Künstliche Intelligenz (KI) und maschinelles Lernen (ML) beherrschen inzwischen die Diskussionen in Wirtschaft und IT auf der ganzen Welt. Von Vorstandsetagen über Konferenzen bis hin zu Schlagzeilen in den Medien kann man sich der Begeisterung, den Fragen und der Störung nicht entziehen. Und das aus gutem Grund - mehr als jede andere Entwicklung der letzten Zeit sind KI und ML transformative, epochale Technologien, die unser Leben und Arbeiten grundlegend verändern.
Obwohl kaum jemand die potenziellen Auswirkungen von KI und ML bestreiten wird, fragen sich viele, wie sie diese Technologien in ihren eigenen Unternehmen einsetzen können und wo sie anfangen sollen. Diese Fragen und Bedenken beschäftigten sicherlich jeden auf der IP Expo Europe 2018-KonferenzEuropas wichtigster Veranstaltung für Unternehmen, die letzte Woche in London stattgefunden hat. Ob in einer Frage- und Antwortrunde nach der Keynote oder auf dem Messegelände: "Ich weiß, dass ich KI und ML brauche, aber wo fange ich an?", war eine häufige Aussage.
Greg Benson, Chief Scientist von SnapLogic, war auf der Konferenz anwesend und beantwortete unter anderem diese wichtige Frage in seinem Vortrag "TDie KI-Mentalität: Brückenschlag zwischen industriellen und akademischen Perspektiven." Greg Benson, der auch Professor für Informatik an der University of San Francisco (USF) ist, hat Erfahrung mit ML sowohl im akademischen als auch im industriellen Umfeld.
In seinem Vortrag erläuterte Greg einige der häufigsten Herausforderungen, die ML-Projekte oft zum Scheitern bringen, und wie man sie überwinden kann:
- Die Suche nach dem richtigen Talent
- Kontinuierlicher Zugang zu relevanten Daten
- Datenaufbereitung und Automatisierung
- Erforschung verschiedener Algorithmen mit unterschiedlichen Merkmalen
- Automatisiertes Training für aktuelle Modelle
- Einführung von ML in die Produktion
Er sprach auch über die KI-Mentalität, die IT-Fachleute und andere Entscheidungsträger für den Einstieg benötigen:
- Kombination von akademischen und industriellen Methoden
- Verstehen des experimentellen Charakters der ML-Entwicklung
- Ermöglichung des Zugriffs auf Daten (kontinuierlich, nicht nur einmalig)
- Verstehen der Möglichkeiten und Grenzen von ML-Algorithmen
- Erstellen eines ML-Plans und Zuweisung von Bereitstellungsressourcen im Voraus
- Erwägen Sie Self-Service-Tools für die Datenwissenschaft
Als Nächstes stand die "KI-Podiumsdiskussion" auf dem Programm, an der Greg neben Vertretern von RingCentral, der University of Cambridge, Sophos und dem MIT Technology Review teilnahm. Auf der Grundlage seiner Erfahrungen aus seiner Doppelrolle bei SnapLogic und der USF stellte Greg fest, wie unterschiedlich die Industrie und die akademische Welt an die Problemlösung herangehen und wie das Beste aus beiden Perspektiven die Entwicklung und den Erfolg von KI beschleunigen kann. Er forderte die Branchenführer außerdem auf, ihre schwer fassbaren und fähigen Datenwissenschaftler zu ermutigen, an lokalen Universitäten zu unterrichten, um den Wissenstransfer an unsere nächste Generation von KI-Führungskräften sicherzustellen. Der Gedankenaustausch zwischen Wissenschaft und Industrie wird einen großen Beitrag dazu leisten, die künftige Qualifikationslücke zu schließen und uns für die kommenden Jahre auf einen Weg der kontinuierlichen Innovation zu bringen.
Greg hat der ML-Diskussion noch viel hinzuzufügen - achten Sie in den kommenden Wochen auf Blogbeiträge von ihm aus erster Hand.
