人工智慧正迅速從亞馬遜、Google、微軟、Netflix和Spotify等大型科技企業使用的技術轉變為中型企業採用的工具，用於創建新產品、增加收入、提高客戶參與度和留存率，並擴展到新市場。
然而，儘管人工智慧讓人興奮不已，但許多CIO(首席資訊長)很難弄清楚如何在他們的組織內創建一套技能，不僅能處理人工智慧的開發，還能處理開發出的任何東西的訓練和部署。事實上，根據研究公司O 'Reilly的數據，今年只有26%的組織在生產人工智慧，而43%的組織處於評估階段。這就是人工智慧從開發到營運的難度——正如我們將看到的，再次回到開發。
然而，每個挑戰都有潛在的成長，根據普華永道的一項研究，到2030年，全球人工智慧經濟預計將達到15.7兆美元。任何希望利用這一成長紅利的組織，無論是在智慧製造、零售、醫療保健、能源和許多其他行業，都需要知道推理如何使人工智慧發揮作用才是關鍵。
在人工智慧開發領域有大量的資訊和專業知識。對CIO們來說，最大的挑戰是部署。推理——在生產中人工智慧模型運作的過程——是人工智慧落地的重要環節。例如，在自動駕駛汽車中，關鍵的人工智慧決策以毫秒為單位發生，人們的生命就處於危險之中。
與銷售管理軟體等傳統應用不同，運行推理的人工智慧模型需要不斷地重新培訓和部署，以保持最新。這使得管理AI應用程式生命週期變得更加複雜，當然好處也是顯著的。
推理是解決當今許多行業面臨的一系列挑戰的關鍵。
深度學習可以幫助實現功能自動化，推薦產品，甚至提供自然語言處理。在零售和娛樂，甚至專業的社交網絡，推薦系統的推理可以幫助改變不穩定的銷售週期，並有助於留存客戶。即使客戶沒有立即進行額外的購買，一個針對性強有力的推薦也可以為未來的銷售播下種子。它還可以提高品牌的親和力，並展示符合消費者品味和興趣的商品。
在製造業中，推理可以幫助公司發現生產中的錯誤，甚至在設備故障之前就發現潛在的故障。人工智慧驅動的工業檢查可以識別物體、障礙物和人，執行毫秒級的計算，減少停機時間。這些優點使AI視覺系統成為任何在複雜生產環境下工作的公司的首要任務。
呼叫中心使用推理來進行客戶服務自動化，並迅速將客戶問題轉給最有能力提供幫助的人。當有人需要航空公司、銀行或網路服務供應商的幫助時，他們通常希望盡快與人交談。在勞動力短缺日益擴大的今天，人工智慧有助於解決簡單的問題，並確保客戶迅速聯繫到合適的人，他們可以解決更複雜的問題。
知道推理如何發揮作用只是人工智慧之旅的開始。接下來的步驟是製定策略並執行計劃。問題是，公司面臨著尋找頂尖人才來擔任各種職位的挑戰。對於剛開始使用人工智慧的企業來說，組建一個人工智慧開發專家團隊可能難度更高。
這個時候，利用第三方和開源的預先培訓的模型和框架來贏得先機，從而克服人才短缺的問題。這些資源大大減輕了部署企業級AI的團隊的負擔，因為開發人員可以調整和自訂現有的模型來運行推理，而不是試圖從頭開始建立。
企業也可以透過人工智慧培訓培養現有的工程師和開發人員。越來越多的合作公司為企業提供免費的開發實驗室，逐步指導關鍵的AI用例，包括建立用於客戶服務或銷售支援的聊天機器人，用於安全的圖像分類系統，用於更好的運作價格預測模型，以及許多其他基本的AI用例。
一旦有了進行推理工作的基礎，CIO應該為生產應用程式採用受支援的軟體—無論它運行在裸機上、虛擬化的資料中心基礎設施上，還是在雲端。
此外，還應考慮提供企業級AI軟體，該軟體不僅完全支援推理，而且還支援資料科學和模型開發的互補實踐，因為它簡化了AI部署。當AI從最初的部署擴展到新的業務領域時，團隊可以依賴一個全面的解決方案，而不是必須開發獨特的工作流程。
人工智慧的工作負載與傳統的企業應用程式不同，但現在比以往任何時候都更容易向專家學習，以確保它們的正確實施。透過預先培訓的模型、專業的開發實驗室和企業級支持，了解用於高效、低成本的企業AI推理的可用工具，可以確保CIO準備好計劃，以解決每個開始AI之旅的企業所面臨的挑戰。
以上是企業需要知道怎樣才能得到正確AI推理的詳細內容。更多資訊請關注PHP中文網其他相關文章！
