人工智能新形态已经出现:聊聊AIaaS

作者: 科技行者 2020-04-30 21:36:50

 自从“即服务”这一交付模式诞生以来,SaaS与PaaS早已成为日常技术用语中的组成部分,并在根本上改变了企业采购及实施技术的具体方式。事实上,“XX”即服务模式正以无与伦比的效率推动业务成果发展,而人工智能自然也不会落后。下面我们掌声有请——人工智能即服务,“AIaaS”。

AIaaS的发展机遇

根据最新研究,基于AI技术的软件收入预计将由2018年的95亿美元增长至2025年的1186亿美元。相信大家已经感受到,如今各类企业都在借AI之力寻求适合自身的业务洞见,并据此建立起新的竞争优势。各类组织已经意识到,他们的系统中蕴藏着庞大的数据资源宝库,但却很难加以实际利用。与此同时,他们也感受到AI技术的强大威能,足以在几秒钟之内通过大量数据完成分析,并给出专职研究团队在几周内都未必能够得出的复杂结论。

但是,根据企业实际需求开发AI与机器学习解决方案是项极具挑战性的工作。要想开发出正确的算法,数据科学家们首先需要理解自己想做什么、为什么要这么做,而后整理实用信息与预测结论,最终才能让AI介入并发挥作用。但是,想让每一家企业既拥有充足的专业知识、又具备能够构建内部解决方案的数据科学家?这样的目标要么不符合成本效益,要么根本就没有可行性。

AIaaS正是因此而生,它能帮助众多企业以更经济的方式将基于AI技术的解决方案作为可以轻松获取及直接使用的服务项目。至于负责提供此类AI解决方案的厂商,他们非常了解特定垂直行业,并能够构建起复杂的模型以高效整理出重要信息。在云计算的帮助下,厂商可以将这类AI成果以即服务的形式交付,从而带来前所未有的可访问性、改进灵活性与可扩展性。

AIaaS发展趋势的一大重要征兆,体现在近期AI初创企业的融资激增方面。今年第二季度的融资数字显示,AI初创企业的融资总额已经高达74亿美元,达到单一季度的历史最高点。此外,融资交易数量也增长至历史第二高位置。更重要的是,流向AI技术领域的资金增量一直迅猛增长——过去四年之内,投资总额暴涨592%。随着这些初创企业不断发展成熟,我们有望迎来AIaaS的一波发展高潮,而垂直市场对于AI技术价值主张的认同正是推动这股潮流的中坚力量。

垂直采用

在垂直市场内运营的组织,在采用新兴技术方面一般显得比较滞后。这一点在AI身上体现得尤其明显,毕竟AI技术天然具有“原罪”——人们担心机器取代工人的工作、担心人工智能失去控制(例如,我们该如何判断预测结果是否「正确」)以及担心有违行业合规性要求等等。另一大核心阻碍因素,则来自组织自身在数字化转型过程中所处的位置。麦肯锡公司在调查中发现,在数字化程度最高的一批企业当中,已经有67%将AI技术嵌入到标准业务流程当中,而其他企业的AI嵌入比例则仅为43%。这些在数字化层面领先的公司也更擅长借用机器学习的力量,其中39%的受访者表示已经将机器学习纳入业务流程;相比之下,机器学习在其他公司中的普及率仅为16%。

而一旦整个垂直行业意识到AI与机器学习技术为其业务及日常运营带来的实际影响,这种差距很可能被快速拉平。至于如何拉平,我们不妨从以下三个角度进行考量。

数据赋能

在组织当中,哪些数据很具实用性往往是个难以解答的问题。人类需要处理的工作太多,当数据量增长至一定程度之后,人们会感到无能为力,而强大的洞见结论则被埋藏于其中。大多数企业的工具链中都缺少能够高效利用数据的工具,而AIaaS的出现恰好可以解决这个老大难问题。

拥有特定行业知识的AIaaS供应商非常清楚如何从数据当中提取出有意义的洞见,确保理赔员、项目经理以及财务顾问等群体更轻松地完成数据管理。以理赔员为例,他们可以利用AI型解决方案执行查询,借此预测理赔成本或者对海量理赔记录进行文本挖掘。

分层洞察以获取良好结果

根据组织需求将机器学习技术集成至业务系统中之后,我们就能逐步提取出有意义的洞见信息。继续以之前提到的理赔员为例,除了预测分析,他们还可以使用AIaaS快速完成其他日常工作。以往,我们只能根据保险服务商的评分做出判断;但现在,大家还能在AI技术的帮助下快速评估欺诈性索赔的可能性、影响真实情况成本的因素以及理赔时间周期等重要指标,在短时间内确定最适合处理索赔请求的保险服务商。在AIaaS的帮助下,理赔员只需要几秒钟就能完成整个判断与匹配流程。

而在文本挖掘的场景下,AI方案能够利用自然语言处理进行情感分析,利用机器学习技术持续监控非结构化数据。在此期间,机器学习模型的任务就是观察索赔人的感受变化,并判断是否需要及早求助于律师。在决策完成后,理赔员可以在AI系统的指导下立即采取行动,干预并防止索赔行为转化为司法诉讼。虽然这里提到的示例主要与保险理赔相关,但大家应该能够理解这种利用特定信息解决明确需求、从而改善垂直行业整体运作效果的基本思路。

即时协助,增强人类能力

数据就是力量,但以往我们只能通过大量手动操作才能发挥出这股力量。而通过如今的分层洞察能力,AIaaS将为人们提供即时获取全面视角的可能性。仍然以保险行业为例,理赔员、管理者以及执行人员只需要一次点击即可获取关于单一/多项索赔的生命周期、变化趋势等涵盖多种数据来源的全景视图。

AIaaS正当其时

AIaaS模式已经成为AI普及道路上的一块重要基石。以此为基础,机器强大的学习能力与不断自我完善的分析方式将帮助企业显著改进业务流程。而由专用算法收集到的知识,则可帮助企业即时掌握极具深度的分析见解,并逐步提升业务运营效率。最后,云计算的全面成熟也让这些洞见以极具资源效益的前提下快速传递、更新与扩展。

可以肯定,AIaaS已经成为发挥AI潜能、推动产业升级的重要途径。曾经的梦想如今已经照进现实,我们又有何理由不对这一切张开怀抱?

人工智能 技术 AIaaS
上一篇:“00”后大学生设计战“疫”机器人 下一篇:给新冠病毒分类 机器学习仅需几分钟
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

AI安全对抗中,只用一招轻松骗过五种神经网络

图像识别作为人工智能最成熟的应用领域,已经大规模落地并服务于人们的日常生活。但在大规模商业化的同时,也面临更多方面的威胁。

张鑫 ·  1天前
盘点人工智能十大经典应用领域、图解技术原理

本文通过案例分门别类地深入探讨人工智能的实际应用。案例甚多,此处所列举的仅是九牛一毛。本该按行业或业务对这些案例进行分类,但相反我选择按在行业或业务中最可能应用的顺序来分类。

Alex Castrounis ·  1天前
没有了传感器,工业机器人还能工作吗?

当前,人口红利下降、人力成本上升、人才结构矛盾等问题正在成为困扰制造业企业发展的难题。为解决用工问题,一些制造业企业开始发力智能制造,建设智慧工厂,通过引入工业机器人来解决用工短缺和成本上升问题。

佚名 ·  1天前
详解人工智能十大经典应用领域及其技术原理

本文通过案例分门别类地深入探讨人工智能的实际应用。案例甚多,此处所列举的仅是九牛一毛。本该按行业或业务对这些案例进行分类,但相反我选择按在行业或业务中最可能应用的顺序来分类。

华章科技 ·  1天前
目标驱动系统模式,能否成为实现人工通用智能(AGI)的关键?

组织开发AI方案时采取的一大核心模式,正是目标驱动型系统模式。与其他AI模式一样,这种形式的AI能够解决一系列原本需要人类认知能力才能处理的常见问题。

佚名 ·  1天前
机器学习的中流砥柱:用于模型构建的基础架构工具有哪些?

人工智能(AI)和机器学习(ML)已然“渗透”到了各行各业,企业们期待通过机器学习基础架构平台,以推动人工智能在业务中的利用。

读芯术 ·  2天前
后疫情时代的八大关键技术发展趋势

建立必要的基础架构以支持数字化世界并保持比较新的技术,这对于任何企业或国家在后疫情时代的世界中保持竞争力都至关重要。

Ahmed Banafa ·  2天前
从AI测温到安防机器人 智能安防会是新的“守门神”吗?

说起安防系统,很多人的脑海中会先冒出“监控摄像头”,“电子门禁”等字眼,而随着人工智能的加速发展,传统的安防系统短板也在逐渐暴露,越来越多的新功能开始被需要:人脸识别、车辆检测、夜间识别等等,而我们小时候幻想过的机器人站岗的场景,也正在逐渐变成现实……

王嘉陆 ·  2天前
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载