چگونه AI ، ML و NLP را به زبان ساده برای رهبران تجارت توضیح دهیم


توانایی شما در توضیح هوش مصنوعی و م componentsلفه های آن برای رهبران تجاری می تواند به معنای تفاوت بین پذیرش و مقاومت باشد. در اینجا نحوه انجام آن آورده شده است.

وقتی با مدیران شرکتهای غیر IT ملاقات می کنم و از آنها در مورد هوش مصنوعی (AI) ، یادگیری ماشین (ML) و پردازش زبان طبیعی (NLP) می پرسم ، آنها به من می گویند که ابتکارات مداومی دارند. اما آنها دقیقاً نمی دانند AI ، ML و NLP چیست.

تلاش برای توضیح اینکه AI ، ML و NLP چیست ، نحوه کار آنها و نحوه کار آنها برای تجارت آسان نیست. هنوز هم ، همه این فناوری ها نقش مهمی در تجزیه و تحلیل دارند زیرا IT از آنها استفاده می کند. این وظیفه CIO ها و CIO ها است که روش هایی را برای تجزیه این فن آوری ها و نتایج تجاری آنها به زبان روشن برای ذینفعان غیر فنی پیدا کنند.

تصویر: besjunior - stock.adobe.com

تصویر: besjunior – stock.adobe.com

چگونه روشهای آسان برای توضیح این فن آوری ها پیدا می کنید ، چگونه آنها با هم کار می کنند و چرا استفاده از آنها برای تجارت منطقی است؟

در اینجا چند توضیح به زبان ساده آورده شده است که می تواند مفید باشد.

هوش مصنوعی

هوش مصنوعی یک سیستم رایانه ای است که می تواند وظایفی را که قبلاً توسط انسان انجام می شده است انجام دهد. این در زمینه هایی کار می کند که وظایف تکرار می شوند و داده هایی که باید مرور شوند بسیار زیاد است و پردازش و آسیاب کردن آنها ساعت های زیادی به انسان نیاز دارد. هوش مصنوعی بر اساس قوانین و تجربه تعریف شده توسط انسان عمل می کند ، که در آن به صورت منطق و الگوریتم های قابل برنامه ریزی برنامه ریزی شده است. هوش مصنوعی نمی تواند عملکردی خارج از قوانینی که برای آن تعریف شده است به روشی که استدلال خلاق انسان می تواند انجام دهد. این بدان دلیل است که هوش مصنوعی کاملاً از قوانین تجاری که کاربران و کارشناسان در آن برنامه ریزی می کنند پیروی می کند.

در برنامه های شغلی ، هوش مصنوعی برای مصارف خاص خاص که متخصصان انسانی مجموعه مشخصی از قوانین تجارت را تعریف می کنند ، مناسب است.

یک مثال عالی ، یک سیستم تشخیص پزشکی است که می تواند اطلاعات ترابایت موجود در مجلات پزشکی ، داستان های تشخیصی و سایر منابع داده را از بین ببرد. نرم افزار AI تمام این داده ها را برای کسری از زمان مورد نیاز برای هر شخص بررسی می کند. سپس هوش مصنوعی چهار یا پنج تشخیص احتمالی از وضعیت پزشکی گریزان را به پزشکی ارائه می دهد ، وی سپس با استفاده از قضاوت تخصصی خود ، با مشورت با سایر متخصصان ، تشخیص نهایی را می دهد.

همچنین می توان از هوش مصنوعی برای پیش بینی مدل های هواشناسی بر اساس تاریخ هواشناسی ، ایجاد بهینه ترین مسیرهای مسافرتی برای حامل های تدارکاتی یا پیش بینی آنچه که بازدید کنندگان وب سایت تجارت الکترونیکی احتمالاً در آینده خریداری می کنند ، بر اساس الگوی خرید گذشته خود و آنچه که آنها در حال مرور وب سایت بودند.

بیشتر شرکت ها با استفاده از هوش مصنوعی برای تجزیه و تحلیل ، پیاده سازی هوش مصنوعی خود را آغاز می کنند. هرچه شرکت ها تجربه بیشتری کسب می کنند ، آنها سعی می کنند هوش مصنوعی خود را با معرفی یادگیری ماشین ، که یک زیر شاخه هوش مصنوعی است ، “آموزش” دهند ، که به هوش مصنوعی اجازه می دهد با شناخت الگوهای تکراری داده ها اطلاعات اضافی را در مورد اطلاعات به دست آورد و سپس نتیجه گیری کند (و ” یادگیری “) از این نتیجه گیری.

ML

یادگیری ماشینی زیرمجموعه هوش مصنوعی است که به سیستم هوش مصنوعی امکان یادگیری و انطباق با داده ها و رویدادهای جدید را می دهد تا هوش مصنوعی “هوشمندتر” شود. م Mلفه ML هوش مصنوعی با مشاهده الگوهای تکراری داده ها را فرا می گیرد و سپس مجموعه ای از الگوریتم ها و منطق توسعه یافته توسط متخصصان انسانی را به کار می گیرد که به آن اجازه می دهد براساس الگوهای تکراری داده ای که مشاهده می کند تصمیم گیری کند.

به عنوان مثال در یک سناریوی تدارکات ، الگوی تکراری در یک محل اتصال ویژه بزرگراه وجود دارد ، جایی که همیشه تأخیر در ترافیک وجود دارد. اگر تکرار دنباله ادامه یابد ، مولفه ML از AI احتمالاً الگو را تشخیص داده و نتیجه می گیرد که برای جلوگیری از تقاطع شلوغ ، بهتر است ترافیک را به روش دیگری هدایت کنید.

NLP

مانند یادگیری ماشینی ، پردازش زبان طبیعی نیز زیر مجموعه هوش مصنوعی است. NLP برای درک ، تفسیر و دستکاری زبان انسان استفاده می شود.

نمونه ای از این موارد SIRI در آیفون است. م componentلفه AI SIRI NLP قادر است فرمان صوتی انسانی شما را تشخیص داده و به همان زبان به آنها پاسخ دهد.

مثالهای دیگر NLP شامل سیستمهای خودکار تلفنی و گپ است که زبانهای انسان را تشخیص می دهند و مکالمه خودکار با شما دارند ، یا یک سیستم امنیتی خانه است که دستورات صوتی انسان را تشخیص داده و به آنها پاسخ می دهد.

NLP ، همراه با پردازش داده های عادی و تجزیه و تحلیل هوش مصنوعی ، قادر است چندین فرآیند تجاری را که شامل خواندن ، گفتن و نوشتن یک زبان است ، به طور خودکار انجام دهد.

همه چیز را جمع کنید

اگرچه در نگاه اول بسیاری از این بحث ها در مورد AI ، ML و NLP ممکن است برای متخصصان فناوری اطلاعات که به صحبت در اختصارات و چکیده های فنی عادت کرده اند بسیار ساده به نظر برسد ، مکالمات از این قبیل می توانند برای به دست آوردن و حفظ یک مدیرعامل ، هیئت مدیره و پشتیبانی کاربر نهایی برای پروژه های AI ، ML و NLP.

از همه مهمتر ، مکالمات به زبان ساده که فناوری و تجارت را به هم پیوند می دهند برای ریشه کن کردن احساساتی که بسیاری از مدیران تجاری و کاربران نهایی نسبت به AI ، ML و NLP به عنوان “جعبه های سیاه” مرموز احساس می کنند ، ضروری است.

توماس دبلیو مالون ، مدیر مرکز اطلاعات جمعی در انستیتوی فناوری ماساچوست ، گفت: “بسیاری از مدیران ارشد و رهبران تجارت امروز تقریباً ناامید هستند که بفهمند هوش مصنوعی چگونه می تواند بر تجارت آنها تأثیر بگذارد.” “من فکر می کنم رهبران به طور فزاینده ای نگران هستند که اگر نتوانند نحوه استفاده م AIثر از هوش مصنوعی را بفهمند ، رها خواهند شد. “

برای اطلاعات بیشتر در مورد هوش مصنوعی در شرکت ، بخوانید:

نحوه شکل گیری داده ها ، تجزیه و تحلیل و هوش مصنوعی در سال 2020 و بر 2021 تأثیر می گذارد

س forال 2021: داده های من کجاست؟

چگونه یک برنامه موفقیت آمیز هوش مصنوعی ایجاد کنیم

حقوق تحلیلی در برابر بحران COVID پایدار است

ماری ای.شکلت مفسر فناوری شناخته شده بین المللی و رئیس Transworld Data ، یک شرکت خدمات بازاریابی و فناوری است. وی پیش از تأسیس شرکت خود ، معاون تحقیقات محصول و توسعه نرم افزار در راس بود … مشاهده کامل رزومه

ما از نظرات شما در مورد این موضوع در کانال های رسانه های اجتماعی خود استقبال می کنیم [contact us directly] با س questionsالات در مورد سایت.

مقالات بیشتر




منبع: tasiveh-news.ir

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>