新聞中心|Appier

人工智慧即服務,為中小企業打造更公平的競爭環境

作者:Admin | Dec 20, 2017 4:00:00 PM

人工智慧即服務(AI-as- a-Service, AIaaS)能打造更公平的競爭環境,讓中小企業透過利用機器學習和其它人工智慧技術取得優勢。

我們正處於一個由數據所驅動的智慧年代,不過對於企業而言,他們所看到的,是伴隨這些「智慧」而來的龐大機會。

連鎖咖啡店星巴克就是個好例子,它們運用人工智慧(AI)來輔助分析消費者行為,能夠在顧客做決定前就先預測他們想要購買的商品;新聞媒體美國聯合通訊社(Associated Press)則利用AI去「撰寫」數以千計的財務報表。另外,現在有許多客服中心也透過聊天機器人自動回應顧客以多種語言提出的問題。

可以發現,各行各業都不約而同開始導入人工智慧,並運用在顧客關係處理上。

人工智慧帶來了什麼?

人工智慧是一個歸納用的名詞,用以總括各種能讓系統理解自然語言、辨識圖像、學習、預測與進行回應的技術。一份由塔塔諮詢服務公司(Tata Consultancy Services)進行的調查就發現,企業對於人工智慧的應用與期待不只是在體現在「自駕車、能夠自我清潔的烤肉網與智慧冰箱」上面。相反地,人工智慧真正能協助企業的,是讓許多事務自動化,進而加速企業營運流程,提升顧客體驗。

deepPiXEL的資料科學家與成長經理(head of growth)Turgut Jabbarli提到,若將回應政策問題以及進行密碼重設這類事務皆交由人工方式處理,會佔去他們近八成的時間。但這些任務若交給人工智慧去自動處理,在執行上將更有效率,而受僱的員工也能騰出更多時間專注在提供擁有高附加價值的服務上。

另一個例子則是零售商可以使用預測分析技術,安排出最有效率的店員輪班表,或透過聊天機器人即時回覆消費者的問題 ── 根據IBM研究報告,這些AI應用都能為企業創造更理想的消費者體驗。

這當中可能有些讓您能感到共鳴的例子,特別是那些資源匱乏的中小型企業。然而,通常也正是因為資源的相對缺乏,令這些企業無法探索人工智慧的潛力。

跨過運用人工智慧的重重障礙

人工智慧有相當龐大複雜的硬體需求,若企業缺乏資訊技術基礎建設的支援,是不可能透過人工智慧獲益的。

在人工智慧系統達到其預設目標成果前 ── 例如:正確回應顧客的問題或推斷出準確的員工需求 ── 都需要事先訓練機器執行明確與特定的任務,接著才能讓它善用訓練的成果不斷進行修正與優化,進而能夠做出正確的預測。而這些過程都涉及到一定程度的硬體和專業。

數年前,Google進行了一場實驗,訓練人工智慧系統辨識人類和貓的臉。這個學習過程需動用1.6萬個核心處理器。而事實是,很少有企業能擁有如此大量的技術資源。

接下來還有數據,或所謂「缺乏數據」的問題。人工智慧系統的表現取決於供其訓練的數據量。就如同Kristin Knapp與David Carty兩人在TechTarget發表的文章所提到的,「人工智慧的價值決定於你餵給它的數據價值。」他們也指出, 在機器學習這塊領域中,資訊技術系統是透過不斷接觸數據,而非重新編寫程式的方式,逐漸改善其表現的。

又回到前面的問題,現今許多企業面臨的問題是,無法提供足夠的數據,用以開發或訓練出準確且具效率的人工智慧系統。

以人工智慧即服務打造更公平的競爭環境

人工智慧雲端服務(AI-as-a-Service或AIaaS)的問世,解決了上述的問題,並有助於打造更公平的競爭環境,使各種規模的企業都能利用人工智慧來獲益。

雲端模型的其中一個優勢,在於它讓企業不需要為了讓電腦擁有強大運算能力,而去取得、管理以及維護為此特別訂製的硬體設備。透過雲端,就可以利用不需支出高資本且對企業現金流負擔較輕的支付模型,輕易衡量出能供給人工智慧和其它工作需求的資源。

人工智慧即服務讓企業能利用他人預先建置好的人工智慧性能,其演算法均由服務供應商事先開發、訓練且微調過,這些供應商用來訓練這些人工智慧系統的數據量也是一般小型企業望塵莫及的。

因棲身於雲端架構中,人工智慧即服務也能讓企業利用群眾外包的數據,比如來自社群媒體的的開放資料。以新加坡為例,data.gov.sg就讓一般用戶可以通過一站式的服務,取得約七十個政府機關的公開數據。企業可以自由取用這些資料組來建立和訓練其人工智慧模組。

使用它之前,先了解它

人工智慧即服務更能幫助企業跨越另一個應用人工智慧的巨大障礙,就是對人工智慧可以運用的範疇缺乏理解。就如Thorn Technologies的行銷長Mike Chan所指出的:「若你連對某項技術一無所知,你就不可能會知道如何運用它。」

也因此,為何雲端和人工智慧是如此契合的原因,就在於它能向企業提供軟硬體資源以加速測試的腳步,而不需要付出大量的先期成本。Knapp與Carty引用了AragonResearch首席分析師Adrian Bowles的話:「因為多數組織仍在摸索如機器學習、預測分析、或自然語言處理等技術的潛能,它們需要一個能讓它們進行實驗,卻又不致投入過多資本或背負過高金融風險的環境。」

而使用公共雲端做為試驗台也給了企業一條平價途徑去開始運用人工智慧,並利用執行與微調演算法所需的資源,去找出能加以利用的可能性並「接受實驗的成敗後果」。

業界現況

目前,有許多公司在提供人工智慧即服務上處於領導地位,其服務從預測式分析到電腦影像、語音認知和轉譯皆有。也有些公司提供針對各式各樣特定企業需求的服務,範圍包含行銷、農業、甚至運動分析。

在人工智慧和雲端的匯聚下,讓各種規模的企業都投入實驗且學習如何活用這些技術的時機已然成熟。在AI日新月異的發展下,那些於競爭中處於落後位置的企業,可能將很難追上領先者的腳步。