企业在机器学习中容易犯的五个错误

作者: HERO 2019-11-01 14:19:02

 机器学习技术的发展已使人们能够从企业的各种结构化或非结构化内容中提取更多的信息和情报。

据行业人士分析,有两种力量正在推动机器学习技术和其他支持人工智能技术的使用激增:非结构化内容的惊人增长和使用机器人流程自动化(RPA)可以实现与内容相关的流程自动化。

Cognilytica说,在文档、图像、电子邮件、在线数据和视频之间,企业中高达90%的内容是以非结构化数据的形式出现的,并且以每年惊人的55%至65%的速度增长。

因此,调研机构Everest Group Research公司表示,智能的自动化技术正在使用机器学习,其中机器人流程自动化(RPA)与内容相关的流程相交并且互操作。机器学习技术的发展使得人们有能力从企业的各种结构化或非结构化内容中提取更多的信息和情报。

机器学习是指使机器能够以监督和无监督的方式“学习”从而提高准确性和性能的软件。在涉及捕获文档和使用机器人流程自动化(RPA)进行处理的过程中,机器学习和其他人工智能技术可以从数千种不同的文档中学习,例如处理发票或处理供应商订单。

尽管如此,Digital IQ技术和解决方案全球提供商ABBYY公司首席创新官Anthony Macciola表示,组织在使用机器学习解决方案时通常会犯五个常见错误:

数据点1:过于复杂的机器学习功能

为了训练最基本的非结构化内容用例,组织有可能使用需要大量数据的机器学习工具。使用经过验证的机器学习工具,这些工具包含高级算法,可以使用小数据集进行训练,并且可以在几个小时内完全投入生产,而不需要在一个样本集中使用数十万个文档来启动项目,这可能需要数周甚至数月的时间。

数据点2:过于依赖机器人流程自动化(RPA)

机器人流程自动化(RPA)通过连接到原有系统和外部数据源来提高效率而备受赞誉。它可以快速部署,其数字工作者易于配置,一旦就位,他们就可以像人类一样执行工作。机器人流程自动化(RPA)和机器学习技术之间较大的区别是机器人流程自动化(RPA)专注于重复的结构化工作,而机器学习旨在理解结构化和非结构化内容。机器人流程自动化(RPA)需要机器学习技术来为其数字工作者提供智能内容,从而为他们提供认知技能,以提取有用的信息并获得智能,从各种形式的内容中学习,获取文档的含义和意图以及增加决策能力。

数据点3:假设他们知道将机器学习技术应用于何处

企业启动自动化项目时,并不总是选择要启动的正确流程。这是因为许多公司在组织过程知识上被分隔开来。此外,高层管理人员不参与日常工作流程,也缺乏流程文档,因此越来越难以真正发现哪些流程已准备好进行自动化。在项目开始之前,将流程智能结合起来,将使企业全面了解在何处应用机器人流程自动化(RPA)和机器学习解决方案,以及它们对组织的预期价值和节省——所有这些都基于数据,而不是基于意见或偏见。

数据点4:错过高价值的业务案例

通常,企业将依靠常规知识并选择最常发生的任务,因为它看起来可以带来很好的效果。但是,这种临时的流程选择方法可能会忽略其他带来更好投资回报机会的商业机会。虽然从对组织的干扰或与最终用户的交互影响最小的区域开始是完全可以接受的,但是应该记住如何在整个组织内快速轻松地“登陆并扩展” 机器学习。

数据点5:认为可以一劳永逸

这项工作并不仅仅是因为企业已经训练了算法并部署了数字工作人员。通过监视和衡量自动化对上游和下游的影响来确保持续的协议遵从性,并防止瓶颈转移和可能对其他地方的流程产生负面影响。监控数字劳动力以及实施整个端到端流程与规划和执行同样重要。

大数据 机器学习 工具
上一篇:这一次,脑机接口可以实时读取人类脑中画面了? 下一篇:人工智能在2019年五大发展趋势
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

人工智能能否使机器具有流体智力?

麻省理工学院和奥地利研究人员为灵活的人工智能创造了“液体”机器学习。

千家网 ·  2021-06-01 10:38:55
高真实感、全局一致、外观精细,面向模糊目标的NeRF方案出炉

自 NeRF 被提出后,有多项研究对其加以改进。在本篇论文中,上海科技大学的研究者提出了首个将显式不透明监督和卷积机制结合到神经辐射场框架中以实现高质量外观的方案。

Haimin Luo等 ·  2021-06-01 09:57:39
大脑模拟NLP,高德纳奖得主:神经元集合演算用于句子解析

一个简单的大脑模型为人工智能研究提供了新的方向。世界顶尖计算机科学理论学家、哥德尔奖和高德纳奖获得者、哥伦比亚大学计算机科学教授 Christos Papadimitriou 关于「大脑中单词表征」的演讲。

Ben Dickson ·  2021-06-01 09:39:24
打破“维度的诅咒”,机器学习降维方法好

机器学习算法因为能够从具有许多特征的数据集中找出相关信息而大火,这些数据集往往包括了几十行的表格或者数百万像素的图像。

水木番 ·  2021-05-31 09:41:17
工业界中的机器学习是什么样子的

本文结合作者十余年的工业界经历,从工业界的视角来尝试给些思考和总结,欢迎大家批评讨论。

龙星镖局 ·  2021-05-31 09:26:01
最喜欢随机森林?TensorFlow开源决策森林库TF-DF

近日,TensorFlow 开源了 TensorFlow 决策森林 (TF-DF)。TF-DF 是用于训练、服务和解释决策森林模型(包括随机森林和梯度增强树)生产方面的 SOTA 算法集合。

机器之心 ·  2021-05-28 17:18:44
人工智能、机器学习和物联网等技术改善健康的7种方式

尽管老生常谈,但我们还是要说:让我们不健康的不是技术,而是我们的生活习惯,事实上,技术可以让我们变得更健康。

佚名 ·  2021-05-28 11:42:58
利用AI识别城市建筑物特征,预测其面对地震等灾难时的风险

本文介绍了美国国家科学基金会开发的可自动识别城市建筑的特征、检测城市建筑在地震、飓风或海啸中可能面临风险的大规模人工智能建筑识别工具。

佚名 ·  2021-05-28 10:52:09
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载