188体育-188体育手机下载

跳到内容

高效AI的7个习惯

适应或死亡

名字在世界上任何地方的公司 - 只有一个! - 这将不被打乱 亚马逊 要么 谷歌。这两家公司,以及他们的大数据和机器学习的同行信徙,今天进入 一切 产业,竞争力的企业的危险

在医疗保健和金融行业是在那些从AI破坏MOST的风险。迄今为止,以满足ESTA破坏企图已经介于似乎abjectly婉渐进的硬化。协和真正解决干扰将要求所有企业成为AI-驱动本身干扰。在企业,在“增量”之间的战斗“破坏性“”增量“很少获胜。但究竟应该如何公司未命名亚马逊或谷歌打造颠覆性的AI解决方案?

与鲨鱼一起游泳

对于如何建立一个数据驱动业务的最佳模板 在于平面图:亚马逊,谷歌,超级,和不太知名技术的宿主 公司的唯一目标,是打造颠覆性的商业模式 独家数据的基础。该 通过这些公司的共同点是他们近乎宗教的固定 多维(“超维”)的数据集,使用部署 多维的方法。让我们打破 这一切都为最佳做法装置7:

  1. 先从商业模式。期。如果有商业模式根本没有令人信服的经济优势,那么没有AI或数据量将影响丝毫。亚马逊和谷歌的份额只有注重与量化的效益应用在数十亿美元的市场,这摩擦支持缩放的共同特征。和它的庞大规模和“健康与财富”那现在的市场吸引这些人工智能为基础的破坏者的恶意目光的经久不衰。

  2. 预测未来。解释的数据可以有两种途径:获得对过去的理解,或者获得未来的理解。一维的方法来解释数据是简单地做前:分析数据 - 与“大”可能它是 - 以确定是什么已经发生了。有趣的商业情报,但如果每一个行业都有,已经商品化的一道风景战术价值。  战略价值 在商品化的市场,就在于能够 预测 未来。它是在数据分析公司凡本补充维:如亚马逊和谷歌的Excel。

    在医疗保健,例如,有在机器学习的应用程序能够正确诊断活检图像不容置疑的价值。但是诊断仅仅是一个数据集的语义的单个(回顾)尺寸。多维预测增加了语义数据,它是预测,可以帮助预防驱动器(或至少,早期干预),进而驱动成本降低。机器学习应用到预测健康状况的未来 - 在一切从 心境障碍和焦虑障碍心血管疾病的死亡率 和一般 人口健康 - 是医疗会如何效仿 亚马逊 已经在零售物流行业做了很多较为平淡。

  3. 数据丰富度:通过专有数据源。如果数据是价值的最终来源(它是!),那么任何技术或业务的防卫的前提是一个专有的识别数据源。 (请参阅如何 科济 这样做)。上的专用数据源仅仅是一个起点,但是。如果数据构成的值的最终来源然后更专有的数据 - 即,数据丰富度 - 总是要求:不断数据必须被驱动成为多个多维的。采取谷歌作为一个例子。尽管该公司生产的专有数据和一个已经 大规模维,谷歌最近花费了超过$ 2十亿收购 fitbit。 fitbit的 多维 现在健康数据是谷歌的专有数据流的一部分:这是在实践中的数据丰富性看跌的宗教。

    亚马逊也为大规模维和专注于数据的丰富性。该公司不是简单地满足您的在线和离线捕获(全食物!)浏览和购买数据。我们从学术文献既知道 面部图像语音信号 可以对比,以确定人类健康的状态。然后,它毫无疑问,数据丰富的亚马逊的不懈追求,在医疗保健专利体现为两个 面部语音 分析。

  4. 数据饥饿:用于来自外部源的多维数据。如果数据好,则更多的数据是更好的。 ESTA数据包括多维的任何和所有外部源获得的,源可用无论这些自由(例如,从 公共实体)或者可通过合作伙伴关系。尤伯杯在2013天才 专利“系统和动态调整的服务价格法”没有坚不可摧的一些机器学习技术,但该数据的广泛的多维度流尤伯杯以摄取准确预测定价的商品(运输)服务:一切从天气,到投票天或学校对于一个城市的第一天,以社交网络数据,从航班信息,机场和航空公司,新闻信息等。你的想法。

    写作费城联邦储备银行 Julapa Jagtiani和凯瑟琳·勒米厄 报道称,多维(“另类”)在Fintech现在贷款数据启用的规定“增加了获得信贷以更低的成本,以信誉那些个人,由薄的信用记录”。 Fintech开办繁荣“大干500件每个借款人的数据”,并 其他 如索菲和Kabbage已经能够利用多维数据从FICO评分搬走共找到良好的值得那些“看不见的黄金”客户。 

    可能有些什么这些确定性,多维数据信号是什么?  托拜厄斯伯格等的,写作联邦存款保险公司报告说,除其他事项外,一天中的时间,客户是否有他们在他们的电子邮件地址名称,并键入错误做出无论客户所有相互关联贷款风险。中国Fintech yongqianbao 1200个多点的数据进行分析,以确定下开户的消费者贷款风险。 ESTA手机包括数据相关联的风险的人,不接听电话或拨出电话置之不理谁。

  5. 推动利用行为经济学未来的行动。亚马逊,谷歌和 尤伯杯 在完成使用多维方法的数据的“循环”传递主人。具体来说,所有数据行为经济学结合起来,推动的方式有利于他们的企业最终用户的行为。以经济学方法是这些行为反应 持续监控 并反馈到机器学习作为又一优化多维数据流。 

    在Fintech空间,创业样 柠檬汽水 使用行为经济学对推动积极的用户行为。但行为经济学的多维方法 - 通过 游戏化, 轻推, 默认,诱饵效应 - 需要不能仅用于增加而增加收入的目的。行为经济学已应用于各种医疗应用:如驾驶 大肠癌筛查, 器官捐献戒烟,甚至提高 心脏衰竭护理手术卫生.

  6. 测量实时的结果和细化。重要的是要认识到,上述的前五个步骤的产品是)一个收入来源;和b)的数据流。数据流对未来预测的准确性和行为经济学的有效性测量和报告。这些学习收获构成又一多维方法:他们反馈到系统以使得算法,数据源和技术可以被校正,并且不断提高。

  7. 结束多维方法,和一个或许 不是设计成 AI驱动的公司 近年来成立,是建立道德成从天一个商业模式。  高风亮节。期。数据源伦理,和伦理部署的数据。行为道德不仅意味着有合适的策略,而是不断质疑的每一个决定和行动的伦理影响。这意味着当是道德两者艾 为我们决定,以及当 我们决定 基于人工智能的建议。这是持续的警惕的过程。只能通过我们的道德构建差异的企业可以竞争,最后。
图。 1 经典的“amazoogle”模型。 

有竞争力,是有关

秉承最佳实践以上是没有保障 成功,在医疗保健,Fintech或其他任何行业。这些准则,但将进入讨论 可以帮助企业在最低限度,正确佩带了 艾不可避免的战斗大型科技工作者。如果你未来的竞争对手将执掌 多维数据多维的方式,你最好计划相同 同时还有时间。这可能是因为 你的商业模式的具体细节并不需要遵守所有七个 “习惯”。但一切都在规则(由 默认)您排除任何前出(审议心疼了!)。扰乱自己的企业是很难的。但最好这样做你自己比有 竞争对手为您代劳。

中断将来到每一个行业。这样做的权利,这将有助于带来应有的中断 服务 联合国服务的人口。它也将那些已经享受技术的好处带给扩展性(更便宜)服务,并的方式,是道德的和可持续这么做。不这样做破坏正确的 - 通过采取创新的一个狭窄的空间视图 - 将产生AI-驱动 中断少数垄断 公司。 “富人”将有更多的,与“无产者”将化为泡影。

Facebook的twitterredditpinterestlinkedinmail

发现#whatsnext

订阅我们的每周通讯!