Komplexe KI: Schlüsselfaktoren für den KI-Erfolg von Unternehmen

Laut einem kürzlich von Dynatrace veröffentlichten globalen Bericht, der durch steigende Investitionen in künstliche Intelligenz vorangetrieben wird, wird „zusammengesetzte künstliche Intelligenz“ zu einem Schlüsselfaktor für Unternehmen, um künstliche Intelligenz erfolgreich einzusetzen. Dynatrace wies darauf hin, dass 83 % der Technologieführer zwar glauben, dass künstliche Intelligenz unerlässlich ist, 95 % jedoch glauben, dass generative künstliche Intelligenz (GenAI) effektiver sein wird, wenn sie durch andere Arten künstlicher Intelligenz unterstützt wird. Der Bericht weist darauf hin Unternehmen müssen einen umfassenden Ansatz für künstliche Intelligenz verfolgen, der mehrere Arten künstlicher Intelligenz kombiniert. Zu diesen Typen können GenAI, prädiktive und/oder kausale KI sowie Daten aus unterschiedlichen Quellen wie Beobachtbarkeit, Sicherheit und Geschäftsereignissen gehören. Durch diesen Ansatz können Unternehmen ein höheres Maß an Argumentation erreichen und die Ergebnisse künstlicher Intelligenz genauer, relevanter und aussagekräftiger machen

Wie daraus ersichtlich ist, ist künstliche Intelligenz keine einfache Technologie. Es umfasst eine Vielzahl von Typen, Methoden, Daten und Szenarien, jedes mit seinen Stärken und Einschränkungen. Um das volle Potenzial der künstlichen Intelligenz auszuschöpfen, reicht eine einzige Technologie der künstlichen Intelligenz nicht aus. Es besteht die Notwendigkeit, verschiedene KI-Technologien und Datenquellen zu kombinieren, um fortschrittlichere Schlussfolgerungen und genauere, aussagekräftigere und kontextbezogenere KI-Ausgaben bereitzustellen. Dies ist das Konzept der zusammengesetzten künstlichen Intelligenz. Es bezieht sich auf die Kombination mehrerer Arten von KI, etwa generativ, prädiktiv und kausal, mit unterschiedlichen Datenquellen, etwa Beobachtbarkeit, Sicherheit und Geschäftsereignissen. Composite AI ist ein Schlüsselfaktor für die erfolgreiche Einführung von KI in Unternehmen. Weil es Unternehmen dabei helfen kann, komplexe Probleme zu lösen, wertvollere Lösungen bereitzustellen und sich besser an veränderte Umgebungen anzupassen

Dieser Artikel basiert auf einem globalen Bericht von Dynatrace, der das Konzept, die Anwendung und den Wert der zusammengesetzten künstlichen Intelligenz sowie die Vorteile analysiert und Herausforderungen der zusammengesetzten künstlichen Intelligenz. Unser Ziel ist es, die Bedeutung und das Potenzial der zusammengesetzten künstlichen Intelligenz besser zu verstehen und wie man zusammengesetzte künstliche Intelligenz effektiv einsetzen kann, um die Wettbewerbsfähigkeit und Innovation von Unternehmen zu verbessern

01 Das Konzept der zusammengesetzten künstlichen Intelligenz

ist gut bekannt. Künstliche Intelligenz ist ein interdisziplinäres Fach, das Informatik, Mathematik, Statistik, Psychologie, Philosophie und andere Disziplinen umfasst. Es ermöglicht Computern oder Maschinen, menschenähnliche Intelligenz zu besitzen, wie z. B. Wahrnehmung, Verständnis, Lernen, Argumentation, Entscheidungsfindung, Kreativität und andere Fähigkeiten. Die Forschung und Entwicklung der künstlichen Intelligenz blickt auf eine jahrzehntelange Geschichte zurück, in der sie viele Höhen und Tiefen und Veränderungen erlebt hat. Dies hat zur Entstehung mehrerer Arten, Methoden, Daten und Szenarien der Technologie der künstlichen Intelligenz geführt. Jede Technologie hat ihre eigenen Vorteile und Grenzen. Die jüngste rasante Entwicklung der generativen KI (generative AI) ist der Einsatz tiefgreifender Technologien wie z Beim Lernen werden neue Inhalte aus Daten wie Text, Bildern, Audio usw. generiert. Der Vorteil der generativen künstlichen Intelligenz besteht darin, dass sie uns bei der Entwicklung neuer Produkte und Dienstleistungen helfen kann, beispielsweise virtuelle Assistenten, personalisierte Empfehlungen, intelligente Inhalte usw. Generative künstliche Intelligenz weist jedoch auch einige Einschränkungen auf und kann zu ungenauen, unangemessenen oder unethischen Problemen führen, z. B. wenn der generierte Inhalt nicht mit den Fakten übereinstimmt, gegen den gesunden Menschenverstand verstößt oder die Gefühle anderer Menschen verletzt usw.

Prädiktive künstliche Intelligenz (prädiktive künstliche Intelligenz) Die Entwicklungsgeschichte der KI lässt sich bis in die 1950er Jahre zurückverfolgen, als die ersten statistischen Lerntheorien und Algorithmen für maschinelles Lernen aufkamen. Prädiktive künstliche Intelligenz nutzt statistisches Lernen und andere Technologien, um Muster und Trends aus Daten für Klassifizierung, Regression, Clustering usw. zu entdecken. Der Vorteil der prädiktiven künstlichen Intelligenz besteht darin, dass sie uns dabei helfen kann, bestehende Produkte und Dienstleistungen zu optimieren, wie z. B. Leistungsüberwachung, Fehlervorhersage, Anomalieerkennung usw. Die Einschränkungen der prädiktiven künstlichen Intelligenz bestehen darin, dass die vorhergesagten Ergebnisse nicht mit der Realität übereinstimmen, durch Rauschen oder Anomalien beeinflusst werden oder nicht erklärbar sind usw.

Kausale KI ist eine Art künstlicher Intelligenz, die Daten und Algorithmen verwendet, um kausale Zusammenhänge abzuleiten . KI. Es hilft Unternehmen, die Ursachen und Auswirkungen von Daten zu verstehen, was zu besseren Entscheidungen und Interventionen führt. Einige Anwendungsbereiche kausaler künstlicher Intelligenz umfassen Medizin, Sozialwissenschaften, Wirtschaft, Bildung, Politikgestaltung usw. Das Kernkonzept der kausalen künstlichen Intelligenz ist das Kausaldiagramm, ein grafisches Modell, das Knoten und Pfeile verwendet, um Variablen und kausale Zusammenhänge darzustellen. Mithilfe von Ursache-Wirkungs-Diagrammen können die Mechanismen dargestellt werden, durch die Daten generiert werden, und wie die Datenverteilung durch Eingriffe oder Experimente verändert werden kann. Ursache-Wirkungs-Diagramme können auch zur Beantwortung von Ursache-Wirkungs-Fragen verwendet werden, z. B. „Was passiert, wenn ich das tue?“ oder „Warum wirkt sich diese Variable auf diese Variable aus?“

Auf Chinesisch wie folgt umgeschrieben: Zusätzlich zu verschiedenen Arten von Technologien der künstlichen Intelligenz stehen auch verschiedene Datenquellen zur Verfügung, darunter Beobachtbarkeit, Sicherheit und Geschäftsereignisse usw. Beobachtbarkeitsdaten beziehen sich auf Daten zur Anwendungsleistung, Softwareentwicklung und Sicherheitspraktiken, IT-Infrastruktur und Benutzererfahrung. Unter Sicherheitsdaten versteht man Daten im Zusammenhang mit Cybersicherheit, Datenschutz und Datenschutz-Compliance. Unter Geschäftsereignisdaten versteht man Daten zu Geschäftsprozessen, Transaktionen, Kundenverhalten und -zufriedenheit. Unterschiedliche Datenquellen bieten unterschiedliche Informationen und Werte, stehen aber auch vor unterschiedlichen Qualitäts-, Sicherheits- und Datenschutzanforderungen und -herausforderungen.

Zusammengesetzte künstliche Intelligenz ist die Kombination verschiedener Arten von Technologien für künstliche Intelligenz und Datenquellen, um eine bessere, fortgeschrittenere und genauere Schlussfolgerung zu ermöglichen , aussagekräftige und kontextbezogene KI-Ausgabe. Zusammengesetzte KI kann uns dabei helfen, komplexe Probleme zu lösen, wertvollere Lösungen bereitzustellen und uns besser an veränderte Umgebungen anzupassen. Der Kern der zusammengesetzten künstlichen Intelligenz besteht darin, die Vorteile verschiedener Technologien und Datenquellen für künstliche Intelligenz zu nutzen, um ihre jeweiligen Einschränkungen auszugleichen und Synergien und Komplementarität zwischen Technologien und Datenquellen für künstliche Intelligenz zu erreichen

02 Integration und Anpassung der zusammengesetzten künstlichen Intelligenz

Die Integration und Anpassung zusammengesetzter KI ist die Kombination verschiedener Arten von KI-Technologien und Datenquellen, um eine fortschrittlichere Argumentation und eine genauere, aussagekräftigere und kontextbezogenere KI-Ausgabe zu ermöglichen. Die Integration und Anpassung zusammengesetzter künstlicher Intelligenz erfordert die Berücksichtigung mehrerer Aspekte, wie z. B. der Ziele, des Umfangs, der Methoden der künstlichen Intelligenz, der Qualität, Sicherheit und des Datenschutzes von Daten sowie der Bewertung und Überwachung künstlicher Intelligenz. Daher sind einige grundlegende Konzepte und Prinzipien erforderlich

Das Ziel der künstlichen Intelligenz besteht darin, Probleme zu lösen oder Funktionen wie Diagnose, Vorhersage, Generierung, Empfehlung usw. zu implementieren. Diese Ziele bestimmen Art, Format und Inhalt der KI-Ausgabe sowie deren Wert und Wirkung. Um das Design, die Implementierung und die Bewertung zu erleichtern, sollten die Ziele der künstlichen Intelligenz klar, spezifisch, quantifizierbar und erreichbar sein. Bildung, Finanzen, Fertigung usw. Der Umfang der künstlichen Intelligenz bestimmt die Quellen, Merkmale und Anforderungen ihres Inputs und Outputs sowie die Komplexität und Schwierigkeit des Inputs und Outputs. Um die Erfassung, Verarbeitung und Anwendung künstlicher Intelligenz zu erleichtern, sollte der Umfang angemessen, sinnvoll, machbar und skalierbar sein. Auswahlmethoden künstlicher Intelligenz umfassen den Einsatz generativer, prädiktiver und kausaler Technologien oder Algorithmen der künstlichen Intelligenz sowie Deep Learning, statistisches Lernen und kausale Schlussfolgerungen usw. Diese Methoden bestimmen die Qualität, Zuverlässigkeit und Interpretierbarkeit der KI-Ausgabe sowie die Stärken und Grenzen der KI-Ausgabe. Methoden der künstlichen Intelligenz sollten geeignet, effektiv, innovativ und verbesserungsfähig sein, um optimiert, verifiziert und aktualisiert zu werden.

Datenqualität bezieht sich auf die Genauigkeit, Vollständigkeit, Konsistenz, Aktualität und Relevanz von Daten usw. . Die Qualität der Daten wirkt sich direkt auf die Genauigkeit, Rationalität und Ethik der Ergebnisse künstlicher Intelligenz sowie auf das Vertrauen und die Akzeptanz der Ergebnisse künstlicher Intelligenz aus. Daher sollte die Qualität der Daten hoch, stabil, klar und neu sein, um das Lernen, Denken und Generieren künstlicher Intelligenz zu erleichtern

Der Inhalt, der neu geschrieben werden muss, ist: Datensicherheit und Datenschutz müssen ebenfalls berücksichtigt werden. einschließlich Datenverschlüsselung, Autorisierung, Prüfung, Sicherung und Löschung usw. Die Sicherheit und der Datenschutz von Daten wirken sich auf die Sicherheit, Rechtmäßigkeit und Verantwortlichkeit der KI-Ausgaben sowie auf die Risiken und Folgen aus. Daher sollten Datensicherheit und Datenschutz stark sein und Vorschriften und Gesetze strikt eingehalten werden, um die Prävention, Reaktion und Korrektur künstlicher Intelligenz zu erleichtern.

Die Bewertung und Überwachung künstlicher Intelligenz ist sehr wichtig und ihre Ergebnisse müssen entsprechend sein geprüft und verbessert. Dazu gehören Arbeiten zum Testen, Bewerten, Feedback und Überwachen der KI-Ausgabe. Die Bewertung und Überwachung künstlicher Intelligenz hat Auswirkungen auf die Effizienz und Effektivität ihrer Ergebnisse sowie auf Innovation und Entwicklung. Daher sollte die Bewertung und Überwachung künstlicher Intelligenz kontinuierlich, umfassend, objektiv und zeitnah erfolgen, um ihre Anpassung, Optimierung und Aktualisierung zu erleichtern Argumentationsfähigkeiten und eine genauere, aussagekräftigere und kontextbezogenere KI-Ausgabe. Dies ist ein Prozess, der viel Zeit, Ressourcen und Fachwissen sowie ein hohes Maß an Koordination und Zusammenarbeit erfordert

03 Anwendung zusammengesetzter künstlicher Intelligenz

Die Anwendung zusammengesetzter künstlicher Intelligenz besteht darin, verschiedene Arten von Technologien und Datenquellen der künstlichen Intelligenz zu nutzen, um komplexe Probleme zu lösen und fortgeschrittenere Überlegungen und wertvollere Ergebnisse bereitzustellen. Dieser Ansatz kombiniert mehrere Arten künstlicher Intelligenz, um fortgeschritteneres Denken und eine bessere Leistung zu erreichen. Die Anwendungsfelder der zusammengesetzten künstlichen Intelligenz sind sehr breit gefächert. Beispielsweise kann zusammengesetzte künstliche Intelligenz im Bereich der Verarbeitung natürlicher Sprache zum Erzeugen, Verstehen und Übersetzen natürlicher Sprache verwendet werden, einschließlich der Verwendung von generativer KI, prädiktiver KI und kausaler KI andere Technologien

Compound Die Anwendung künstlicher Intelligenz kann auf verschiedene Bereiche und Branchen wie medizinische Versorgung, Bildung, Finanzen, Fertigung, Unterhaltung und Sicherheit angewendet werden

Im medizinischen Bereich kann zusammengesetzte künstliche Intelligenz generative, prädiktive und kausale künstliche Intelligenz sowie beobachtbare Sicherheits- und Geschäftsereignisdaten mit künstlicher Intelligenz, um genauere Diagnose-, Behandlungs- und Präventionslösungen sowie personalisiertere medizinische Dienstleistungen bereitzustellen. Generative künstliche Intelligenz kann beispielsweise anhand von Daten wie medizinischen Bildern, genetischen Sequenzen und medizinischen Aufzeichnungen neue medizinische Informationen wie Läsionen, Mutationen, Diagnosen usw. generieren. Prädiktive künstliche Intelligenz kann Muster und Trends aus medizinischer Überwachung, Tests, Auswertung und anderen Daten wie Zustand, Risiko, Wirkung usw. erkennen. Kausale künstliche Intelligenz kann aus Daten zu medizinischen Eingriffen, Behandlungen, Prävention usw., wie Medikamenten, Operationen, Lebensstil usw., kausale Zusammenhänge ableiten. Observability-Daten ermöglichen die Überwachung und Analyse medizinischer Geräte, Systeme und Prozesse und verbessern so die Verfügbarkeit und Zuverlässigkeit. Sicherheitsdaten können medizinische Daten und Privatsphäre schützen und einhalten und so Datenmissbrauch oder -lecks verhindern. Geschäftsveranstaltungsdaten können medizinische Dienstleistungen und Zufriedenheit messen und verbessern sowie Umsatz und Gewinn steigern. Die Anwendung zusammengesetzter künstlicher Intelligenz im Bildungsbereich besteht darin, generative, prädiktive und kausale künstliche Intelligenz mit Verhaltens-, Fähigkeiten- und Präferenzdaten der Lernenden zu kombinieren Kombiniert, um uns einen besseren Unterricht, eine bessere Bewertung und ein besseres Feedback sowie Lernpfade zu bieten, die besser zu uns passen. Beispielsweise kann generative künstliche Intelligenz auf Basis von Daten wie Lehrbüchern, Kursen und Wissenskarten neue Lehrinhalte wie Fragen, Antworten, Beispiele etc. für uns erstellen. Prädiktive künstliche Intelligenz kann uns dabei helfen, anhand unserer Lernaktivitäten, Ergebnisse, Rückmeldungen und anderer Daten Regeln und Trends wie Lernniveau, Fortschrittsgeschwindigkeit und Lernstil zu erkennen. Kausale künstliche Intelligenz kann auf der Grundlage unserer Lehrinterventionen, Strategien, Effekte und anderer Daten auf den kausalen Zusammenhang zwischen Lehrmethoden, Lernressourcen, Lernergebnissen usw. schließen. Verhaltens-, Fähigkeits- und Präferenzdaten von Lernenden können es der künstlichen Intelligenz ermöglichen, uns besser zu verstehen, uns personalisierte und maßgeschneiderte Dienste bereitzustellen und unser Lernen effizienter und effektiver zu gestalten

Zusammengesetzte künstliche Intelligenz spielt eine wichtige Rolle im Finanzfeldeffekt. Es nutzt generative, prädiktive und kausale künstliche Intelligenz, um Markt-, Kunden- und Risikodaten zu kombinieren und uns bessere Finanzlösungen und -dienstleistungen zu bieten. Generative KI kann uns beispielsweise neue Finanzinformationen auf Basis verschiedener Daten wie Kurse, Empfehlungen, Strategien usw. liefern. Prädiktive künstliche Intelligenz kann uns helfen, Finanzregeln und -trends auf der Grundlage verschiedener Daten wie Preise, Nachfrage, Verhalten usw. zu entdecken. Kausale künstliche Intelligenz kann uns helfen, finanzielle Kausalzusammenhänge auf der Grundlage verschiedener Daten wie Auswirkung, Risiko, Rendite usw. zu analysieren. Marktdaten können uns helfen, die Marktbedingungen besser zu verstehen und zu analysieren sowie die Markttransparenz und -effizienz zu verbessern. Kundendaten können uns helfen, Kunden besser zu verstehen und zu bedienen sowie die Kundenbindung und -zufriedenheit zu verbessern. Risikodaten können uns dabei helfen, Risiken besser zu identifizieren und zu verwalten sowie die Kontrollierbarkeit und Vorhersagbarkeit von Risiken zu verbessern

04 Der Wert zusammengesetzter künstlicher Intelligenz

Der umgeschriebene Inhalt lautet: Die Anwendung zusammengesetzter künstlicher Intelligenz kann die Zuverlässigkeit und Anwendbarkeit verbessern der künstlichen Intelligenz. Durch die Kombination verschiedener Arten von Technologien und Datenquellen für künstliche Intelligenz kann die zusammengesetzte künstliche Intelligenz die Vorteile verschiedener Technologien und Datenquellen für künstliche Intelligenz voll ausnutzen, um ihre jeweiligen Mängel auszugleichen und kollaborative Arbeit und komplementäre Effekte zu erzielen. Auf diese Weise kann zusammengesetzte KI umfassendere, genauere, vernünftigere und ethischere KI-Ausgaben liefern, um kritische Geschäftsszenarien zu unterstützen und inkonsistente, unangemessene oder unerwünschte Probleme zu vermeiden

Chief Technology Officer bei Dynatrace Bernd Greifeneder sagte: „GenAI dazu bringen, sinnvolle Ergebnisse zu generieren.“ Inhalte, denen Benutzer vertrauen können, um ein bestimmtes Problem zu lösen, sind eine schwierige Aufgabe. Das Team muss viel Zeit und Mühe investieren, um geeignete Eingabeaufforderungen zu entwerfen, damit GenAI versteht, welche Art von Inhalten generiert werden sollen, und um die Genauigkeit der generierten Inhalte zu überprüfen Inhalt“

Um dies zu erreichen, betonte er, wie wichtig es sei zu verstehen, dass verschiedene KIs keine Einheitslösung seien. Viele Anwendungsszenarien von GenAI, insbesondere komplexe Szenarien wie die Optimierung von Softwarecode oder die Behebung von Sicherheitslücken, erfordern den Einsatz zusammengesetzter künstlicher Intelligenz (Composite AI). Zusammengesetzte KI bezieht sich auf die Kombination verschiedener Arten von KI, wie z. B. kausale Argumentations-KI (die die Ursachen und Auswirkungen des Systemverhaltens herausfinden kann) und prädiktive KI (die zukünftige Ereignisse auf der Grundlage vergangener Daten vorhersagen kann) und liefert die notwendigen Hintergrundinformationen

Wenn Unternehmen die richtige Strategie formulieren und verschiedene Technologien der künstlichen Intelligenz mit hochwertigen Daten kombinieren können, können sie die Arbeitseffizienz von Entwicklungs-, Betriebs- und Sicherheitsteams erheblich verbessern und gleichzeitig einen dauerhaften Geschäftswert schaffen

Composite AI ist Ein Ansatz, der verschiedene Arten von KI-Technologien und Datenquellen kombiniert, um fortgeschrittenere Überlegungen und wertvollere Ergebnisse zu liefern. Wir können generative KI (Generierung neuer Inhalte aus Daten), prädiktive KI (Vorhersage zukünftiger Ereignisse auf der Grundlage vergangener Daten) und kausale KI (Erkennung von Ursache-Wirkungs-Beziehungen in Daten) kombinieren, um genauere, informativere und kontextbezogenere Bedeutungen zu generieren Inhalt. Darüber hinaus können wir verschiedene Datenquellen nutzen, wie z. B. Beobachtbarkeitsdaten (zur Überwachung und Analyse der Systemleistung und des Systemstatus), Sicherheitsdaten (zum Schutz und zur Einhaltung der Datennutzung und -übertragung) und Geschäftsereignisdaten (zur Messung und Verbesserung von Geschäftsprozessen und -effekten), um sicherzustellen, dass künstliche Intelligenz umfassendere, zuverlässigere und relevantere Daten nutzen kann

Referenz: https://aimagazine.com/data-and-analytics/composite-ai -could-drive-success- wenn die Investitionen steigen Im Referenzlink wird erwähnt, dass bei steigenden Investitionen die zusammengesetzte KI zum Erfolg führen kann

Das obige ist der detaillierte Inhalt vonKomplexe KI: Schlüsselfaktoren für den KI-Erfolg von Unternehmen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!