Catégories
Actualités Start-Up

IA et apprentissage automatique: propulser l'entreprise de nouvelle génération

À l'heure actuelle, la plupart d'entre nous comprennent qu'à notre époque, l'intelligence artificielle (IA) et son sous-ensemble d'apprentissage automatique (ML) n'ont pas grand-chose à voir avec l'intelligence humaine. L'IA / ML consiste à reconnaître les modèles dans les données et à automatiser les tâches discrètes, des algorithmes qui signalent les transactions financières frauduleuses aux chatbots qui répondent aux questions des clients. Et devine quoi? Les responsables informatiques apprécient l'énorme potentiel.

Selon un sondage CIO Tech des responsables informatiques publié en février, l'IA / ML était considérée comme la technologie la plus disruptive par 62% des répondants et la technologie avec le plus grand impact par 42% – dans les deux cas, le double du pourcentage du plus proche rival d'IA / ML , analyse de données volumineuses. Un nombre impressionnant de 18% disposaient déjà d'une solution AI / ML en production.

Une enquête de juillet sur l’impact de la pandémie sur les activités des CIO posait une question plus provocante: «Dans quelle mesure votre entreprise est-elle susceptible d’accroître la prise en compte de l’IA / ML comme moyen d’aplanir ou de réduire les coûts du capital humain?» Près de la moitié, 48%, étaient très ou assez susceptibles de le faire. L'implication est que, à mesure que la récession économique s'intensifie, la demande de solutions d'IA / ML pourrait bien s'intensifier.

Le moment est venu de mettre en forme votre stratégie AI / ML. À cette fin, le CIO, Computerworld, CSO, InfoWorld et Network World ont produit cinq articles qui disséquent les problèmes et fournissent des recommandations significatives.

L'entreprise intelligente

Bien que l'IA / ML remplacera sans aucun doute certains emplois, l'article de Matthew Finnegan sur Computerworld, «L'IA au travail: votre prochain collègue pourrait être un algorithme», se concentre sur les situations dans lesquelles les systèmes d'IA collaborent avec les gens pour augmenter leur productivité. L'un des exemples les plus intéressants concerne les «cobots», qui travaillent aux côtés des travailleurs de l'usine pour améliorer les capacités humaines.

Mais les solutions d'IA / ML efficaces se présentent sous de nombreuses formes, comme le raconte Clint Boulton du CIO avec une nouvelle série d'études de cas, «5 réussites d'apprentissage automatique: un aperçu de l'intérieur». Il se lit comme l'un des plus grands succès des applications ML: analyse prédictive pour anticiper les résultats des traitements de santé, analyse intensive des données pour personnaliser les recommandations de produits, analyse d'image pour améliorer les rendements des cultures. Un modèle clair: une fois qu'une organisation voit le succès du ML dans un domaine, une technologie de ML similaire est fréquemment appliquée dans d'autres.

Le contributeur Neil Weinberg souligne une utilisation très pratique de l'IA / ML avec un avantage direct pour l'informatique en "Comment l'IA peut créer des centres de données autonomes. "Selon Weinberg, l'IA / ML peut gérer l'alimentation, les équipements et la charge de travail, en optimisant continuellement à la volée – et dans le cas du matériel, en prévoyant les pannes – sans intervention humaine. Centre de données La sécurité bénéficie également de la capacité AI / ML, à la fois pour alerter les administrateurs des anomalies et pour identifier les vulnérabilités et leurs remédiations.

Le ML sous toutes ses formes commence généralement par trouver des modèles dans de grandes quantités de données. Mais dans de nombreux cas, ces données peuvent être sensibles, comme le rapporte la contributrice CSO Maria Korlov dans "Dans quelle mesure vos projets d'IA et d'apprentissage automatique sont-ils sécurisés?" Korlov observe que la sécurité des données peut souvent être une réflexion après coup, rendant certains systèmes de ML intrinsèquement vulnérables aux violations de données. La réponse est d'établir des politiques de sécurité explicites dès le départ – et dans les grandes organisations, de consacrer un seul cadre à la gestion des risques liés à l'IA.

Alors, où devriez-vous construire votre solution AI / ML? Les fournisseurs de cloud public offrent des options très attrayantes, mais vous devez sélectionner avec soin, soutient Martin Heller, rédacteur contributeur d'InfoWorld. Dans "Comment choisir une plate-forme de machine learning dans le cloud, "Heller décrit 12 fonctionnalités que chaque plate-forme de cloud ML devrait avoir et pourquoi vous en avez besoin. Avec autant de charges de travail d'analyse de données migrant vers le cloud, il est logique d'ajouter le ML pour obtenir une plus grande valeur – mais c'est crucial , vous devez vous assurer de pouvoir exploiter les meilleurs frameworks ML et bénéficier de modèles pré-formés.

Nous sommes encore à des générations de tout équivalent IA de l'intelligence humaine. Entre-temps, l'IA / ML va progressivement infiltrer presque tous les types d'applications, réduisant la corvée et offrant des capacités sans précédent. Pas étonnant que les responsables informatiques pensent que cela aura le plus grand impact.

Droits d'auteur © 2020 IDG Communications, Inc.

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *