德勤发布《2017技术趋势》官方中文版报告:机器智能进化速度极快

本文经机器人圈许可转载(ID:jiqirenchanye)

人工智能发展非常迅速,并开发了无数独特但经常被误解的能力,例如机器学习、深度学习、认知分析、机器人过程自动化(ROBOTICS PROCESS AUTOMATION RPA)、自动化机器人等。总的来说,除了上述功能外,机器智能的组成部分还包括多种算法能力,可以提高员工绩效,自动化日益复杂的任务,帮助我们开发模拟人类思维和行为的人工智能。“认知代理”。机器智能是高级分析的新篇章。

近日,德勤正式发布了《2017年科技趋势》报告的官方中文版。该报告预测了未来 18-24 个月将影响市场和业务的 8 个主要趋势。其中,数据已成为重要的企业资产,而机器智能显然是其中之一。进化的速度极快,开发出了无数独特的功能。机器人圈选择了机器智能一章,以帮助公司做出更好的决策,将复杂的分析替换为客户和员工的互动,并适应难度系数增加的任务。

可以代替人脑执行任务的人工智能(Artificial Intelligence AI)正日益成为分析工作的重要组成部分。但人工智能只是认知计算领域更大、更引人注目的一系列发展的一部分。本集为机器智能MI,收录了人类认知领域的一系列进展,代表着我们进入了认知研究的新时代。我们谈论的是近年来发展迅速的各种认知工具:机器学习、深度学习、高级认知分析、机器人过程自动化和自动化机器人技术等等。

我们已经看到机器智能在各个行业的早期应用。例如,一家领先的美国医院正在开展全国最大的医学研究计划,并正在“训练”一个机器智能系统来分析医院数据库中的 100 亿张表型和基因图像。在金融服务领域,认知销售代理根据潜在线索建立初始联系,然后对客户进行资格审查、跟进和维护线索。认知助理可以分析自然语言,理解客户问题,并处理多达 27,000 个数十种口语的同步对话。

在接下来的几个月里,随着越来越多的公司开始探索机器智能的力量,我们将看到更多类似的用例。公司在机器智能各方面的支出持续增长,预计 2019 年将达到近 313 亿美元。机器智能也正在成为 CIO 的优先事项。德勤 2016 年全球 CIO 调查采访了 1,200 名 IT 高管,以确定他们计划在未来两年大力投资的新兴技术,64% 的受访者表示他们将投资于认知技术。

数据从未如此重要

我们今天所说的认知计算技术实际上是在 1950 年代首次提出的,其愿景是用技术模拟人类智能。虽然原始的商业人工智能技术出现在 1990 年代,但直到 2000 年代什么是用计算机模拟人类的智能活动,人工智能技术——作为新兴机器智能趋势基础的认知计算能力——才开始迅速发展。

推动机器智能趋势的三大力量:

指数数据增长:我们每年创建和复制如此多的数据,以至于数字世界的规模每 12 个月翻一番。事实上,它的大小预计将在 2020 年达到 44 ZB。我们也知道,随着物联网、暗分析和其他技术的发展,数据的增长速度会更快。从业务角度来看,这种爆炸式增长可以转化为具有比以往更高价值的各种数据源。这些结构化和非结构化数据,以及隐藏在深层网络中的大量珍贵数据,不仅是传统技术分析和情报获取的原材料,而且在机器智能的发展中发挥着至关重要的作用。数据机器智能系统拥有的越多,它们就越“聪明”,发现关系,

有效管理快速增长的数据量需要先进的数据、存储、保留、访问、环境和管理方法。从连接设备生成的数据信号到存储在所有业务和职能部门系统中的历史交易数据,管理数据资产已成为机器智能发展的重要组成部分。

更快的分布式系统:随着数据量的不断增长,分析变得更加复杂,分布式网络的个人用户访问能力呈指数级增长。今天,我们可以快速处理、搜索和修改大量数据,这在几年前是不可能的。与1971年推出的第一台单片机相比,目前这一代微处理器的计算速度是原来的400万倍。如此强大的计算能力使我们能够设计各种先进的系统,例如支持多核和并行处理的系统。同样,今天的微处理器允许我们使用先进的数据存储技术来快速检索和分析存档数据。正如我们所见,MapReduce,内存计算,以及针对机器智能技术优化的硬件,例如谷歌的张量处理单元,TPU,都说明了技术的不断进步。这些技术增强了我们更有效地管理呈指数增长的数据的能力。

除了算力和速度的增长,分布式网络的规模也在不断扩大。他们现在可以与基础设施、平台和各种云应用程序无缝连接,以存储和分析不断增加的数据量。它们还可以对数据流进行精确分析,以与各种高级应用程序(如物联网、传感器网络和嵌入式智能设备)进行交互。

更智能的算法:MI 算法近年来变得越来越强大,并且越来越接近认知计算的最初目标:模拟人类的思维过程。

在接下来的 18 到 24 个月内,随着机器智能应用的不断扩展,公共和私营部门可能会应用以下算法功能:

• 优化、计划和调度:在更成熟的认知算法中,优化可以在有限资源的情况下自动化复杂的决策和权衡。类似地,计划和调度算法根据处理要求和约束来设计活动序列。

• 机器学习:计算机系统正在开发通过获取数据而不是遵循明确的编程指令来提高性能的能力。机器学习本质上是机器自动发现数据模式的过程。每当机器识别出一种模式时,它就可以根据该模式进行预测。

• 深度学习:开发人员正在研究机器学习算法,包括受人脑结构和功能启发的人工神经网络。互连的模块调用各种数学模型,这些模型由于处理大量输入而不断调整。深度学习可以是有监督的(需要人工干预来训练基础模型的进化)或无监督的(通过自我评估自动改进模型)。

• 概率推理:新的人工智能算法使用图形分析和贝叶斯网络识别随机变量的条件依赖关系。

• 语义计算:这类认知算法包括计算机视觉(分析图像的能力)、语音识别(分析和解释人类语言的能力)以及各种文本分析功能等,帮助计算机理解自然背后的含义表达式,语义是通过计算语料库获得的。然后计算机使用这些信息来支持数据分类、映射和检索功能。

• 自然语言引擎:自然语言引擎可以像人类一样理解书面文本,但它可以对文本执行各种复杂的操作,例如自动识别文档中提到的人名和地名,识别文档的主题,或从阅读它的人那里阅读文本。条款和条款从合同中提取并制成表格。常见的自然语言技术有两种:用于输入人类语言的自然语言处理技术和用于输出自然语言的自然语言生成技术。

• 机器人流程自动化(RPA):软件机器人或自主机器人通过模仿人类与软件应用程序的交互来自动化日常业务流程。企业开始使用 RPA 和认知技术(例如语音识别、自然语言处理和机器学习)来自动执行只有人类才能完成的感知和判断任务。

机器智能如何创造价值

对于CIO来说,如果想要引入机器智能技术,就需要以一种新的思维方式来看待数据分析,不仅仅是作为生成静态报告的工具,而是构建庞大而复杂的数据库来自动化处理任务,提高工作效率.

在机器智能领域,CIO 有很多机会可以考虑:

认知洞察:机器智能不仅可以提供对过去的深入、可操作的可见性,还可以提供现在和未来发生的事件。这可以帮助企业领导者提前制定行动计划,以提高员工绩效。例如,在世界各地的呼叫中心,座席使用多功能产品辅助软件来回答有关产品的问题、接收订单、调查账单以及解决其他客户问题。在目前的系统中,工作人员必须在不同的屏幕之间来回切换,查找各种信息来回答具体问题。

图片[1]-德勤发布《2017技术趋势》官方中文版报告:机器智能进化速度极快-老王博客

认知参与:机器智能价值树上的第二层应用是认知代理,即系统与人通过认知技术进行交互。目前这项技术的应用对消费者比对企业更有利。例如,该系统可以接受语音命令来降低室温或切换电视频道。但一些业务任务和流程也可以从这种认知交互技术中受益,新的应用领域正在不断涌现。系统可以帮助我们访问复杂的信息并执行数字任务,例如让患者入院或向消费者推荐产品和服务。这些技术在客户服务方面具有更大的潜力,其中认知代理可以代替人类处理账单、与客户互动、

认知自动化:第三个也是最具颠覆性的应用是机器学习、RPA 和其他认知工具,它们帮助我们培养深度领域专家(例如跨行业、跨职能和跨地区),然后实现相关的任务自动化。现在我们已经看到,一些具有机器智能的设备可以自动执行以前只能由熟练工人完成的任务。例如,一家医疗保健初创公司正在使用深度学习来分析放射科的图像。他们的系统在测试中表现异常出色,在判断恶性肿瘤方面比人类放射科医生好 50%。

在教育方面什么是用计算机模拟人类的智能活动,在线学习课程中的机器智能应用可以模拟一对一辅导,跟踪学生解决问题的过程,了解他们的“心理变化”,发现误解,进而为学生提供及时的指导、反馈和解释。

机器智能的影响:2014 年至 2016 年的技术收购和投资示例

非凡的协作机器人

面对长期低利率、日益激烈的竞争以及不断变化的客户和市场动态带来的成本压力,全球保险公司美国国际集团 (AIG) 实施了战略重组,以精简其组织并提高运营效率。该任务还包括解决日益扩大的技术差距以及在分散的 IT 部门中维持运营稳定性的困难。

AIG 全球首席技术官 (CTO) Mike Brady 表示,IT 部门将重组为一个直接向 CEO 汇报的单一机构,为 AIG 创建新的企业技术模式铺平道路。这一转型的第一步是建立基本能力,团队为此制定了三部分方法:

稳定性:公司需要提高整体网络性能,因为用户几乎每天都会遇到严重的中断,而虚拟网络每周都会遇到停机。

优化:该策略侧重于自助服务配置、自动化和成本效益。

加速:为了提高速度,团队实施了开发运营 (DevOps) 策略,创建持续集成/持续部署工具链和工作流以实时部署软件。

AIG 通过机器学习实现了这些目标。该公司开发先进的协作机器人程序,利用内置算法、机器学习和机器人过程自动化。这些虚拟员工被称为“协作机器人”,AIG 希望每位员工都将这些虚拟员工视为员工的延伸和助手。

2015 年 10 月,AIG 部署了“ARIES”来处理全球网络故障,这是该公司的第一个机器学习虚拟工程师。在为期 90 天的试运行中,公司对 ARIES 进行了“辅助监督”模式的培训,让机器和员工一起工作,同时向他们学习。白羊座通过观察和实验寻找网络故障的根源,找出可能的原因和解决方案。在第 91 天,公司可以全面部署协作机器人。这些机器的价值不在于效率的大幅提高。事实上,AIG 发现员工解决一个典型问题平均需要 8 到 10 分钟,而协作机器人平均需要 8 分钟才能解决,这并没有太大区别。机器的价值在于它们的规模:

在部署 ARIES 的六个月内,超过 60% 的故障已被自动发现和解决。在一年的时间里,ARIES 的机器智能与传感器的扩展相结合,共同监控 AIG 的环境健康状况,成功地以编程方式解决了许多警报,然后才发展为影响业务的事件。虚拟工程师可以自动识别不健康的设备,然后对其进行诊断测试以找出原因,登录设备进行修复,或向技术人员提供“修复建议”。此外,协作机器人还可以对网络问题进行相关分析。因此,如果一个机器人在分析数据模式时发现一台设备在一个月内导致了 50 个问题,那么 IT 团队将更换这台设备。通过这些,

该公司后来成功部署了四台协作机器人,每台都与一名负责公司治理、工作量、培训和学习以及绩效管理的经理一起工作。

在 IT 部门成功启用协作机器人后,AIG 开始在其业务运营中探索更多机器学习机会。“我们希望公司充分利用机器学习,而不是向我们寻求更多资源,”布雷迪说。“我们需要将大数据和机器学习视为一种新资源,而不是新成本。” 该公司正准备进行内部测试,看看协作机器人是否可以评估客户的伤害索赔,然后立即批准付款,让客户能够按时就医。未来机器智能会有更多的应用,比如增强认知功能的自助服务,增加坐席辅助渠道,甚至直接使用认知坐席进行客户服务。

“协作机器人需要时间,”布雷迪补充道。“如果工作非常复杂,我们不希望团队工作出现不一致。” 我们需要使用设计思维。自从一年多前开始这样做以来,我们已经解决了 14.50,000 个问题。它运行良好,可以完全扩展到业务流程甚至认知客户交互。

使患者受益

随着医疗保健越来越注重结果,患者希望健康保险公司能够提供与零售商和银行相同的高度个性化的客户服务。为了满足这种客户期望,美国最大的健康保险公司之一 Anthem 正在探索使用认知计算来简化和改进公司与客户的互动,从而使客户服务更加高效、引人入胜和直观。Anthem 的最终目标是彻底改变公司及其附属公司的互动方式,跟踪保单的整个生命周期,而不仅仅是销售保单。

Anthem 的战略包括机器智能的三个方面:洞察力、自动化和参与度。在第一阶段,公司在政策审查过程中应用认知洞察力,为审查人员提供有关政策的更多情报。“我们正在将内部保险信息(保单信息、投保资格、人口统计等)与外部数据(社会经济、临床/电子病历、生活方式等数据)相结合,以全面检查购买健康保险的客户。”

审阅者目前采取的步骤是审阅文件、查找病史、收集证据,然后进入下一个过程。借助 Cognitive Insights,新系统可以在后台持续审查可用记录,从一开始就为审查人员提供整体信息,还可以根据患者重复入院的次数设计治疗计划或建议有针对性的干预措施。措施,以及智能标记有问题的政策。当审阅者收到政策时,他们手头已有足够的信息来对政策进行全面评估。

在第二阶段,Anthem 将开始启用认知自动化技术,允许机器处理保险单,让审稿人能够专注于患者并为他们提供更多支持。“通过部署预测性和规范性分析以及机器学习算法,我们能够以更有效和更具成本效益的方式处理结构化和非结构化数据,” Chennuru 说。一开始,系统会识别所有需要解决的问题,并建议采取一系列行动。随着系统的不断演进,当它能够对接收到的信号和数据进行分析,当分析结果达到一定值时,就会开始自动解决一些问题。如果未达到确定的值,系统会将政策交给审核员进行人工审核,从而解决问题。该系统具有持续学习的能力,监控审计人员如何正确处理政策问题,并逐步将具体问题与相应的解决方案关联起来,从而不断提高自动化处理的准确性和效率。

第三阶段,随着Anthem在认知参与领域的深入研究,公司将利用神经网络和深度学习技术参与与医疗保健提供者的一对一服务,为患者推荐个性化的医疗保健计划。Anthem 已经转变:它不再简单地处理保险单,而是积极参与患者护理,Anthem 能够审查患者的病史并向医疗保健提供者推荐未来的护理方案。

Anthem 构建了半监督机器学习过程,训练机器分解和组织问题,以找出处理问题的最佳方法。在测试过程中,观察者通过将系统的行为与传统手动方法的结果进行比较来衡量系统的效率和准确性。

目前,该公司正在收集和整理数据、培训系统、精简程序架构和技术,并使用认知智能进行政策管理,总体上取得了积极成果。该公司将在 2017 年推出一个自动化政策审查系统的原型,并在几个月内推出一个可变性极小的产品版本。

Anthem 建立了全面的认知能力,多个团队研究应用案例、评估应用价值、优化数据、调整算法和交付程序可用性。Chennuru 说:“我们最终将在许多领域使用这个平台,包括价值分析、人口健康管理、质量管理,以及获取有关医疗保健和医疗保健成本的差距信息。” Anthem 希望获得尽可能多的企业意识参与,用于训练模型、优化程序、提高机器的认知能力,以帮助企业更好地服务客户。

© 版权声明
THE END
喜欢就支持一下吧
点赞0
分享
评论 抢沙发

请登录后发表评论