng)化來(lái)解決問(wèn)題。
AIOps面臨的挑戰(zhàn)是“有太多的容易導(dǎo)致虛假警報(bào)的噪音。”Rich說(shuō)。現(xiàn)在幾乎所有的東西都數(shù)字化了，困難也更大了。事件相關(guān)分析作為一種基本的技術(shù)已經(jīng)存在了幾十年。但是“它們是基于規(guī)則的，因此涉及到非常繁重的工作，總是需要更新。”Rich說(shuō)。“數(shù)據(jù)質(zhì)量也可能很混亂，因此任何實(shí)現(xiàn)通常都是自定義的。但它確實(shí)有效，“前提是你能付得起費(fèi)用。”市場(chǎng)希望能夠有一個(gè)包來(lái)完成這項(xiàng)工作，以避免對(duì)數(shù)據(jù)科學(xué)家的需求，但這在今天是不可能的。
另一個(gè)挑戰(zhàn)則涉及對(duì)基于時(shí)間模式的表面異常執(zhí)行時(shí)間序列分析。“這些算法自20世紀(jì)50年代就已經(jīng)存在，但直到最近我們才有了計(jì)算能力來(lái)實(shí)現(xiàn)它們。”Rich說(shuō)。
人工智能另一個(gè)長(zhǎng)期尋求的領(lǐng)域是根源分析，它涉及到大量的相關(guān)性和時(shí)間序列分析。“人們一直在給出承諾，但我們才開(kāi)始看到圖表分析的進(jìn)展。”Rich補(bǔ)充道。
更進(jìn)一步的是像自愈系統(tǒng)這樣的概念，也就是NoOps。“總有一天我們可能會(huì)實(shí)現(xiàn)這個(gè)目標(biāo)。”Rich說(shuō)。“現(xiàn)在可以做的是基于條件邏輯發(fā)起的操作來(lái)運(yùn)行腳本。在過(guò)去的6到8個(gè)月里，供應(yīng)商已經(jīng)提供了常見(jiàn)問(wèn)題的知識(shí)基礎(chǔ)，并提供一個(gè)工具包來(lái)添加新問(wèn)題。”
但是Rich提醒大家不要期望AIOps有一天能夠自己處理IT運(yùn)營(yíng)。“你不可能得到所有的信號(hào)。即使你做了，如果這是一個(gè)沒(méi)有解決方案的新問(wèn)題怎么辦?然后就是改變帶來(lái)的風(fēng)險(xiǎn)：你還會(huì)打破什么?風(fēng)險(xiǎn)分析是必要的，但它實(shí)際上并不存在。”
同時(shí)，AIOps也可以幫助IT人員增強(qiáng)識(shí)別問(wèn)題的能力，這樣他們就可以更快地解決或預(yù)防問(wèn)題了。
將AI應(yīng)用于用戶界面
多年來(lái)，我們已經(jīng)看到了有關(guān)自然語(yǔ)言處理(NLP)的承諾，以便消除對(duì)人力支持人員的需求。聊天機(jī)器人是這種承諾的一個(gè)例子，也是相信它們存在風(fēng)險(xiǎn)的一個(gè)例子--這些“智能”互動(dòng)會(huì)不會(huì)讓客戶感到沮喪和負(fù)擔(dān)?它們所遵循的確定性規(guī)則通常無(wú)法解決客戶的關(guān)注點(diǎn)--但有時(shí)它們可以。無(wú)論如何，NLP--無(wú)論是文本的還是語(yǔ)音的--在理解人類(lèi)對(duì)話的能力上都取得了相當(dāng)大的進(jìn)步，Carlsson指出。
在語(yǔ)音識(shí)別和理解非結(jié)構(gòu)化文本方面，NLP在過(guò)去20年里取得了巨大的進(jìn)步，它在不需要鍵盤(pán)的情況下促進(jìn)了交互，并在查詢語(yǔ)句被人類(lèi)或自動(dòng)化系統(tǒng)執(zhí)行之前幫助縮小了含義。從某種意義上來(lái)說(shuō)，它是一種分析的形式，圍繞著意義和表達(dá)方式，例如，為其預(yù)期的交流而進(jìn)行的演講。
機(jī)器視覺(jué)在過(guò)去幾十年也取得了重大進(jìn)展。雖然自動(dòng)駕駛汽車(chē)仍然比現(xiàn)實(shí)更有希望，但碰撞緩解技術(shù)表明，它能夠感知環(huán)境條件，并根據(jù)規(guī)則進(jìn)行一些自動(dòng)調(diào)整(踩剎車(chē)!)是真實(shí)的。與NLP一樣，機(jī)器視覺(jué)是人工智能的一部分，而不是基于規(guī)則的自動(dòng)調(diào)整或響應(yīng)。
隨著底層模式分析的改進(jìn)，機(jī)器視覺(jué)和其他感知技術(shù)正越來(lái)越多地被用于倉(cāng)儲(chǔ)以識(shí)別包裝對(duì)象，在醫(yī)學(xué)中檢測(cè)腫瘤，以及在零售中了解購(gòu)物者的行為。
關(guān)鍵是人工智能在這些情況下能夠正確地分析來(lái)自人和環(huán)境的真實(shí)輸入，從而減少人們對(duì)特定語(yǔ)法和用戶界面限制的理解，使更多的人能夠更自然地與技術(shù)系統(tǒng)相交互。
重慶分公司
重慶分公司
