لى شان تانغ شو تم تجميعها من متوسط إنتاج و qubit | عدد ملفه QbitAI

الكاتب هو الرئيس التنفيذي للاستثمار ديفيد Kelnar ومدير الأبحاث في MMC المشاريع. MMC المشاريع هي واحدة من شركة رأس المال الاستثماري الأكثر نشاطا في المملكة المتحدة التي تركز على الصناعات المعتمدة على التكنولوجيا، وخاصة الخدمات المالية والتجارية، والبرمجيات التجارية، والإعلام الرقمي والتجارة الإلكترونية.

توضح هذه المقالة MMC إطار الاستثمار مشاريع لمفهوم حتى آلة الساخنة شركة التعلم، تفاصيل 17 نوعا من العوامل الأساسية في الاعتبار عندما يستثمرون في هذه الشركات.

ويمكن تقسيم هذه العوامل إلى خلق القيمة، تحقيق القيمة والدفاع من ثلاثة أجزاء، "خلق القيمة" على وجه التحديد بما في ذلك قيمة الإصدار، هدامة، تطبيق، "تحقيق القيمة" من فريق الإدارة بما في ذلك القدرات التجارية، وعودة قابلة للقياس على الاستثمار معدل، والتدرجية، ونشر وهلم جرا؛ "الدفاع" بما في ذلك المسافة بين عمالقة، ومدى تعقيد هذا المجال، مثل القدرة على خلق تأثيرات الشبكة.

ديفيد Kelnar التالية التي تم تجميعها من الأصلي نشر في المتوسطة:

الذكاء الاصطناعي - على وجه التحديد، أن تعلم الآلة - هي قوية "تقنيات التمكين"، وهو ما يمثل التحول الشامل من قدرات البرنامج. ولكن كمستثمر، وكيفية تقييم تلك الشركات إلى برامج تعلم آلة كقيمة اقتراح جوهرها؟ وسوف أعرض إطار التعلم لدينا آلة للاستثمار في هذه المقالة.

يلتقط الإطار لدينا 17 عوامل النجاح في وقت مبكر لشركة آلة التعلم. بسبب عوائد كبيرة من خلق قيمة الشركة، وتحقيق قيمة وإمكانات فعالة في ثلاثة مجالات الدفاع، ولذا فإننا سوف تكون عوامل النجاح المدرجة في هذه الفئات الثلاث. إذا كنت تستخدم طريقة أخرى من التصنيف، وهذه العوامل 17 يمكن أن تصنف على أنها الاستراتيجي والتقني، والبيانات، والأفراد ورأس المال والقدرة على تنفيذ 6. عند الاتصال مع شركة التعلم الآلي، وسنشير في هذا الإطار، ولكن لا يلتزم بذلك. وبالإضافة إلى ذلك، فإنه يوفر أيضا مخططا بالنسبة لنا، حتى نتمكن من تقديم دعم للاستثمار الشركة الخاصة في تعلم الآلة.

المشاريع MMC تعلم إطار استثمارات الشركة لآلة تطبيق المنحى

 عوامل النجاح التطبيقية الشركة آلة التعلم ل

ويركز إطار عملنا على "تطبيق" آلة شركة التعلم - والتي تمثل 85 من الشركات المبتدئة، التي توجه حلول لمناطق محددة أو وظائف وضعت من قبل آلة التعلم. و، للأغراض العامة عوامل النجاح الجهاز المطور الأساسية لتكنولوجيا في مجال التعلم مختلفة.

وبالإضافة إلى الشركات المبتدئة المعتادة لتقييم العوامل علينا أن ننظر في عوامل إضافية عند تقييم تعلم آلة الشركة، بالإضافة إلى العوامل التقليدية تحتاج إلى بعض التركيز إضافية. هذه العوامل الإضافية (بما في ذلك تعلم الآلة هي مناسبة لحل مشكلة، ونطاق الآثار الشبكة من خلال البيانات التي تم الحصول عليها) يمكن أن تعكس خصائص التعلم الآلي.

ونحن نؤكد وجهة النظر التقليدية (مثل العائد على الاستثمار يمكن أن يكون كميا وفريق إدارة القدرات التجارية)، فإنه يعكس ملاحظتنا عند 90 شركات المبتدئة البريطانية للتعلم آلة لتلبية ديناميات السوق للتعلم الآلة. لا توجد أي شركة يمكن أن تؤدي بشكل جيد في جميع المجالات، والأهمية النسبية للعوامل النجاح هي أيضا مختلفة.

خلق القيمة

آلة التعلم إمكانيات الشركة لخلق قيمة هائلة كم؟ ونحن نعتبر ستة القوة الدافعة لخلق القيمة. منها ثلاثة (قيمة الإصدار، الجدوى ودرجة بدائل التخريب) تؤثر على أنظمة العمل، والثلاثة الأخرى (انطباق تعلم الآلة، وأفضل من مسار الأداء البشري ومجموعات البيانات المناسبة) والجدوى الفنية .

1. القيمة للإفراج عنهم

من خلال التنبؤ نجاح أو أتمتة العملية، إلى أي مدى يمكن للشركة مساعدة العملاء على خلق عائدات أو وفورات في التكاليف لفتح قيمة النظام التجاري؟ نحن تقييم قدرة مقدم للعملاء لخلق الإيرادات من خلال:

تعزيز معدل التحويل، والغلة، والقدرة على الإنتاج، والأسعار، أو يمكن أن مؤشرات أخرى تدفع مباشرة نمو الإيرادات.

للحد من زبد من خلال تحسين تجربة العملاء - ميزة تأخذ أكثر شخصية، وخدمة أفضل للعملاء، وانخفاض الاحتكاك أو أقوى ولاء العملاء.

خلق فرص جديدة للدخل - العثور على عملاء جدد، وزيادة ما يصل بيع أو عبر بيع الفرص، أو لتعزيز فرص جديدة في السوق.

ونحن نعتبر أيضا قدرة مزود للحد من تكاليف والمشترين من خلال ما يلي:

عن طريق تحسين كفاءة التنبؤ والكفاءة العملية وأتمتة عملية للحد من الاسراف في الانفاق، وشراء المفرط أو الاحتياجات من الموارد الأساسية.

الحد من التسرب الاقتصادي من خلال تحسين الامتثال وغيرها من الوسائل.

2. مدى التخريب

بالإضافة إلى تأثير على المدى القصير، ونحن نعتبر أيضا مدى لتخريب شركة للتعلم آلة (لجذب المستخدمين الجدد لاستخدام الخدمة) ودرجة الأمثل (للمستخدمين الحاليين لتبسيط هذه العملية).

الذكاء الاصطناعي مساعد شخصي، على سبيل المثال. على الرغم من أن مساعد الذكاء الاصطناعي فيما يتعلق البشر، ويمكن تحمل سوى جزء صغير من هذه المهمة، ولكنها يمكن جدولة اجتماع لمستخدمي الأعمال تلقائيا. وفقا ل PayScale، ومتوسط الراتب السنوي للبشرية متناول مساعد 25،000، العديد من الشركات الصغيرة والمتوسطة لا يستطيعون مساعد شخصي. مساعد الذكاء الاصطناعي ينطبق على الشركات من جميع الأحجام، يمكن أن تخلق قيمة من خلال توسيع السوق المستهدفة.

عدد قليل من الشركات لديها التخريبية، تخريبية والشركات لا يلزم قد يكون لها أيضا نداء. لكن الشركات قد تكون قادرة على تخريب الوضع الراهن يمكن أن تخلق الانتاج الزائد عن طريق نطاق واسع.

3. ليس هناك بديلا جذابا

عندما التكاليف والجدوى الاقتصادية لبدائل مساحة محدودة لخلق قيمة أكبر. في بعض الحالات جذابة، لأن الذكاء الاصطناعي يمكن أن يحقق الأشياء التي لا يمكن أن يتحقق من قبل، حتى لا يكون هناك أي بديل عملي. في معظم الحالات، ونحن يمكن أن تساعد على الاستثمار بشكل كاف في الموارد البشرية أو غيرها لإيجاد حلول بديلة. عندما بديل الشركة على التكلفة العالية، نادرة جدا، لا يمكن الحصول على أو تمديد، وخلق قيمة مساحة أهمية خاصة.

العمل غالبا ما تكون البدائل الرقمية المباشرة، وأيضا البديل أغلى. 4 الغالبية العظمى من تعلم آلة صناعة الشركات البريطانية البدء المعنية، وهو أعلى راتب سنوي المالية وتكنولوجيا المعلومات والمرافق ثلاثة قطاعات. ونحن نعتقد أن هناك المزيد من الفرص للخدمات المهنية.

 الراتب السنوي الصناعة عن طريق موظف تصنيف الفئة

4. انطباق آلة التعلم

كيف تتحدى مباراة التعلم الآلي والمؤسسات وجهه اليوم؟ تعلم الآلة هو مناسب جدا لحل شاقة، المشاكل المعقدة غموضا:

ويشير مسألة شاقة للإنسان يمكن أن يكون المختصة، ولكن أيضا يمكن أن تحل المشكلة من إعداد البرنامج إلى برنامج كمبيوتر، ولكن من غير العملي للقيام بذلك.

ويشير مسألة معقدة للإنسان يمكن أن تكون مختصة، ولكنك تريد هذه القدرة على برامج الحاسوب إرسال صعبة للغاية. اعتراف الهدف من ذلك هو مشكلة معقدة. الناس جيدة في تحديد السيارات، ولكن لا يمكن كتابة مجموعة فعالة من القواعد لهذه المهمة.

ويشير السؤال المبهم لمهمة عجز الإنسان. في هذه المناطق، والبشر لا يمكن أن تكون معتمدة من قبل طريقة التنبؤ لوضع علامات على المحرك أو البيانات التنظيمية. مع الشبكات العصبية، التعلم العميق هو جيد جدا في التعامل مع هذه المسألة غامضة، لأن الشبكة العصبية يمكن تحديد المعلمات إلى أن يكون الأمثل.

تعلم الآلة ليست مناسبة من أجل حل المشاكل والمشاكل السببية الاستدلال بلا حدود.

آلة الخوارزميات إلى البيانات التي تم الحصول عليها لا يمكن تجاوز ذلك لاستيعاب المعرفة التعلم. وقد استخدمت انستاسيا Fedyk مثالا حيا من 1990s أكد هذه الصعوبة: في ذلك الوقت، استخدم الباحثون في جامعة بيتسبرغ لتقييم بعض التنبؤ الالتهاب الرئوي وفيات خوارزميات تعلم الآلة. "المشورة هذه الخوارزميات الطبيب للمرضى الالتهاب الرئوي الذين يعانون من الربو في حين المنزل مرة أخرى، ويعتقدون ان لديهم انخفاض الالتهاب الرئوي وفيات. وقد تبين أن مجموعة البيانات المتاحة للخوارزمية لا تعتبر مرضى الربو هرعت على الفور إلى وحدة العناية المركزة، فإنها السبب في تحسن حالة، وذلك ببساطة بسبب الاهتمام الزائد المستشفى ". فقط في حل قضية الاستقلال، آلة تعلم العزف على أثر.

ثانيا، تعلم الآلة هو مناسب جدا لحل المشكلة الرئيسية الاستدلال السببي. تعلم الآلة يمكن أن تصف العلاقة بين عناصر مختلفة من البيانات، ولكن لا يمكن إقامة علاقة سببية بينهما. إذا كان المستقبل ليس مثل الماضي، والأنماط السابقة لا تعكس واقع جديد، تعلم الآلة ليست جيدة على التنبؤ هذه المشاكل.

5. مسار العرض

تعلم الآلة قد لا تكون 100 ويمكن فعالة قيمة اللعب. من الناحية العملية، والحلول آلة دليل التعلم تحتاج فقط لتقديم أداء مماثل للإنسان (ويفضل أفضل من البشر)، ونحن سوف تكون قادرة على أتمتة وتوسيع نطاق الإنتاج. ولذلك، عند تقييم أداء آلة محددة التعلم بدعم من التكنولوجيا، لتقييم المدى المتوسط والطويل ينبغي - أفضل من أفضل الأداء البشري - من أجل قيمة فتح.

مستوى الأداء البشري قد يكون أقل من خيالنا. وفقا للإدارة الأمريكية الوطنية لسلامة المرور على الطرق السريعة، فإن الولايات المتحدة وتستمد 94 في المئة من حوادث السيارات من الخطأ البشري. لا تحتاج السيارات بدون سائق 100 سلامة يمكن أن تثبت القيمة: تماما مثل البشر تحقيق في أو فوق مستوى البشر يمكن أن يكون، والسائقين الأمريكية المستوى الحالي من كل 100 مليون ميل الأميال 1.25 شخصا لقوا حتفهم. (وبطبيعة الحال، في الواقع، ثقة المشتري التكنولوجيا هي شروط أخرى لشعبيته - في بعض المناطق، لحمل الناس على قبول هذه التقنيات تحتاج أيضا لتلبية أعلى المعايير، بما في ذلك من دون طيار سيارة. وسوف تناقش هذا أدناه).

6. بيانات مناسبة

دع آلة التعلم لخلق القيمة، ونحن بحاجة إلى تدريبهم من قبل البيانات المناسبة. سنقوم بتقييم الشركة يمكن الحصول على البيانات الصحيحة إلى أي مدى. تجهيز البيانات اثنين مراحل سنقوم خلفية تعلم آلة لقياس مدى توافر البيانات:

اختر: توافر البيانات، ما إذا كانت هناك فجوات البيانات والنسخ، علامات البيانات النوعية ومنحازة البيانات؛

تجهيز: تجزئة البيانات، والبيانات تنظيف المتطلبات؛ البيانات أخذ العينات المتطلبات؛ تحويل البيانات، والتحلل ومتطلبات البلمرة.

ونحن أيضا قياس القدرة على الحفاظ على قيمة مجموعة البيانات. إذا كان يمكنك استخدام البيانات التاريخية لاختبار وتحسين نسخة جديدة من مجموعة متنوعة من الخوارزميات، ومجموعات البيانات تكون قادرة على الحفاظ على القيمة. ولكن هذا ليس هو الحال دائما. إذا تحسنت شركة chatbot الخوارزمية، فإنه يوفر والمطالبات للمستخدم أن يكون مختلفا عن الماضي. إذا كانت التغييرات الروبوت دردشة المطالبة، ردا على محتوى المستخدم كما أنها عرضة للتغيير.

نظرا لمجموعات البيانات استجابة ضخمة للمستخدم والخوارزميات تم فصله، حتى لا صلة لها بالموضوع، والبيانات التاريخية للشركة وأيضا فائدة محدودة جدا. يمكنك مقارنة ذلك مع شركة مكافحة الغش. وهناك مجموعة من الخوارزميات يمكن استخدامها لاختبار مجموعات البيانات نشاط العملاء التاريخية، من أجل فهم ما إذا كانت دقة الخوارزمية قد تحسن.

قيمة تحقيق

الشركات التي لديها إمكانات جذابة لخلق القيمة. ولكن القيمة يمكن تحقيق ذلك؟ في تجربتنا، وهناك خمسة عوامل التي توجه الشركة لتعلم الآلة مهم جدا. أول (فريق إدارة القدرات التجارية) والأفراد ذوي الصلة. التالي ثلاثة مشاريع (العودة قابلة للقياس على الاستثمار، والمشترين على استعداد مسؤولي الولاية حميدة) وقبول أنظمة العمل ذات الصلة. آخر واحد (قابلية الانتشار) وما يتصل بها من استراتيجيات دخول السوق.

1. قدرة فريق إدارة الأعمال

العديد من مؤسس الشركة تعلم آلة لديها القوة التقنية من الدرجة الأولى. ولكن من الناحية التجارية الشم ويلعب دورا هاما في النجاح على المدى الطويل من العمل، بل وأكثر من أهمية القوة التقنية. معظم شركات البرمجيات B2B عاجلا أم آجلا انشاء فريق البيع المباشر - فقط مؤسس المبادرة على العثور على عمل، من أجل توسيع نطاق حقا.

مؤسس ديه رغبة رجال الأعمال التفكير للشركات الكبيرة، ونحن مستعدون لاحتضان السوق، ولكن أيضا لديها القدرة على تشكيل فريق مبيعات قوية. يمكن للمستثمرين تقديم مزيد من المساعدة - زميلي جون كوكر وسيمون Menashy لديه خبرة لائقة في المساعدة على اقامة وتوسيع العلاقات مع مؤسس فريق المبيعات الجانب - ولكن إذا يقتصر مؤسس الطاقة التجارية، فإنها لا تستطيع أن تفعل أي شيء.

2. العائد على الاستثمار للقياس الكمي

إذا كان البرنامج يحتوي على عودة قابلة للقياس على الاستثمار، وغالبا ما تكون أكثر احتمالا أن تكون مقبولة في السوق B2B، وتقصير دورة المبيعات، سيتم تخفيض تكاليف التعليم العملاء. في المبيعات وظائف التسويق في زيادة معدل التحويل المبيعات يمكن تقييمها بسهولة. في القطاع المالي، وزيادة التداول الأرباح هو أيضا واضحة جدا. في المملكة المتحدة، ومعظم رجال الأعمال يرون أنفسهم استهدفت يمكن للمناطق تثبت ROI:

الخدمات في وظائف التسويق والإعلان للتعلم الآلة الشركات المبتدئة منها في المناطق الأخرى - حوالي 20 من إجمالي UK.

وتتركز معظم النشاط التجاري في القطاع المالي (حوالي 8 في أوائل شركة التعلم الآلي).

3. المشتري حالة استعداد

عادة وضع استعداد يمكن تقييم المشترين في شكل من أشكال القمع: الوعي، وفهم، والأفضليات، ومن المؤكد أن شراء. الشركات آلة التعلم:

ونحن على "استعداد" كمرحلة في قمع وأضيف. تقييم الجاهزية هو ما إذا كان المشتري لديه الحق، ومجموعة بيانات يمكن الحصول على التدريب اللازم وخوارزمية الانتشار، وما إذا كنت تريد الحصول على دعم من المنظمة، من أجل تعزيز أو تخريب الموجودة سير العمل حلول باستخدام الذكاء الاصطناعي لالتمهيد.

في مرحلة "الحب"، ونحن نعتبر أن قضايا الثقة والسيطرة. الثقة هي الاعتقاد بأن الحل في حالة الأداء البشري تدخل محدودة فقط. قبول معيار من تنوعا؛ تأخذ السفر سائق السيارة، وكذلك تعلم تشخيص المرض، تتطلب آلات ثقة عالية جدا. وصف سيطرة أنه حتى في ثقة عالية جدا في النظام، ورغبة من التدخل البشري في النظام أو العملية. قد تكون محدودة قيمة الإصدار، اعتماد وقابلية لبيئة معينة، تحتاج هذه البيئات للحفاظ على السيطرة البشرية العالية.

4. تنظيم حميدة

تميل تعلم الآلة لديها "الصندوق الأسود" الميزة. وقال نيلس Lenke فارق بسيط: "إن آلية داخلية ليست واضحة جدا - إجراء الشبكات العصبية التنظيم الذاتي، فإنه في الحقيقة سوف تنظم بنفسها: قد لا اقول لكم عملية محددة."

ولذلك، فإننا سوف تنظر فيما إذا كان جهاز مقدمي تعلم تواجه تحديات تنظيمية في الشفافية. الحاجة إلى فهم أو تفسير مجموعة من آلة التعلم للتنبؤ أو حل مخطط قرار المقدمة؟

في المملكة المتحدة، ضرورة أن تكون وصلت عقد الرهن منظم "للخدمات المالية وقانون الأسواق" (الخدمات والأسواق المالية ل) من. "كتاب القواعد الرهن العقاري والإقراض ممارسات المؤسسة" (والسلوك الرهن العقاري من الأعمال الدليل الإرشادي) بيان القسم 11.6.2، إلا أنه يمكن إثبات أن العميل يمكن أن العقد، أو لا يمكن الوصول الى اتفاق. واذا كان المقرض "الصندوق الاسود" التعلم العميق خوارزمية لتحديد القوة المسؤولة عن المستخدم، ويمكن تطبيقها على أرض الواقع؟

المخاطر التنظيمية مبالغ فيه. ذكرت وسائل الاعلام على نطاق واسع أن الاتحاد الأوروبي الجديد لوضع "أحكام حماية البيانات العامة" (حماية البيانات من اللائحة العامة)، فإن هذا الحكم يصبح القانون في جميع أنحاء الاتحاد الأوروبي في عام 2018. وأنشأ "التفسير"، وهذا هو، يمكن للمستخدم تطلب من الشركات ذات على خوارزميات لإعطاء تفسيرا لالقرارات التي يتخذونها.

مجموعة البيانات هو في الواقع أكثر عرضة لليعني أن "الحق في إعلام"، وهذا هو، وشركات بوضع خوارزمية فقط عملية صنع القرار واستخدام العام لها - الحالة الفعلية ليست واضحة جدا. ومع ذلك، فإن القرار لا تولي مزيدا من الاهتمام لاتجاه الشفافية والتحيز المحتمل. أصدر مكتب البيت الأبيض للسياسة العلوم والتكنولوجيا 2016 "إعداد للمستقبل من تقرير الذكاء الاصطناعي"، ويخلص التقرير، "يجب على الباحثين معرفة كيفية تصميم هذه الأنظمة بحيث أعمالهم والقرارات على البشر البشري شفافة، ويمكن بسهولة أن تفسر. "

في وظائف محددة من مبيعات B2B، التسويق والأعمال الاستخباراتية، وما إلى ذلك، لا يمكن اعتبار التفسيرية قد يكون تحديا. ولكن في مناطق أخرى - بما في ذلك الموارد البشرية، والامتثال والاحتيال - يمكن أن يكون هناك تحدي، في المقام الأول من وجهة النظر القانونية والعملية.

وبالمثل، فإن بعض المناطق (الخدمات المالية) يتعين على الشركات أن تلتزم بقواعد أكثر من غيرها. في تقييم الشركة تعلم الآلة، ونحن نريد أن نفهم الأعمال الآن وفي المستقبل قد يواجه مقاومة التنظيمية، وخيارات ردهم.

قابلية نشر

آلة تعلم برنامج لتوجيه معدل توسع الشركة قد تكون محدودة لأنه من الصعب على نشر.

يمكن متطلبات تكامل البيانات تكون واسعة النطاق. والاندماج والتكامل والعزلة المتبادلة مجموعات البيانات تنقية العملاء، والحد من الوقت للقيمة.

البرنامج يمكن أن يكون الطلب كبيرا على الموارد، ويحد من إمكانية الحصول على عملاء جدد وتعزيز الربحية. كان لدينا الكثير من شركات الاتصالات تعلم الآلة يكون ثلث أعضاء الفريق المشاركين في النشر. وقال واحد منهم لنا، لأن كل العملاء ومتطلبات الموظفين، وذلك "حتى لو كان لدينا المزيد من الطلبات إلى التعامل معها، ولكن."

بينما في عمق علاقات العملاء يمكن أن تزيد الحساسية العملاء، وتنشئة المزيد من فرص المبيعات، ولكن سوف تكون قادرة على تقليل متطلبات النشر، بأتمتة جمع البيانات، وتنسيق ونشر شركة الآلة التعلم التي يمكن أن تفعل على نطاق واسع بشكل أسرع .

الدفاع

مع تدفق المنافسين، وهذه آلة يحركها الشركة تعلم لحراسة مدى قيمة خلقه الخاص للعيش ذلك؟ على الدفاع، ركزنا بشكل أساسي على ستة: المسافة، وتعقيد الميدان ودرجة المهنية ذات الصلة بين عمالقة الصناعة، من خلال القدرة على خلق البيانات والملكية الآثار شبكة الخوارزميات، والقدرة على جذب المواهب عالية الجودة والقدرة على استخدام أسلحة العاصمة .

1. المسافة بين عمالقة الصناعة

في هذا المجال، جوجل، والأمازون، IBM ومايكروسوفت (القصير استخدام GAIM) تقدم خدمات التعلم الآلي القائم على سحابة، والتي تشمل رؤية الكمبيوتر بمعنى والصوت والنص معالجة واسعة، وقدرتها وحجمها، والإرادة نطاق الاستمرار في التوسع. في الآونة الأخيرة، وقد تم تمديد القدرات التقنية جوجل في رؤية الكمبيوتر إلى فئة الفيديو، وفتحت API لتوفير ذكي تحديد كيان الفيديو الفيديو، وفهرسة والبحث القدرات. في حالة أعماق العقل يحظى بدعم قوي من تكنولوجيا التعلم آلة متطورة جوجل سوف يكون في نهاية المطاف قادرة على تغطية مجموعة واسعة جدا من الخدمات.

GAIM عالية الأداء، وخدمات التعلم آلة للأغراض العامة منخفضة التكلفة تطغى كل شيء - باستثناء جزء في مناطق معينة من الأكثر خبرة، والقيام أفضل المنافسين.

إذا كانت الشركة توفر آلة خدمة التعلم المناطق الكفاءات الأساسية بعيدا عن GAIM، ثم سيكون لديهم أيضا "الدفاع". أقوى معايير للحكم على هذه المسافة، واحدة الحقل العمودي درجة، والثاني هو تطوير تكنولوجيا خارج مجال واسع من رؤية الكمبيوتر ولغة الكمبيوتر - في الممارسة العملية، يعني ذلك أن الشركات الأخرى يجب أن يكون مختلفا عن GAIM المشترك، حلول وظيفة محددة تستند، الحلول الحقل العمودية معينة. حاليا، لا تزال تقتصر طموحات الأربعة الكبار في مجال العمودي إلى حد كبير على الرعاية الصحية والنقل، وعلى الرغم من أن مستقبلهم هو أيضا عرضة لاختبار المناطق ذات الصلة بالمياه من أعمالهم.

من الحرف اليدوية لصناعة القانونية، والزراعة، والتعلم في وقت مبكر الشركات آلة لديها الفرصة لتعزيز هذه الأشكال، وحتى إعادة تشكيل صناعة الأمام. GAIM حاليا أنها ليست مهتمة، والتنافس مع الآخرين، كما أنها تفتقر إلى القوة بيانات كافية ومجالات الخبرة.

2. تعقيد الحقل

المسافة على ارض الملعب والصناعة يمكن أن تتنافس مع GAIM الحد الأدنى، وشركة الكهرباء آلة التعلم في هذا المجال ينتمي قادرة على توفير مزيد من الحماية لأنفسهم في المنافسة التجارية.

المجالات المعقدة، بما في ذلك تلك المناطق هي التحديات التقنية معقدة للغاية وتتطلب الكثير من الخبرة الصناعة، ومتطلبات إدارة دقيقة أو يواجهون. حدد مجالات معقدة من وسائل العمل لتحمل عبء أثقل. الطريق الصعب، ولكن مرة واحدة هو حقا على الشاطئ، فإن هذه الشركات سوف تكون قادرة على احتلال موقع دفاعي أكثر مواتاة. في معظم الأعمال جذابة، وهناك دائما من هم في مناطق معينة من التعقيد، وأيضا أن القدرة على الحصول على هذه الصعوبات و.

3. القدرة على خلق تأثيرات الشبكة من خلال البيانات

يمكن الحصول على المجالات الشخصية والحصرية من شركة جمع البيانات سيكون هناك المزيد من المواد التدريبية لتعزيز تعلم آلة الخوارزميات - التي غالبا ما تجعل المنافسين الدفع. الآثار شبكة تلعب دورا هو الحال: كلما كان من الممكن عقبة العملاء، منتجات الشركة، كلما كان ذلك أفضل، ومنتجات الشركة بشكل أفضل، وبقدر ما يمكن عقبة المزيد من المستخدمين الحصول على المزيد من البيانات الشخصية. سوف مقدم من الكشف عن الغش في صناعة الخدمات المالية تكون قادرة على الحصول على البيانات الجديدة، غير العامة من القواسم المشتركة الخاصة بهم كل عميل جديد.

من الواضح، وهي شركة للتعلم آلة لتدريب خوارزمية تحتاج فقط إلى استخدام البيانات الخاصة للشركة دون الحاجة إلى وجود لهم. الآن، مع القناة المؤدية إلى البيانات، تلك قياديين اثنين تحتفظ البيانات في وقت سابق من المزايا في البيانات التي تم تعويض إلى حد كبير.

الآثار المحتملة الشبكة، يمكن أيضا خلق تأثير من الدرجة الثانية - الوصول المبكر إلى آلة شركة التعلم قد تكون أكثر أهمية من تحقيق مكاسب قصيرة الأجل ستكون البيانات الهامة. وبالنظر إلى قيمة بيانات العملاء في وقت مبكر، هي شركة برمجيات التعلم الآلي من المرجح أن يسلم أرباح مجانية أو مخفضة في وقت مبكر المستخدمين الذين هم إلى حد ما.

4. الخوارزميات الملكية

أصبح من الممكن الآن الحصول على خوارزمية ممتازة TensorFlow هذه المكتبة البرمجيات مفتوحة المصدر في نفس الوقت، والمزيد والمزيد من الشركات على تعلم المخابرات آلة لخلق الثروة من خلال تطوير خوارزمية الملكية أقوى. ويمكن توفير خوارزمية الملكية (في الواقع عبارة عن مجموعة من عدة خوارزميات عادة مجموعة): أعلى قدر من الدقة، والمزيد من الميزات، أداء أسرع، وارتفاع القوة، وأفضل التأويل الطبيعة، وجزء من الخوارزمية لا يتطلب الكثير من التدريب تكون قادرة على الحصول على النتائج من خلال مجموعة من البيانات.

ويتحقق الابتكار شيئا فشيئا، من الحاجة إلى الخضوع لعملية "تبحث عن الحيل" لأخبار. "يبحث الحيل" شيء فعله هو التفكير في كيفية استخدام خوارزميات القائمة لتعزيز المهارات، والجديد هو نهج جديد في تطوير وحل المشكلات، ويمكن نشرها بنجاح.

في العديد من المجالات، بما في ذلك معالجة اللغة الطبيعية، بما في ذلك عدم وجود بيانات لم يصبح عنق الزجاجة. وفي مناطق أخرى والابتكارات حول الخوارزمية كما يسمح لها أن تلعب دور صغير في قاعدة البيانات. لذلك، بالإضافة إلى الوصول إلى البيانات، قامت شركة تعلم الآلة أيضا طلب قوي على المواهب.

5. آلة التعلم الموهبة

حاليا في السوق من المواهب تعلم الآلة نادرة جدا ومكلفة جدا. وفقا لدراسة Procorre في المملكة المتحدة، ارتفع عدد المناصب العامة في خدعة عالم البيانات في النصف الأول من عام 2016 بنسبة 32، في حين أن الزيادة في الطلب قد تجاوز العرض. وفي جميع الوظائف خبراء التقنية البريطانية والخبراء تعلم الآلة راتب أعلى.

 الخبراء الفنيين البريطانيين متوسط الراتب السنوي

وبالنظر إلى المنافسة شرسة للمواهب، يجب على الشركة جيدة تظهر قدرتها على اجتذاب واستبقاء على مستوى عال من المهنيين التعلم الآلي بتكلفة مقبولة.

الشركات المبتدئة في الأساس تقوم بإنشاء لموهبة GAIM، فإنها لا يمكن أن تتنافس مع حجم وثبات الرواتب يمكن أن توفر GAIM - بالطبع، أنها لا تحتاج للقيام بذلك. واقعية شركة آلة التعلم لدى موظفيها التأكيد على المزايا: تأثير مباشر على فرص المنتج، بمزيد من الحكم الذاتي، وأكثر تنشر الحرية والمعرفة والإنجازات التقنية للتحدي، وإذا كانت الشركة ما يكفي الصلبة، وسوف يكون هناك أكثر وأكثر من ذلك على المدى الطويل المكافآت المادية.

6. رأس المال القوي

مع الأخذ بعين الاعتبار العوامل التالية، يجب شركة الآلة التعلم يكون أكثر قدرة العاصمة: المزيد من الوقت اللازم لتطوير المنتجات في حقل كامل من التحديات التقنية للشركات B2B دورة مبيعات أطول، مطلوب توظيف آلة خبير التعلم ارتفاع التكاليف، وكذلك نشر واسعة من احتياجات الموارد - وهذه العوامل تعزز متطلبات الموظفين، والحد من معدل توسع الشركة.

وستقوم الشركة تكون معلقة على كمية كافية من رأس المال المستخدم كسلاح تعلم الآلة، من أجل تعزيز مزاياها في المنافسة.

[نهاية]

أكثر شيء واحد ...

ما يفعله قلق المجتمع AI اليوم؟ في الكم بت (QbitAI) جلسة علنية واجهة رقم الرد "اليوم" لمعرفة صناعة منظمة العفو الدولية والبحوث وجمع ديناميات شبكتنا بأكملها. عبوة ~