情节概要:在AI在行业本周的插曲,我们与拉里·拉弗蒂,总统和Veloxiti的CEO说。拉里已经建设大型AI项目DARPA等大型民营企业在过去的30年。
在这次采访中,拉里解释了三个关键因素,在企业应用人工智能(与公司谁是不是很熟悉的AI和数据科学尤其是相关的见解)。
人工智能供应商和商业领袖应该会发现在这次采访中“如何”的见解是有用的——特别是拉里关于组织数据和定义机器学习适用的业务问题。
订阅我们人工智能产业播客用你喜欢的播客服务:
客人:拉里·拉弗蒂,总裁兼首席执行官Veloxiti
专长:软件开发,人工智能,国防工业
简介识别:拉里赢得了M.S.年毕业于南卡罗来纳大学计算机软件工程 - 哥伦比亚。他此前还曾担任过项目经理的ISX公司,为期8年,作为SOFTPRO技术公司,为期12年的所有者。成为Veloxiti的总裁兼首席执行官之前,他曾担任该公司的首席工程官,为期7年。
大创意
拉里指出了他认为在企业中成功应用人工智能的三个最重要的因素:
- 了解问题。认识客观的解决方案 - 并确保AI实际上是这个职位的合适的工具(提示:通常,它不是)。拉里提到一个项目,这个建议不被采纳:“我们建设了一批软件为美国空军帮助飞行员的计划任务和训练上的用户软件。经过约6个月,我们想通了,他们使用白板来规划,因为软件系统没有考虑到特定的问题,我们是不知道的。”获得确切的问题的一个完整的想法来解决(或结果来实现)比大多数企业领导人更难承担 - 这是一个昂贵的错误。
- 整合深层次知识。企业希望采用AI需要知道,具有良好领域专家旁边的软件开发工作的关键是实现成功整合。拉里增加,使得假设最好的领域专家将可以在所有情况下的项目不是很合理。他指出,在以前的项目,他的,外部领域的专家被聘为并在某些情况下,部分的显著数量,这些外部专家一起用户公司自身领域的专家合作。据双拼,开发团队需要一起领域专家的工作和吸收知识在大多数情况下成功整合AI的。在上述同样的例子,拉里指出:“通过该项目结束时,我们的开发人员知道很多关于空气空战通过与领域专家(在这种情况下,美空军现役战机喷气机飞行员)不断交互。
- 确保访问数据的平台配置。任何机器学习解决方案的培训都需要大量的数据。拉里警告说,访问特定解决方案所需的数据可能很难访问和使用。例如,他提到了一个在石油和天然气行业拥有大型跨国公司的项目,该项目的总部设在海外,在新奥尔良有一家美国子公司。在一个咨询项目中,该公司承诺为配置过程访问数据,但当与美国办公室接洽时,他们拒绝分享引用的数据所有权(他们声称数据属于美国子公司)。这里给企业的教训是,即使所有相关方都同意数据的可访问性,也不能保证这一点能够成功实现,并确保在开始任何潜在的人工智能采用项目之前,数据质量和数据所有权都是需要关注的领域。这对于数据“竖井”、没有数据开放和清晰历史的老企业来说尤其具有挑战性(在这样的企业中进行文化变革通常几乎是不可能的)。
访谈要点与拉里·拉弗蒂
以下是拉里在这次采访中回答的主要问题。听众可以使用嵌入式播客播放器(在这篇文章的顶部)跳转到他们可能感兴趣的部分:
- (3:18)在让人工智能点击现有业务方面有哪些经验教训?
- (5.18)您能不能给我们的企业如何找到合适的问题,其中AI能帮助一些有代表性的例子吗?
- (9.20)您能否谈谈一些需要进入建设大型AI系统更深的功课?
- (17.40)什么是域名专家在整合过程中的作用?
- (19.56)企业如何确保能够获得数据,以培训人工智能平台?
订阅我们人工智能产业播客用你喜欢的播客服务:
标题图片来源:Adobe股票