过去两年，随着人们对人工智能的兴趣激增，与人工智能相关的活动也随之盛行起来。
各个行业的领导者都对人工智能将在哪些领域影响他们所在的行业产生兴趣，以及他们现在应该做些什么。通过与RE•WORK的合作，我们决定从在商业和人工智能硬科学领域都有经验的高管那里，了解网络和活动的价值。
本文的采访对象——indico公司的首席执行官汤姆•王尔德和Arterys公司的机器学习主管丹尼尔•戈尔登——都在RE•WORK大会上发言深度学习峰会&深度学习医疗峰会5月24 - 25日在波士顿，麻萨诸塞州。
在这篇文章中，我们的目标是回答以下问题:
- -商业领袖如何从人工智能相关活动中获取最大价值?
- -与其他也在探索或尝试应用人工智能的商业领袖见面有什么价值?
- -更多的商业领袖应该如何理解如何将人工智能应用到他们的公司?
如何最大限度地利用人工智能商业活动
好奇心可能会让人工智能成为商界领袖的“雷达”，但它可能不是一个足够好的动机去花时间和金钱去参加一个活动。那么，什么样的动机才值得去做呢?
indico公司的汤姆·王尔德(Tom Wilde)认为，商业领袖应该了解他们的短期(6个月)和长期(5年左右)目标。也就是说，应该优先考虑使用人工智能的有效的第一步，并且应该有关于整个行业如何转型的宏观想法，以及组织应该做些什么来适应。
汤姆认为，对时间线犹豫不决(短期还是长期)可能会导致无所作为:
“如果你折中一下，试着把它平均一下……你会发现，你总是要花两年的时间才能做出尝试。”
6个月和5年的镜头可能会帮助与会者参加与公司战略方向一致的会议，而不是看起来“有趣”的会议。
虽然汤姆似乎暗示最好对商界领袖这些优先级提前——事件可能也是一个好去处高管附近开发一套更现实的和长期的优先级(或测试当前的计划和想法的可行性)。
正如Tom所看到的(他并不是唯一持这种观点的人)，为了公司的未来，商业领袖们需要严格跟上人工智能的发展速度。他是这样说的:
“作为参与者，你的任务是……在未来24个月里，你必须熟练掌握机器学习的概念，这样你就有了工具，知道如何将其应用到你的业务中。”这是一种任务。”
Arterys公司的丹尼尔•戈登指出，出席活动的主要目标会因公司的目标不同而有所不同:
“这取决于观众。可以是学习、公关、招聘或销售。”
希望招募数据科学人才的公司可能希望参加全是数据科学家的活动，而专注于销售人工智能产品的公司可能希望找到最佳机会
对于关注普通人工智能教育(“学习”活动)的活动，丹尼尔表示，“理解人工智能的可能性”是对商业领袖最有价值的收获之一。
实际上，这种“对可能性的理解”是促使商业读者访问我们各种页面的核心动机。关于人工智能的一般“可能性”导向文章医疗保健和人工智能在金融领域多年来一直是我们的平台上最受欢迎的网页——在越来越小的领域(从食品服务来娱乐及以后)。
与其他致力于人工智能项目的商业领袖会面的价值
大量的学习可以在网上完成，但是网络更有利于面对面的交流。
我问了汤姆和丹尼尔，他们认为什么样的社交网络对商业领袖可能有用。Tom认为，对实际用例的近距离观察是网络的价值所在:
“现实情况是，这在今天很重要，因为很少有公司实施了它，甚至更少的公司获得了合格的投资回报率……这种交叉学习在未来三年非常重要。”
人工智能和机器学习在所需的技术能力方面仍然是“巫术技能”，尽管有噪音和新闻发布——人工智能的富有成果的用例(阅读:产生了积极的投资回报率)多少有些稀缺。我们已经尽了最大的努力去收集它们(我们将继续这样做)，但很明显，在各个领域，人工智能正在慢慢地进入真正的商业应用，而不是跳跃。
听取企业如何实际应用人工智能——在大多数行业——是相当罕见的，而向拥有这种罕见经验的经理和副总裁学习的能力，将有助于人工智能扩散到更多行业。汤姆:
“……谈论和理解它的人越多，采用它的速度就越快，项目成功率就会越高。”
当然，精明的与会者应该明白，大多数用例的演讲者都有一些动机来展示一个有利的故事(对于供应商:展示他们的技术有多么容易，它工作得有多么好;对于商业采用者:展示他们有多么创新——通常是为了吸引人才)。也就是说，提出问题并检查用例，以及参与实现用例的人员仍然非常有用，并且(至少在今天)很少。
还有什么是商业领袖应该知道的人工智能
关于人工智能的“提速”并非易事，但我们采访过的大多数人工智能顾问(见我们的采访查尔斯·马丁博士)可以证明一个事实，那就是商人很难接受人工智能——在很大程度上——因为他们不理解它。
问题仍然是:什么是特别需要理解的?
我让丹尼尔和汤姆告诉我最大的人工智能的误解他们今天在商业领袖身上看到的。我的目标是确定一些关键的见解来帮助“跟上速度”的过程——在理解人工智能的应用和含义方面最有用的见解。
Daniel Golden从医疗保健的角度回答了这个问题，呼应了我们从医疗人工智能的创始人那里一次又一次听到的关于数据管理的思考:
“在医疗保健领域，现有的数据是不完整的，可能包含错误，而且往往无法在医生和机构之间跟踪患者。数据管理比人们想象的要困难得多，耗时也多;医疗体系的设计初衷，并不是为了支持在人工智能需要表现良好的范围内获取数据。”
他还包括:
此外，人工智能不仅仅是建立一个算法。基于人工智能的产品的成功还取决于如何将技术交付给最终用户，以及最终用户如何与之交互。在一开始，你需要定义这个系统将要做什么，如何使用它，以及什么地方可能出错。”
汤姆对人工智能能做什么和不能做什么进行了更广泛的讨论(区别往往是商业领袖们所回避的):
“很多人错过的是，当你能够真正提供一个想要的结果时，人工智能是非常好的，并且有你如何在历史上得到那个结果的例子。它不擅长发现你想知道的东西。它擅长模仿，而不是生涩的洞察力。”
我请Tom为我们在Emerj的执行读者提供一些例子，为这一区别再添一点色彩。
人工智能可以很好地从你的数据中产生一些见解，作为一种帮助你定义问题和结果的方法。在心里有一个最终目标仍然是有帮助的。
假设您正在分析来自电子邮件、聊天和其他渠道的数千个客户服务交互。问题是:这些交互中的一些主题和主题是什么?其次，我们能从这些互动中获得什么样的情感?不快乐是否与一组特定的特性和主题有关?
人工智能可以非常擅长这种分析。这就是我们所说的对数据的无监督探索。以及建立一个模型的方法，该模型可以获取新机票并将其发送到正确的部门(例如，产品团队)。”
因此，尽管人工智能可以帮助探索数据中的“集群”共性，但最终理解这些模式并确定一个特定的基于人工智能的产品在公司内应该做什么，仍然是人类的责任。
汤姆提到，在大公司，董事会会问执行团队“人工智能是机遇还是威胁?”这是一个很难回答的问题，也意味着人们对人工智能今天的能力有了基本的了解。汤姆提到了三个主要领域的重点时，Indico与一家公司的领导第一次见面发言:
1 - AI擅长什么，它不擅长什么?
2 -人工智能成功的核心基石是什么?(数据、定义结果、主题专家)
3 -确定ROI的框架(我们如何衡量“赢”?)
在未来的一年里，越来越多的管理团队可能会被迫考虑这些相同的主题。
关于RE•WORK深度学习峰会
RE•WORK’s Deep Learning Summit & Deep Learning in Healthcare Summit将于5月24 - 25日在美国马萨诸塞州波士顿举行。今年的深度学习峰会将包括来自谷歌Brain、Netflix、Amazon等的演讲者。
Emerj阅读器可以通过使用以下代码获得20%的折扣:
EMERGE20
参观深度学习峰会&深度学习医疗峰会注册页面可以看到完整的议程:
本文是与RE•WORK合作撰写的。有关Emerj广告和促销服务的更多信息，请访问Emerj广告页面。
标题图片来源:RE•WORK
