AI-ekspert afslører, hvordan top AI-ingeniører ændrer den måde, vi gør forretning på

Af Rishon Blumberg, 10x Management Co-Founder

Erhvervslivet ændrer sig hurtigt, og at finde en talentfuld AI-ingeniør kan give din virksomhed betydelige konkurrencefordele. Mens iværksættere har været afhængige af deres instinkter og intuition til at diktere retningen for deres forretninger i lang tid, hjælper AI-ingeniører virksomhederne med at verificere eller miskreditere nogle af deres langvarige overbevisninger.

En AI-ingeniør har evnen til at komme ind i en virksomhed og omdanne den måde, vi driver forretning på. Og forretningsførere bruger data til at tage beslutninger som aldrig før. Ledere kan stadig stole på intuition, men AI er her for at hjælpe os med at verificere eller miskreditere vores overbevisning.

Som en teknisk iværksætter, der selv arbejder med nogle af de bedste AI-ingeniører i verden, har jeg været vidne til den transformative kraft, en AI-ingeniør kan have på en virksomhed. Jeg havde privilegiet at interviewe en AI-ingeniør og vidunderbarn, der startede universitetet i en alder af 12 (!), Zack Dvey-Aharon, om, hvordan virksomheder vil begynde at bruge AI i den nye datadrevne æra til erhvervslivet.

Rishon (med fed skrift): Tak, fordi du tog dig tid til at tale med mig Zack. Hvad er din foretrukne brug af AI, som du har arbejdet med personligt?

Zack: Som AI-ingeniør har jeg hjulpet sundhedsfirmaer med at analysere data for at forstå, hvornår deres kur fungerer bedst. Jeg har hjulpet cybersecurity-virksomheder med at identificere unormal netværksadfærd til sikkerhedsmæssige formål, hjulpet energiselskaber med at forstå havboringspotentialet, kommercielle virksomheder optimerer deres priser og tilbud, listen fortsætter ... Hvis jeg valgte en favorit, kan jeg få nogle vrede bogstaver i mail fra dem, jeg har udeladt! Alle mine klienter er specielle for mig, og jeg nyder virkelig at arbejde på hvert projekt, jeg påtager mig.

Et ret diplomatisk svar! Hvilke måder tror du, at AI vil tjene penge i fremtiden?

Jeg bruger et simpelt eksempel, der viser, hvordan AI kan forbedre de fleste eksisterende tjenester og produkter og ikke nødvendigvis oprette nye. En AI-ingeniør udvikler muligvis et køleskab, der kan styre indholdet inde i køleskabet og justere temperaturen, så den ideelt passer til dine dagligvarer. Virksomheden, der beskæftiger denne AI-ingeniør, vil tjene penge ved blot at sælge flere enheder end konkurrencen. Det er kun et eksempel. Grundlæggende vil de virksomheder, der virkelig drager fordel af AI's intelligens, kunne tjene penge ved blot at være bedre end konkurrencen.

Lad os sammenligne det med baseball og det berømte eksempel på Moneyball og Oakland Athletics et øjeblik. I 2002 begyndte Oakland at bruge dybe statistikker til at analysere og finde undervurderede spillere i større og mindre ligaer før noget andet hold. Mens de fleste hold havde spejdere, der ville stole på instinkter til at evaluere en spiller, brugte Oakland objektive statistikker og algoritmer til at evaluere spillere. Dette gjorde det muligt for Oakland - med en lønningsliste på 44 millioner dollars - at konkurrere med hold som New York Yankees - med en lønningsliste på $ 125 millioner. Data lader os evaluere den nøjagtige indflydelse, som en spiller har på banen. Hvilken procentdel af tiden rammer en spiller en kurve, der kører 82 km / h ind i infield vs. outfield vs. over hegnet? Ligesom baseball blev transformeret af statistikker, bliver den bredere forretningsverden også transformeret af AI. Enhver metode (som Moneyball), der giver dig en konkurrencefordel, vil tjene penge på sig selv.

Som Yankees-fan værdsætter jeg baseball-analogien. Hvordan er AI anderledes end andre teknologier i fortiden?

Gennem dataanalyse kan AI-ingeniører give virksomheder mulighed for at arbejde meget mere effektivt, tilpasse sig ændringer, annullere unødvendige forretningsprocesser og erstatte dyre alternativer, herunder menneskelige job.

AI er fuldstændigt datadrevet, så algoritmer vil hjælpe os med at forstå, hvor vi kan forbedre vores processer i modsætning til at bruge intuition (som jeg lige nævnte) eller folk, der analyserer data. Dette har aldrig været tilfældet før.

Data er en ægte guldmin, og himlen er grænsen for, hvordan de kan bruges. Ved at ansætte en enkelt AI-ingeniør eller flere AI-ingeniører har virksomheder uendelige muligheder for bedre at forstå deres forretningsforløb, forbedre dem, optimere dem og afsløre ny indsigt, der dramatisk kan ændre bundlinjen.

Hvad er forskelligt, hvad er forskellen mellem Data Science, AI og Machine Learning?

Datavidenskab er det mest generelle udtryk for dataanalyse. Data kan analyseres manuelt uden nogen algoritmer eller indlæringsmekanismer, hvilket betyder under visse omstændigheder, det er slet ikke AI.

Kunstig intelligens (AI) dækker alle edb / algoritmiske måder at lære data på og reagere bedre på dem.

Machine Learning (ML) er et underdomæne til AI. Maskinlæring indeholder selvlæringsmekanismer, der bliver smartere, efterhånden som de har flere data.

Så forskellen mellem Machine Learning og AI er, at AI kan omfatte hårdkodede formler, der ikke lærer af dataene, mens Machine Learning-ingeniører altid vil opbygge mekanismer til selvlæring.

Hvilket firma tror du vil dominere AI-landskabet i fremtiden? For eksempel foretages 68% af internetsøgninger i USA på Google. Vil der være en Google til AI?

Det er svært at sige, at en virksomhed vil monopolisere branchen. Min forudsigelse er, at AI og mere specifikt maskinlæring i flere år vil blive integreret naturligt overalt og af alle. Ligesom Google og dens søgemaskine er overalt, vil AI og maskinlæring være overalt. En AI-ingeniør vil være en meget lukrativ position at have hos ethvert firma.

Hvad er de største udfordringer for virksomheder, der ønsker at omfatte AI?

Den klare udfordring som nummer én er at finde en stærk nok AI-ingeniør til at hjælpe en virksomhed eller tilslutte sig et firma. Hvis vi sammenligner AI med at spille skak, er der tæt på en milliard skakspillere i verden, men kun tusind bestemødre. Selvom mange mennesker præsenterer sig som ekspertingeniører, er der måske et par dusin AI-ingeniører eller teams derude med en virkelig stærk, diversificeret projektoplevelse inden for maskinlæring. At opbygge en god AI-løsning er vanskeligt i øjeblikket, fordi talentet er så sjældent.

Hvad er de største misforståelser vedrørende AI?

I film ser vi ofte maskiner, der er 'smarte' som mennesker, der kan tilpasse deres sprog og adfærd til uforudsigelige situationer. Det har været en fantasi for mennesker i lang tid, især da det realistisk blev stillet som en udfordring af Alan Turing i 1950'erne. Sandheden er, at teknologi som den stadig er uden for vores rækkevidde, så jeg vil sige, at det er den største misforståelse. AI-ingeniører arbejder hårdt for at få os der, men vi er ikke så tæt på.

Hvad er din yndlingsbrug af AI-teknologi, der anvendes i dag?

Som AI-ingeniør er det svært at vælge en favorit. Jeg synes selve revolutionen forbløffende. Forsikringsselskaber forstår deres klienter bedre, mediefirmaer bedømmer deres kunstnere bedre, flyselskaberne optimerer deres sædebilletpriser bedre, listen fortsætter.

Hvad er det ene eksempel på en applikation af AI, der føles uundgåelig for dig, men alligevel er der i dag ingen, du kender, virkelig arbejder på det?

Jeg tror, ​​at AI, der tager tekst skrevet om en person, og af denne person, fra mange forskellige kilder og samler en smart, integreret analyse og rapport, ville være nyttig for personlige klienter, virksomheder og efterretningsbureauer. Forestil dig at prøve at finde ud af oplysninger om en potentiel klient, og at skulle gå fra punkt A til punkt B og alle mulige steder for at finde relevante oplysninger. AI kunne gøre denne proces så meget lettere ved at samle nyttige data og give dig EN nyttig rapport i modsætning til hundreder af kilder med bit af nyttig information.

Hvilket råd ville du give et selskab, der prøver at købe AI-talent?

Det er vigtigt at undersøge AI-ingeniører, som er blevet kontraheret af konkurrenter eller andre virksomheder på området. Mit firma har leveret mere end 40 AI-projekter til klienter, og på hvert område viste min tidligere AI-ingeniørerfaring med lignende problemer sig at være en afgørende faktor.

Virksomheder, der kilder til AI-ingeniører og udviklings talent, skal forstå to nøgleparametre:

  1. Hvor stærk og erfaren er ingeniøren?
  2. Hvor let kan deres arbejde integreres med virksomheden, dets IT-team og firmaets generelle "data-DNA"?

I dagens økonomi er selv uerfarne datavidenskabsmænd og AI-ingeniører blevet meget dyre, så det er mindre realistisk at opbygge et team for de fleste virksomheder.

Begyndte du virkelig på universitetet i en alder af 12?

Det gjorde jeg bestemt. Som barn så jeg altid efter nye udfordringer og nye måder at lære på. Jeg overbeviste mine forældre om at lade mig prøve en universitetsklasse, og da jeg var i stand til at følge med i klassen, tilmeldte jeg mig mere. Jeg var i stand til at afslutte min universitetsgrad inden gymnasiet.

Hvis du kan lide denne artikel, kan du godt lide at læse, hvordan en Blockchain-udvikler ser fremtiden for teknologi

Rishon Blumberg er en iværksætter og grundlæggeren af ​​10x Management, et fremtrædende tech talentbureau. Han er en tankeleder i arbejdspladsens fremtid, efter at han er blevet offentliggjort i Harvard Business Review og optræder hyppigt på Bloomberg Television og CNBC. Rishon er uddannet fra Wharton School of Business med en grad i iværksætterledelse i 1994.

Oprindeligt offentliggjort på www.10xmanagement.com den 27. april 2018.