計世網

自建AI or 剁手AI?其實你也可以都要!
作者:Maria Korolov | 來源:計算機世界
2019-06-20
是購買現成的人工智能還是自己構建基于人工智能的業務解決方案是一個非常復雜的選擇,其中要考慮到現有的人才、業務需求、期望結果、舒適度以及快速發展的市場。

 

人工智能正在迅速成為企業的當務之急。無論是提高效率,尋找新商機,還是與時俱進,亦或是想在競爭中取得領先,各行各業的企業都在探索人工智能的商業優勢,僅在過去的一年中人工智能的采用率就增加了兩倍。

對于一些企業來說,這意味著從頭開始構建人工智能系統。但是市場研究機構Gartner表示,找到合適的人才既困難又價格不菲,而且85%的人工智能項目有很高的失敗風險。即使項目構建成功了,市場上的供應商也可能很快就會以更低的成本提供更好的產品,這些產品不僅集成了更多功能而且擁有更直觀的用戶界面,更重要的是它們會被定期升級。再或者,當企業正在使用的平臺被免費升級或添加了新的人工智能功能,那么企業千辛萬苦為自己量身開發的人工智能產品很可能會變成雞肋。

另一方面,使用商業化產品可以在投資量少的情況下快速體驗許多不同人工智能技術。IBM負責數據和Watson AI的總經理Rob Thomas表示,要想在人工智能方面取得成功,數量非常重要。Thomas說:“我會鼓勵客戶嘗試100個人工智能試點項目。不是一個,也不是兩個,而是100個。它們中的一半可能沒有任何作用,但是只要另一半能夠有效果就可以帶來回報。”

他表示,市場上已有一些輕量級的商業工具,并且只需花上幾周的時間便可部署運行。此外,在其他平臺和系統中內置人工智能的嵌入式人工智能的概念也在興起。

以下是企業在決定是選擇現成的人工智能解決方案,還是自己構建解決方案時需要考慮的一些因素。

確保旅客愉快的旅行體驗

據加拿大多倫多機場管理局統計,每年有近5000萬乘客來到加拿大最大、最繁忙的多倫多皮爾遜機場。然而在機場工作的49000名員工中,只有1600人專注于管理、運營和技術工作。

其中一項工作是負責值機臺,以便乘客能夠使用這些設備更快地辦理登機手續。 當值機臺發生故障或紙張耗盡時,它們會發送出警報。然而,從收到警報到重新啟動并再次運行平均需要1小時12分鐘。

機場管理局信息服務交付副主任John Thompson指出,這是一個問題。知道機器何時發生故障或紙張或墨水用完,這不是一項簡單的計算工作。有些機器會比其他機器更加繁忙,或者在一天中的不同時間被不同程度地使用。因此機場決定使用智能分析以解決這一問題。

他說;“通過預測分析,我們可以知道機器什么時候會用完紙張,所以我們可以更快地,甚至是在紙張用完之前到達那里。”不過,他也同時指出,機場沒有足夠的資源從零開始構建自己的工具。“我們已經不再自己構建任何東西了,因為我認為沒有人會感謝你開發自己的軟件。”

去年,機場開始使用基于云的Symphony Summit人工智能系統對票務系統展開內部IT支持,不過這需要幾個月的時間來實現和配置機場的工作流程。Thompson認為,從一個小項目開始著手,這是實施人工智能的好方法。“如果你試圖通過大拆大建的方式部署人工智能,那么它們通常也不會很好地運行。慢慢來,一次只嘗試這一技術的一個方面。我的座右銘是:欲速則不達。”

商業化人工智能解決方案正在興起

Gartner分析師Svetlana Sicular認為,多倫多機場管理局的經驗代表了大多數企業嘗試人工智能的方式,因為很多企業都選擇購買而不是自己構建。“有一點現在正變得越來越清晰,那就是自己動手行不通。因為很難找到擁有這種技能的人才,就算找到了成本也很高,因為所有的企業都在尋找同樣的人才。”

與此同時,平臺供應商越來越多地將人工智能嵌入到他們的系統中,只需點擊一下按鍵即可使用這一技術。此外,將人工智能工具嵌入自己平臺的供應商已經建立起了極為龐大且組織良好的培訓數據池。

例如,Salesforce擁有大量標記和分類信息,可以分析趨勢和模式,然后為客戶提供最常見或最急需的分析。供應商也可從規模經濟中受益,他們可以聘請非常專業的人才來開發和改進他們的人工智能模型。

Sicular指出,這才是真正關鍵的數據。“從長遠來看,數據是企業機器學習的最大一塊。這也是像谷歌這樣的公司能夠如此成功的原因,因為他們知道如何獲取機器學習數據以及如何利用它。”相比之下,一些企業僅限于自己收集的數據,或者通過購買方式獲得的培訓數據集。

曾擔任VMware首席技術官、現擔任風險投資公司General Catalyst Partners常務董事的Steve Herrod表示,商業工具還可提供其他優勢。例如,與尋找會使用公司自產系統的人相比,找到熟悉商業工具的人要更加容易。此外,供應商還在其平臺上提供了免費或低成本的培訓。“當有能夠勝任企業工作的產品時,最好使用現成的商業化產品。隨著時間的推移,我們將擁有越來越多現成的商業化人工智能軟件。這些軟件將大大擠壓我們自己構建差異化功能的需求。”

何時自己構建人工智能工具

購買現成的人工智能工具十分快捷方便,但是有時企業別無選擇,只能從頭開始構建。這種情況包括數據、模型極其敏感或是屬于專有的,再或者是根本沒有可用的商業化工具。

例如,專注于公用事業的軟件公司EnergySavvy已經建立了專利算法來分析公用事業客戶的能源使用模式。該公司工程副總裁Kalpana Narayanaswamy稱:“我們近十年來一直為公用事業客戶提供服務,這讓我們有機會深度了解他們的項目是如何運作的,他們是如何分割數據的,以及如何從中獲取洞察力。”

她說,解決這些問題需要了解公用事業企業的內部運作方式。“你必須知道如何應用它們。這就是問題的所在。”為此,該公司建立了一個專注于行業專業知識的數據科學機構。另外,她認為分析平臺本身是建立在開源技術之上,這也是EnergySavvy之所以能夠超越對手為客戶提供的基本見解、基本定位和基本定制的原因。

人工智能組件既是企業業務增長的核心,也是一個關鍵的區別點。一般來說,當企業的人工智能技術是一個差異化因素時,那么就很難通過現成的商業化系統來實現。

Dialpad是一家總部位于舊金山的企業VoIP服務提供商。該公司的首席戰略官Dan O'Connell表示,盡管市場上有現成的商業化語音識別和自然語言處理系統,但是該公司還是從頭開始構建了自己的VoiceAI系統。

他說:“我們只能選擇一種速度較慢、缺乏準確性,并且非常昂貴的API。”Dialpad最終決定自己聘請自然語言處理和語音識別專家和數據科學家,以及擁有計算神經科學博士學位的人。

通過自己從頭開始構建,該公司實現了一些獨特的功能。例如,除了實時通話記錄,它還具有現場指導、情緒分析和實時智能筆記等功能。他指出,“這讓團隊有機會采用更為科學的方法理解和處理對話。”

需要避開的陷阱

技術咨詢和系統集成公司Insight的首席技術官Brandon Ebken表示,并非每家企業都需要建立自己的人工智能技術。他說:“但是當你越接近核心業務流程并有能力改變客戶體驗,那么你就越有可能需要進行某種類型的定制。”

開始得越早就能獲得越多的競爭優勢。他說:“我不建議任何人采取等待觀望的態度。人工智能今天就擺在這里,它們已經不再是科幻小說中的東西。幾乎所有的客戶都有某種類型的人工智能計劃。人工智能正在推動數字化轉型,采取等待態度的客戶將會被競爭對手超越,或是錯失一些巨大的機會。

另一個可能需要自己構建解決方案的情況是存在隱私因素,例如在受到嚴格監管的金融和醫療保健行業。

Booz Allen Hamilton的負責人Lauren Neal指出,許多商業翻譯引擎需要將數據上傳到云端,但是政府用戶和受監管行業的用戶希望確保他們的數據安全。她說:“他們寧愿選擇本地解決方案,從而將這些數據放在本地以確保數據安全。但是可以設置這種模式的商業化人工智能工具并不多。”

她補充道,很多企業還擔心遭到供應商鎖定。對于使用平臺供應商的內置人工智能工具的公司來說,尤其如此。“這樣一來,他們就可能缺乏了靈活性。”

由于目前技術正在快速變化,因此被鎖定在單個供應商的人工智能技術中將會讓企業在競爭中處于劣勢。

兩全其美的舉措

對于大多數企業來說,自己構建與購買并不是一個二選一或非此及彼的決定。相反,他們的策略是能買到就買,買不到就自己構建。

為Workday、Ondeck Capital和Paycor等企業客戶提供人工智能輔助銷售指導的ExecVision公司首席技術官Reuben Firmin表示:“我們目前采取的就是兩條腿走路的策略。我們在使用現成的工具進行情緒分析,同時也構建了自己的工具。當有現成的工具時,我們就沒有必要再從頭來一遍。”在項目開始時進行這項研究是很重要的,可以避免浪費精力。

他還專門警告稱:“企業不應忽視傳統的選項。統計數據足以滿足許多項目的需求。很多工程師都被深度學習所吸引,但是并非所有屬于人工智能范疇的項目都需要這樣的學習。”

當商業化工具可用時,企業可能需要進行自定義集成,添加專門的代碼或配置。技術咨詢公司PCM的高級副總裁Herb Hogue指出,“沒有任何現成的解決方案可以解決所有人工智能需求和業務挑戰。大多數解決方案都有核心框架、應用程序或SaaS產品,但是企業仍然需要進行修改、增強或使其符合現有的業務。這就是我的經驗。”

位于費城的數字解決方案提供商Anexinet的分析主管Brian Atkiss表示,包括亞馬遜、谷歌、微軟和IBM在內的大多數主要云服務提供商都有能力輕松構建定制化的機器學習模型和人工智能系統平臺。

此外,這些巨頭還為常用功能提供現成的組件和API,例如自然語言處理、語音識別、光學字符識別和聊天機器人等等。

許多企業都有足夠的內部數據用于用例。與使用來自商業化工具的通用且可廣泛獲取的數據相比,模型使用針對每個用例的完全自定義數據集將會更加準確。

數字咨詢服務公司Sparkhound的業務自動化總經理Richard Salinas表示,具有大量內置功能的平臺可讓企業的開發團隊更加專注于業務流程和用戶體驗。他稱:“人們普遍存在一種誤解,認為從頭開始構建應用程序意味著可以獲得極大的靈活性。”

作者:Maria Korolov 過去20年一直關注新興技術和新興市場。

編譯:陳琳華

原文網址:https://www.cio.com/article/3387618/ai-technology-when-to-build-when-to-buy.html

責任編輯:周星如

天津11选5开奖结果查询