Արդյո՞ք AI-ն ավելի խելացի է, քան հինգ տարեկանը:

by Sep 29, 2022Բիզնես վերլուծություն, Բիզնեսի հետախուզություն0 մեկնաբանություններ

Ինչպես պարզվում է, այո, բայց հազիվ

AI-ն ամենուր է: Այս օրերին տանը AI-ի ամենատարածված վայրերից մեկը սմարթֆոնն է, խելացի տներն ու տեխնիկան: Վերջերս, երբ մենք նստեցինք ընթրիքի, մենք զրույց ունեցանք Alexa-ի հետ, որն այսպես ստացվեց.

MeAlexa, խաղացեք Cubs-ի կարևորագույն կետերը: [Սա մի առանձնահատկություն է, որը գովազդվում է Alexa-ի հիմնական էկրանին: Խնդրեք Alexa-ին խաղալ ձեր նախընտրած թիմի կարևորագույն իրադարձությունները:]

AlexaԵս ինչ-որ բան գտա համացանցում: [Ես գիտեմ, որ երբ Alexa-ն սկսում է այսպես, խնդիր կա: Լավ չի լինելու: Alexa-ն ցույց է տալիս մի քանի տեսանյութերի ցուցակ: Ճիշտ է, դրանցից շատերը բեյսբոլի տեսահոլովակներ են, որտեղ խաղացողները բացառիկ բեմադրություններ են կատարում վերջին 5 տարիների ընթացքում: Մեղքն իմն է. Կրկին փորձեք:]

MeAlexa, ցույց տուր ինձ ամենաուշերը Chicago Cubs բեյսբոլի վերջին խաղի համար: [Ես հուսով եմ, որ այն չի նկատի նվաստացուցիչ տոնը, քանի որ ես ընդունում եմ մեղքը, որ նա չի կարողանում հասկանալ իմ խնդրանքը:]

AlexaChicago Cubs խաղի կարևորագույն իրադարձությունները հասանելի կլինեն խաղի ավարտից երկու ժամ անց: [Առաջընթաց. Չէի պատկերացնում, որ նրանք կարող են հենց այս պահին խաղալ։ Բախտն իմ կողմն է: Հանկարծ հույս ունեմ.]

MeAlexa, լավ ցույց տուր ինձ երեկվա էֆֆինգային ակնարկները, ուրեմն: [Այո, իմ հիասթափությունը սկսում է դրսևորվել: Ես այնքան մոտ եմ կոդը կոտրելուն: Համարյա համտեսում եմ։]

AlexaԿներեք, ես չգիտեմ այդ մեկը: [Այն ասում է սա շատ հաճախ: Երևի ես պարզ չէի:]

Me: Դու ինձ ձեռ ես առնում? Նվագարկեք, վիդեո կարևորագույն ակնարկներ Չիկագո Քաբսի և Պիտսբուրգ Պիրեյթսի միջև բեյսբոլի գլխավոր լիգայի խաղի համար, որը տեղի կունենա երկուշաբթի, 25 թվականի հուլիսի 2022-ին, Wrigley Field-ում: [Այս անգամ ես վստահ եմ, որ հաջողվել եմ: Ես թքել եմ կոնկրետ, միանշանակ խնդրանք, որը հմտություն է, որը ես գիտեմ, որ Alexa-ն ունի: Դա արել է նախկինում: ]

alexa: [Լռություն. Ոչինչ։ Ոչ մի պատասխան. Ես մոռացել եմ ասել կախարդական արթնացման բառը՝ Alexa:]

The միջին IQ 18 տարեկանում մոտ 100 է: 6-ամյա մարդու միջին IQ-ն 55 է: Google AI IQ-ն գնահատվել է 47: Siri-ի IQ-ն գնահատվում է 24: Bing-ը և Baidu-ն 30-ականներին են: Ես չգտա Alexa-ի IQ-ի գնահատականը, բայց իմ փորձը շատ նման էր նախադպրոցական երեխայի հետ խոսելուն:

Ոմանք կարող են ասել, որ համակարգչին IQ թեստ տալն արդար չէ: Բայց, դա կատարյալ կետն է: AI-ի խոստումն է անել այն, ինչ անում են մարդիկ, միայն ավելի լավ: Առայժմ յուրաքանչյուր առճակատ, կամ, ասենք, նեյրոնային ցանցից նեյրոնային ցանց, մարտահրավեր շատ կենտրոնացված է եղել: Շախմատ խաղալ. Հիվանդության ախտորոշում. Կթող կովեր. Մեքենաներ վարելը. Ռոբոտը սովորաբար հաղթում է: Այն, ինչ ես ուզում եմ տեսնել, այն է, որ Ուոթսոնը կով կթում է մեքենա վարելիս և խաղում Jeopardy: Հիմա, Որ կլինի trifecta. Մարդիկ չեն կարող նույնիսկ իրենց ծխախոտը փնտրել մեքենա վարելիս՝ առանց վթարի ենթարկվելու:

AI-ի IQ-ն

Մեքենայի կողմից խորամանկված: Ես կասկածում եմ, որ ես մենակ չեմ: Ես սկսեցի մտածել, եթե սա նորագույն է, որքանո՞վ են դրանք խելացի: Կարո՞ղ ենք համեմատել մարդու խելքը մեքենայի հետ:

Գիտնականները գնահատում են համակարգերի սովորելու և տրամաբանելու կարողությունները: Մինչ այժմ սինթետիկ մարդիկ այնքան լավ չեն արել, որքան իրականը: Հետազոտողները օգտագործում են թերությունները` բացահայտելու բացթողումները, որպեսզի մենք ավելի լավ հասկանանք, թե որտեղ է անհրաժեշտ լրացուցիչ զարգացում և առաջընթաց:

Պարզապես որպեսզի դուք բաց չթողնեք կետը և մոռանաք, թե ինչ է ներկայացնում AI-ի «ես»-ը, շուկայավարներն այժմ ստեղծել են Smart AI տերմինը:

Արդյո՞ք AI-ն զգայուն է:

Արդյո՞ք ռոբոտները զգացմունքներ ունեն: Կարո՞ղ են համակարգիչները զգալ էլmotions? Ո՛չ։ Եկեք առաջ գնանք։ Եթե ​​դուք ցանկանում եք կարդալ Այս մասին Google-ի (նախկին) շարժիչներից մեկը պնդում է, որ AI մոդելը, որի վրա աշխատում է Google-ը, զգայուն է: Նա սահմռկեցուցիչ զրույց ունեցավ բոտի հետ, որը համոզեց նրան, որ համակարգիչը զգացմունքներ ունի: Համակարգիչը վախենում է իր կյանքի համար: Ես նույնիսկ չեմ կարող հավատալ, որ ես գրել եմ այդ նախադասությունը: Համակարգիչները վախենալու կյանք չունեն: Համակարգիչները չեն կարողանում մտածել. Ալգորիթմները չեն մտածում:

Այնուամենայնիվ, ես չեմ զարմանա, եթե համակարգիչը շատ մոտ ապագայում պատասխանի հրամանին. «Կներես, Դեյվ, ես չեմ կարող դա անել»:

Որտե՞ղ է AI-ն ձախողվում:

Կամ, ավելի ճիշտ, ինչու են AI նախագծերը ձախողվում: Նրանք ձախողվում են նույն պատճառներով, ինչ ՏՏ նախագծերը միշտ ձախողվել են: Նախագծերը ձախողվում են սխալ կառավարման կամ ժամանակի, շրջանակի կամ բյուջեի կառավարման ձախողման պատճառով:

  • Անհասկանալի կամ անորոշ տեսողություն: Վատ ռազմավարություն. Դուք կարող եք լսել, որ ղեկավարությունը ասում է. «Մենք պարզապես պետք է ստուգենք վանդակը»: Եթե ​​արժեքի առաջարկը չի կարող սահմանվել, նպատակն անհասկանալի է:
  • Անիրատեսական սպասումներ: Դա կարող է պայմանավորված լինել թյուրիմացությունների, վատ հաղորդակցության կամ անիրատեսական ժամանակացույցի պատճառով: Անիրատեսական ակնկալիքները կարող են առաջանալ նաև արհեստական ​​ինտելեկտի գործիքների հնարավորությունների և մեթոդաբանության ըմբռնումից:
  • Անընդունելի պահանջներ. Բիզնեսի պահանջները լավ սահմանված չեն: Հաջողության չափորոշիչները անհասկանալի են: Այս կատեգորիայի մեջ է նաև այն աշխատակիցների թերագնահատումը, ովքեր հասկանում են տվյալները:
  • Չբյուջեով չգնահատված ծրագրեր. Ծախսերը ամբողջությամբ և օբյեկտիվորեն չեն գնահատվել: Անսպասելի դեպքեր չեն ծրագրվել և չեն ակնկալվում: Չափազանց զբաղված անձնակազմի ժամանակի ներդրումը թերագնահատվել է:
  • Անկանխատեսելի հանգամանքներ. Այո, պատահականությունը տեղի է ունենում, բայց ես կարծում եմ, որ սա վատ պլանավորման տակ է:

Տես նաև մեր նախորդ գրառումը Վերլուծության և բիզնեսի հետախուզության մեջ ձախողման 12 պատճառ.

AI-ն այսօր շատ հզոր է և կարող է օգնել ընկերություններին հասնել հսկայական հաջողությունների: Երբ AI-ի նախաձեռնությունները ձախողվում են, ձախողումը գրեթե միշտ կարելի է գտնել վերը նշվածներից մեկում:

Որտեղ է AI Excel-ը:

AI-ն լավ է կարողանում կրկնվող, բարդ առաջադրանքներ կատարել: (Ազնիվ լինելու համար, այն կարող է նաև կատարել պարզ, չկրկնվող առաջադրանքներ: Բայց ավելի էժան կլիներ, որ ձեր նախադպրոցական տարիքը դա անի:) Լավ է գտնել օրինաչափություններ և հարաբերություններ, եթե դրանք կան, հսկայական քանակությամբ տվյալների մեջ:

  • AI-ն լավ է անում, երբ փնտրում է իրադարձություններ, որոնք չեն համապատասխանում կոնկրետ օրինաչափություններին:
    • Հայտնաբերելը վարկային քարտերի խարդախություն այն գործարքներ գտնելու մասին է, որոնք չեն հետևում օգտագործման օրինաչափություններին: Այն հակված է սխալվել զգուշությամբ: Ես զանգեր եմ ստացել իմ կրեդիտ քարտից չափազանց նախանձախնդիր ալգորիթմով, երբ ես Դալլասում բենզին էի լցնում իմ վարձակալած մեքենան, իսկ հետո Չիկագոյում իմ անձնական մեքենան լցնում էի: Դա օրինական էր, բայց բավական անսովոր դրոշակ ստանալու համար:

"Ամերիքան Էքսպրես քարտ վերամշակում է 1 տրիլիոն դոլարի գործարքներ և գործում է 110 մլն AmEx քարտ: Նրանք մեծապես հենվում են տվյալների վերլուծության և մեքենայական ուսուցման ալգորիթմների վրա, որոնք կօգնեն բացահայտել խարդախությունը գրեթե իրական ժամանակում՝ հետևաբար խնայելով միլիոնավոր կորուստներ»:

  • Դեղագործական խարդախություն և չարաշահում. Համակարգերը կարող են գտնել վարքի անսովոր օրինաչափություններ՝ հիմնված բազմաթիվ ծրագրավորված կանոնների վրա: Օրինակ, եթե հիվանդը նույն օրը տեսել է երեք տարբեր բժիշկների ամբողջ քաղաքում՝ ցավի նման գանգատներով, կարող է պահանջվել լրացուցիչ հետազոտություն՝ չարաշահումը բացառելու համար:
  • AI-ն Առողջապահություն ունեցել է մի քանի հիանալի հաջողություններ:
    • AI-ն և խորը ուսուցումը սովորեցրել են համեմատել ռենտգենյան ճառագայթները սովորական բացահայտումների հետ: Այն կարողացավ ուժեղացնել ռադիոլոգների աշխատանքը՝ նշելով շեղումները, որպեսզի ռադիոլոգը ստուգի:
  • AI-ն լավ է աշխատում սոցիալական և գնումներ. Պատճառներից մեկը, թե ինչու մենք դա այդքան շատ ենք տեսնում, այն է, որ ցածր ռիսկ կա: AI-ի սխալ լինելու և ծանր հետևանքների ռիսկը ցածր է:
    • Եթե ​​ձեզ դուր եկավ/գնեց սա, կարծում ենք ձեզ դուր կգա սա. Amazon-ից մինչև Netflix և YouTube, նրանք բոլորն օգտագործում են օրինակների ճանաչման ինչ-որ ձև: Instagram AI-ն ձեր փոխազդեցությունները համարում է ձեր հոսքը կենտրոնացնելու համար: Սա հակված է լավագույնս աշխատելու, եթե ալգորիթմը կարող է ձեր նախապատվությունները դնել մի դույլի կամ նմանատիպ ընտրություն կատարած այլ օգտվողների խմբի մեջ, կամ եթե ձեր հետաքրքրությունները նեղ են:
    • AI-ն որոշակի հաջողություն է ունեցել դեմքի ճանաչում. Facebook-ը նոր լուսանկարում կարողանում է նույնականացնել նախկինում պիտակված անձին։ Անվտանգության հետ կապված որոշ վաղ դեմքի ճանաչման համակարգեր խաբվեցին դիմակներով:
  • AI-ն հաջողություններ է ունեցել հողագործություն օգտագործելով մեքենայական ուսուցում, IoT սենսորներ և միացված համակարգեր:
    • AI-ն օգնեց խելացի տրակտորներ բույսերի և բերքահավաքի դաշտեր՝ բերքատվությունը առավելագույնի հասցնելու, պարարտանյութը նվազագույնի հասցնելու և սննդի արտադրության ծախսերը բարելավելու համար:
    • Եռաչափ քարտեզների տվյալների կետերով, հողի տվիչներով, դրոններով, եղանակային օրինաչափություններով, վերահսկվող Machine Learning գտնում է օրինաչափություններ մեծ տվյալների հավաքածուներում՝ կանխատեսելու մշակաբույսերի տնկման լավագույն ժամանակը և կանխատեսելու բերքատվությունը նախքան դրանք տնկելը:
    • Կաթնամթերքի ֆերմաներ Օգտագործեք արհեստական ​​ինտելեկտի ռոբոտներ՝ կովերն իրենք կթելու համար, արհեստական ​​ինտելեկտը և մեքենայական ուսուցումը նաև վերահսկում են կովի կենսական նշանները, ակտիվությունը, սննդի և ջրի ընդունումը՝ նրանց առողջ և գոհ պահելու համար:
    • AI-ի օգնությամբ, ֆերմեր որոնք բնակչության 2%-ից քիչ են կազմում ԱՄՆ-ի մնացած մասում 300 մլն.
    • Արհեստական ​​ինտելեկտը գյուղատնտեսության մեջ

Կան նաև AI-ի հիանալի պատմություններ հաջողություն սպասարկման ոլորտներում, մանրածախ առևտրում, լրատվամիջոցներում և արտադրությունում: AI-ն իսկապես ամենուր է:

AI-ի ուժեղ և թույլ կողմերը հակադրվում են

AI-ի ուժեղ և թույլ կողմերի հիմնավոր ըմբռնումը կարող է նպաստել ձեր AI նախաձեռնությունների հաջողությանը: Հիշեք նաև, որ աջակողմյան սյունակում առկա հնարավորությունները հնարավորություններ են: Սրանք այն ոլորտներն են, որոնցում ներկայումս առաջընթաց են գրանցում վաճառողներն ու անհաջող եզրեր որդեգրողները: Մենք կդիտարկենք այն հնարավորությունները, որոնք ներկայումս մարտահրավեր են նետում AI-ին մեկ տարի հետո և կփաստաթղթավորենք ձախ հերթափոխը: Եթե ​​ուշադիր ուսումնասիրեք հետևյալ աղյուսակը, ես չեմ զարմանա, եթե այս գրելու և հրապարակման ժամանակի միջև ինչ-որ տեղաշարժ լինի:

 

Արհեստական ​​ինտելեկտի ուժեղ և թույլ կողմերն այսօր

Ուժեղ

Թուլությունները

  • Բարդ տվյալների հավաքածուների վերլուծություն
  • Պայմանականություններ
  • Կանխատեսելի վերլուծություն
  • Վստահություն
  • Գրքի իմացություն
  • Կարող է ընդօրինակել վարպետներին
  • Արվեստ
  • Աշխատել ցուրտ, մութ սենյակում միայնակ
  • Զրույցներ
  • Ճանաչում, ըմբռնում
  • Տվյալների մեջ օրինաչափությունների որոնում
  • Կարևորության բացահայտում, համապատասխանության որոշում
  • Բնական լեզուների մշակումը
  • Լեզվի թարգմանությունը
  • Չի կարող թարգմանել այնքան լավ, որքան մարդը կամ ավելի լավ, քան մարդը
  • 5-րդ դասարանի մակարդակի արվեստ
  • Բնօրինակ, ստեղծագործական արվեստ
  • Գրավոր տեքստում սխալների հայտնաբերում և առաջարկություններ
  • Հեղինակել այն, ինչ արժե կարդալ
  • Մեքենայի թարգմանությունը
  • Կողմնակալություններ, ձեռքով անհրաժեշտ միջամտություն
  • Բարդ խաղեր խաղալ, ինչպիսիք են Jeopardy, Chess և Go
  • Հիմար սխալներ, ինչպիսիք են նույն սխալ պատասխանը կռահելը, ինչ նախորդ մասնակիցը, կամ պատահական քայլերը շփոթեցնելը, երբ հստակ խորը ընտրություն չկա, բավական արագ:
  • Պարզ կրկնվող առաջադրանքներ, ինչպիսիք են լվացքները ծալելը
  • Փորձված և ճշմարիտ ալգորիթմներ, որոնք կիրառվում են նեղ սահմանված խնդիրների համար
  • Fancy AI-ն համարվում է խելացի
  • Կանխատեսել ավելի լավ, քան պատահական գուշակությունը, նույնիսկ եթե ոչ բարձր վստահությամբ շատ դեպքերում
  • Բարդ հավանականական ալգորիթմների կիրառում հսկայական քանակությամբ տվյալների վրա
  • Հայտնաբերել խարդախության և չարաշահման օրինաչափությունները դեղատներում
  • Ինքնակառավարվող մեքենաներ, վակուումային ռոբոտներ, ավտոմատ խոտհնձիչներ
  • Կատարելով ոչ- ճակատագրական որոշումներ Ժամանակի 100%-ով զբաղվել անսպասելի իրադարձություններով: Ամբողջական ինքնավարություն; վարել մարդու մակարդակով.
  • Deep Fakes պատկերների և տեսանյութերի ստեղծում
  • Մեքենայի ուսուցում, մշակում
  • Ծրագրավորված ալգորիթմներ
  • Օբյեկտի ճանաչում
  • Մասնագիտացված, մեկ առաջադրանքի վրա հիմնված
  • Բազմակողմանիություն, բազմաթիվ տարբեր առաջադրանքներ կատարելու ունակություն

Ո՞րն է AI-ի ապագան:

Եթե ​​AI-ն ավելի խելացի լիներ, այն կարող էր կանխատեսել, թե ինչ է սպասվում ապագայում: Պարզ է, որ շատ են սխալ պատկերացումները այն մասին, թե ինչ կարող է և ինչ չի կարող անել AI-ն: Շատերը թյուր պատկերացումներ և AI անգրագիտություն տեխնոլոգիական մարքեթինգի արդյունք են՝ գերագնահատելով առկա հնարավորությունները: AI-ն տպավորիչ է այն բանի համար, ինչ կարող է անել այսօր: Ես կանխատեսում եմ, որ աջակողմյան սյունակի շատ թույլ կողմեր ​​կտեղափոխվեն ձախ և կդառնան ուժեղ կողմ առաջիկա 2 կամ 3 տարիների ընթացքում:

[Այս հոդվածն ավարտելուց հետո ես ներկայացրեցի նախորդ պարբերությունը OpenAI, բաց AI հարթակի լեզուների գեներատոր: Դուք կարող եք տեսել արվեստի մի մասը, որը ստեղծվել է իր DALL-E-ի կողմից: Ես ուզում էի իմանալ, թե ինչ է այն մտածում AI-ի ապագայի մասին: Ահա թե ինչ էր այն ասում. ]

AI-ի ապագան կապված չէ մի քանի սերվեր գնելու և ծրագրային ապահովման փաթեթի տեղադրման հետ: Խոսքը վերաբերում է ճիշտ մարդկանց գտնելու և աշխատանքի ընդունելու, ճիշտ թիմ ստեղծելու և ճիշտ ներդրումներ կատարելու ինչպես ապարատային, այնպես էլ ծրագրային ապահովման ոլորտում:

Առաջիկա մի քանի տարիների ընթացքում AI-ի որոշ պոտենցիալ հաջողություններ ներառում են.

  • Կանխատեսումների և առաջարկությունների ճշգրտության բարձրացում
  • Որոշումների կայացման գործընթացների բարելավում
  • Հետազոտության և զարգացման արագացում
  • Օգնում է ավտոմատացնել և օպտիմալացնել բիզնես գործընթացները

Այնուամենայնիվ, կան նաև AI-ի որոշ պոտենցիալ ձախողումներ, որոնց մասին բիզնեսները պետք է տեղյակ լինեն, ինչպիսիք են.

  • Արհեստական ​​ինտելեկտի վրա չափազանց մեծ վստահություն, որը հանգեցնում է ոչ օպտիմալ որոշումների
  • Արհեստական ​​ինտելեկտի աշխատանքի չհասկանալը հանգեցնում է չարաշահման
  • Տվյալների կողմնակալություն, որն օգտագործվում է արհեստական ​​ինտելեկտի մոդելների պատրաստման համար, ինչը հանգեցնում է ոչ ճշգրիտ արդյունքների
  • Անվտանգության և գաղտնիության մտահոգություններ՝ կապված AI մոդելների պատրաստման համար օգտագործվող տվյալների հետ

Այսպիսով, ի՞նչ է սա նշանակում AI-ում ներդրումներ կատարող բիզնեսների համար՝ իրենց ավանդական վերլուծությունները լրացնելու համար: Կարճ պատասխանն այն է, որ կարճ ճանապարհներ չկան: AI նախաձեռնությունների 85%-ը ձախողվում է. Հետաքրքիր է, որ սա նման է ավանդական ՏՏ և BI նախագծերի հետ կապված հաճախակի մեջբերվող վիճակագրությանը: Նույն քրտնաջան աշխատանքը, որը միշտ պահանջվել է, նախքան վերլուծականից արժեք ստանալը, դեռ պետք է կատարվի: Տեսլականը պետք է լինի, լինի իրատեսական և հասանելի։ Կեղտոտ աշխատանքը տվյալների պատրաստումն է, տվյալների վեճը և տվյալների մաքրումը: Սա միշտ պետք է արվի: AI ուսուցման ժամանակ, առավել եւս: Ներկայումս մարդկային միջամտության դյուրանցումներ չկան: Մարդկանցից դեռ պահանջվում է սահմանել ալգորիթմները: Մարդկանցից պահանջվում է բացահայտել «ճիշտ» պատասխանը:

Ամփոփելով, որպեսզի AI-ն հաջողակ լինի, մարդիկ պետք է.

  • Ստեղծել ենթակառուցվածքը. Սա, ըստ էության, սահմանում է այն սահմանները, որոնցում կաշխատի AI-ն: Խոսքը այն մասին է, թե արդյոք հիմնադրամը կարող է աջակցել չկառուցված տվյալների, բլոկչեյնի, IoT-ի, համապատասխան անվտանգության:
  • Աջակցել բացահայտմանը. Գտեք և որոշեք տվյալների հասանելիությունը: Արհեստական ​​ինտելեկտը վարժեցնելու համար տվյալները պետք է գոյություն ունենան և հասանելի լինեն:
  • Ընտրեք տվյալները. Տվյալների մեծ հավաքածուով և, հետևաբար, մեծ թվով պոտենցիալ արդյունքների առկայության դեպքում, տիրույթի փորձագետը կարող է պահանջվել գնահատելու արդյունքները: Կուրացումը կներառի նաև տվյալների համատեքստի վավերացում:

Տվյալների գիտնականներից արտահայտություն վերցնելու համար, որպեսզի ընկերությունները հաջողակ լինեն AI-ի հետ, որպեսզի կարողանան արժեք ավելացնել առկա վերլուծական հնարավորություններին, նրանք պետք է կարողանան առանձնացնել ազդանշանը աղմուկից, հաղորդագրությունը աղմուկից:

Յոթ տարի առաջ IBM-ի Ginni Rometty- ն ասաց մի բան, որ Watson Health [AI]-ը մեր լուսնի նկարն է: Այլ կերպ ասած, AI-ն՝ լուսնային վայրէջքի համարժեքը, ոգեշնչող, հասանելի, ձգվող նպատակ է: Չեմ կարծում, որ մենք վայրէջք ենք կատարել լուսնի վրա: Այնուամենայնիվ. IBM-ը և շատ այլ ընկերություններ շարունակում են աշխատել վերափոխիչ AI-ի նպատակի ուղղությամբ:

Եթե ​​AI-ն լուսին է, ապա լուսինը տեսանելի է և այն ավելի մոտ է, քան երբևէ եղել է:

Բիզնեսի հետախուզություն Ամպ
Ամպի 5 թաքնված ծախսեր
Ամպի 5 թաքնված ծախսեր

Ամպի 5 թաքնված ծախսեր

Երբ կազմակերպությունները բյուջետավորում են իրենց կազմակերպության համար ամպային ծառայությունների նոր ներդրման հետ կապված ծախսերը, նրանք հաճախ չեն կարողանում ճշգրիտ գնահատել թաքնված ծախսերը՝ կապված տվյալների և ծառայությունների տեղադրման և պահպանման հետ ամպում: Գիտելիք...

Կարդալ ավելին

Բիզնես վերլուծությունԲիզնեսի հետախուզություն Քլիկ
Շարունակական ինտեգրում Qlik Sense-ի համար
CI For Qlik Sense

CI For Qlik Sense

Արագաշարժ աշխատանքային հոսք Qlik Sense-ի համար Motio ավելի քան 15 տարի ղեկավարում է Անալիտիկ և բիզնես ինտելեկտի արագ զարգացման համար Continuous Integration-ի ընդունումը: Continuous Integration[1]-ը մեթոդաբանություն է, որը փոխառված է ծրագրային ապահովման մշակման արդյունաբերությունից...

Կարդալ ավելին

ԱմպCognos վերլուծությունMotioCI
Motio X IBM Cognos Analytics Cloud
Motio, Inc.-ն ապահովում է իրական ժամանակի տարբերակի կառավարում Cognos Analytics Cloud-ի համար

Motio, Inc.-ն ապահովում է իրական ժամանակի տարբերակի կառավարում Cognos Analytics Cloud-ի համար

ՊԼԱՆՈ, Տեխաս – 22 սեպտեմբերի 2022 թ. Motio, Inc.-ը՝ ծրագրային ապահովման ընկերությունը, որն օգնում է ձեզ պահպանել ձեր վերլուծական առավելությունը՝ բարելավելով ձեր բիզնես ինտելեկտը և վերլուծական ծրագրակազմը, այսօր հայտարարեց իր բոլոր MotioCI հավելվածներն այժմ լիովին աջակցում են Cognos...

Կարդալ ավելին

Բիզնես վերլուծությունԲիզնեսի հետախուզություն Ամսաթիվ
Տվյալների վրա հիմնված կազմակերպության նշանները

Տվյալների վրա հիմնված կազմակերպության նշանները

Տվյալների վրա հիմնված կազմակերպության առանձնահատկությունները Հարցեր բիզնեսները և թեկնածուները պետք է հարցնեն տվյալների մշակույթը գնահատելու համար, երբ դուք աշխատանք եք փնտրում, դուք բերում եք մի շարք հմտություններ և փորձ: Ապագա գործատուն գնահատում է՝ արդյոք դուք...

Կարդալ ավելին

Բիզնես վերլուծությունԲիզնեսի հետախուզություն Ամսաթիվ
Ինչպես ասել ձեր ղեկավարին, որ նրանք սխալ են (իհարկե տվյալների հետ)

Ինչպես ասել ձեր ղեկավարին, որ նրանք սխալ են (իհարկե տվյալների հետ)

Ինչպե՞ս կարող եք ասել ձեր ղեկավարին, որ նրանք սխալ են: Վաղ թե ուշ դուք կհամաձայնվեք ձեր մենեջերի հետ: Պատկերացրեք, որ դուք «տվյալների վրա հիմնված» ընկերությունում եք: Այն ունի 3 կամ 4 վերլուծական գործիքներ, որպեսզի կարողանա ճիշտ գործիք դնել խնդրի վրա: Սակայն տարօրինակն այն է, որ ձեր...

Կարդալ ավելին

Բիզնես վերլուծությունԲիզնեսի հետախուզություն Ամսաթիվ
Վերլուծություն Սուտ

Վերլուծություն Սուտ

Վերլուծության սուտը Վերլուծության կողմնակալությունը Մարկ Տվենը վիճելիորեն ասաց. «Կա երեք տեսակի սուտ՝ սուտ, անիծյալ սուտ և վերլուծություն»: Մենք ընդունում ենք, որ վերլուծությունը մեզ տալիս է օգտակար, գործնական պատկերացումներ: Այն, ինչ մենք հաճախ չենք գիտակցում, այն է, թե ինչպես է մեր...

Կարդալ ավելին