人工智能成功该以什么为标准

 tianxiadiyi   2019-07-11 13:17   10 人阅读  0 条评论

江苏快三在线计划网

 壳牌首席数据科学家Deval
Pandya表示,他相信与行业专家合作是人工智能成功的最重要标准之一。对该主题有深入了解的专家提供了独立学习工具难以独立分离的背景和细微差别。但他表示,专家领域以外的研究也有很大的好处。
Pandya是旧金山ReaWork应用人工智能峰会的人工智能工程师和数据科学家团队的成员。与会者还包括IT领导者优步和供应链提供商Fellow
Robots,他们分享了应用尖端人工智能解决业务问题的经验。
以下是专家对人工智能的成功标准的概述:
壳牌公司的数据摘要
由首席数据科学家Pandya领导的团队在壳牌公司非常重要:其使命是弄清楚如何使用数十万个传感器的数据来优化壳牌工厂的运营方式,包括碳氢化合物生产厂,发电。工厂,以及炼油厂。
Pandya说,预测性维护是一个具有挑战性的问题,因为传统的炼油厂可能有40,000个阀门。他的团队正致力于为建筑,运行,维护,再培训和评估创建预测性维护模型框架,并在必要时退出,以了解通过这些阀门收集的化学流量传感器数据。壳牌选择了C3.ai的平台,以减轻数据科学家和工程师大规模部署这些模型的负担。
其中一个挑战是使数据聚合和处理更接近其行为发生的位置,以减轻云计算负担,减少延迟并减少数据消耗。在云计算出现之前很久,能源行业一直在努力解决这个问题。
Pandya说他的第一个项目涉及处理地震图像,一个100平方公里的数据块可能需要10
TB到15
TB的数据。
Pandya估计,从所有井中收集的壳牌数据可能比YouTube视频数据的总和数量多10到15倍。
虽然Shell习惯于处理这类数据,但Pandya的团队正在努力寻找在边缘进行更多处理的方法。他估计数据中心大约有30%到40%的工作量可以在边缘处理。其目的是将数据解析为特定项目的最相关信息。
Pandya说,在为壳牌公司推行这一新的优势战略时,他偶然发现了其他行业的见解,这有助于简化开发流程。例如,他发现了一篇关于欺诈检测的论文,该论文描述了一种检测异常的新方法。这结果是对他的团队在设备上执行的预测性维护的高级分析。
这一发现使他确信了解其他可能试图解决类似问题的行业非常重要。
Pandya说:“在我们的案例中,它恰好是异常检测。各种行业在异常测试方面做了大量工作,银行和防欺诈行业可能更加成熟。“
成功的人工智能标准涉及Nvidia的新Jetson处理器
Fellow
Robots公司一直在开发各种应用在商店的机器人和数据收集设备,以改善库存检查,提供客户帮助,并绘制商店布局。尽管该公司没有像壳牌公司采用那么多的传感器,但它还需要找到最有效的方法来收集和分析远程生成的数据这包括用于确定机器人最佳移动速度的数据,影响图像采集和安全的指标;商店照明的数据,影响图像识别的指标;以及机器人可能与之交互的人员类型的数据(这会影响用户体验设计)。
Fellow
Robots公司人工智能工程师Jagadish
Mahendran说,“我们花了很多时间规划如何优化数据采集系统,以便算法可以利用我们正在读取的数据类型来概括不同的问题。”
马亨德兰表示,当该公司首次开始在商店中部署机器人时,他的团队向云端发送了如此多的数据,以至于处理时间变慢了。当时,马亨德兰听说其他公司使用的Nvidia公司的新特森处理器将人工智能处理转移到低端GPU上的边缘设备上。
该团队购买了一些开发板,马亨德兰开始探索可以在其上运行的算法的局限性。几个月后,他能够开发出一种新的算法,将本地处理时间缩短了大约25倍。
他说:“这正是我们当时想要的结果。”
马亨德兰说,在这样的人工智能项目中,成功的最重要标准之一就是让数据科学家与真正了解机器人将如何在商业环境中使用的专家合作,特别是机器人对客户的影响。通过协作,人们可以更容易地确定要收集的数据类型以及处理可以推送到边缘的数据的算法类型。
人类审查人工智能成功的要求
XX
壳牌的Pandya支持与主题专家合作的数据科学家的最佳实践,以确定需要哪些数据。壳牌的专家包括地球物理学家和维护工程师,他们帮助数据科学家识别需要优先考虑核电厂传感器的信号。
潘迪亚说,他的数据科学家团队可能会识别由传感器输入数据的各种组合创建的前200个机器学习模型功能。但是,实验室和工艺工程师有时会决定该算法应该关注另一个列表。
潘迪说:“你需要尝试将这两种方法结合起来。”
Pandya强调,虽然预测性维护算法可以通过优化维护计划来节省资金,但他们的建议需要由人进行审查。
他说,“真正的困难在于误报的代价是巨大的。”
如果信用卡公司将可疑交易标记为误报,则可能给客户带来不便。如果壳牌公司关闭炼油厂以在不需要时修理某些设备,则可能会损失数百万美元。
他补充道,“但是,不及时修理机器的另一个选择可能更糟。各方必须沟通何时以及如何应用人工智能。”
跨团队沟通
事实上,在应用人工智能时,人们可能比使用其他技术更难以导航。潘迪亚说,他普遍认为这项技术已经足够成熟,能够开展实际工作,但将人们聚集在一起也需要大量的情商。
Pandya问道,“你如何让一位炼油厂设备工程师30多年来一直致力于考虑采用这项技术?”
例如,其团队的一些应用人工智能的工作受到前线工程师的欢迎。与此同时,该公司了解开发更好的算法可以从根本上改变他们的工作方式。
他说,“但我们必须对如何继续实现这一目标持谨慎态度。”
Pandya说,在人工智能方面,他还必须弄清楚如何引进人才,不仅要有机器学习技能,还要有一些学科经验,以便他的团队可以与各种专家沟通。
壳牌团队由通常与机器学习工程师合作的产品所有者组成。产品团队中的一些不同类型的主题专家包括过程工程师,实验室工程师,钻井设备工程师和经济学家,他们可能参与项目以开发更好的人工智能以进行预测性维护或优化操作。
这种可衡量的,包容性的方法有效地培养了业务部门的积极性,因此,他的团队现在对新项目的要求比延迟更为积极。
优步的新网络是人工智能成功的关键
优步的高级数据科学家郑怀秀使用机器学习,他表示,优步的人工智能研究人员实际上在改善整个公司的团队和流程之间的沟通方面发挥了作用。
他说,“成功的人工智能通常可以与不同的群体进行沟通。”
这是传统软件工程的巨大转变,设计师或项目经理将创建一个概念,软件工程师将执行他们的订单。现在,另一位参与者加入进来,将人工智能算法引入软件工程系统,并作为各方的桥梁。
“对于我们在人工智能领域工作的所有人来说,这是一个巨大的挑战和机遇,”他说。
例如,优步在解决客户投诉方面有一个笨拙的过程。当客户对驾驶员不满意时,他们进行通信,费用高于预期或物品丢失。
他说,“每个人都在做决定,这对客户来说非常麻烦,对公司来说效率不高。”
因此,人工智能开发团队与客户解决方案专家合作,找出可以自动解决哪些类型的请求。
他说,“这些谈话在项目的早期阶段非常强大。”

江苏快三计划

本文地址:https://www.e-jia.net/post/82.html
版权声明:本文为原创文章,版权归 tianxiadiyi 所有,欢迎分享本文,转载请保留出处!

评论已关闭!