fbpx

前 Google 員工 Venkat Malladi 提出 4 個使用 AI 人工智能的原則

前 Google 員工 Venkat Malladi 最近為AI的使用提出了四個準則。他認為選擇一個基本的問題,並評估人工智能是否能解決問題,是決定 AI 成功與否的最大因素。例如銷售預測分析公司Vymo的第一個版本就是只能解決一個基本的需求。或許世界各地的銷售人員會認為報告銷售資料很乏味,但沒有銷售資料,經理和領導者就無法準確預測或幫助他們的團隊實現目標,這直接影響到他們可以達到的頂點。

因此,人們建立了一個以移動優先的解決方案(mobile-first solution)來檢測所有的銷售活動,然後根據銷售資料,解決方案就會執行經理會做的事情。這與人工智慧(AI)解決問題普遍的看法是完全相反的,這取決於你在這個問題上贊同誰的觀點。

1.人工智慧(AI)有效解決基本問題

Forbes認為資料驅動軟體的主要優勢已經超過了僅僅實現標準業務邏輯的軟體,因為前者更能符合上文下理,並且可以隨著時間的推移而不斷發展。例如Vymo的智能建議對於不同類型的銷售人員有著不同的結果,而且隨著時間的改變會有所不同。這產生的累積影響是實實在在的,如果你能與企業合作來找出最有用的資料來源,構造好的特性並輸入到你的演算法之中,那麼它的影響將會更大。

 2.建立在觀察的基礎上

Venkat Malladi也表示AI給出的建議也在演變。第一個版本的建議是基於這樣的前提–更多的銷售活動會帶來更多的收入。簡單來說就是更多現有或潛在客戶的互動會增加了達到銷售目標的可能性。而事實上,在會議中只有最高30%的人是最佳代表,這使我們走上了一條理解哪些活動具有較高投資回報(ROI)的道路。例如,午餐會議為財富銀行業務的銷售代表提供了不成比例的高回報率。

Forbes補充第一個主要的關鍵是基於一個重要的教訓–基於觀察來構建,而不是基於您認為應用程式可以有多大的幫助。當然您可以從基本前提開始,但您一旦有足夠的資料來證明或推翻您的模型,您的演算法應該完全基於最終使用者的資料來運行。我們根據使用者告訴我們的資料來確定構建的優先順序,而不是我們所期待的機器學習(Machine Learning)或AI的能力,也要堅持在試圖保持領先的同時永遠不要以與用戶相關的成本為代價。

3.將應用程式與用家最終目標聯繫起來。

Forbes提出這就是使用者真正關心的,究竟你的應用程式是如何與他們的最終目標聯繫在一起?在數位時代我們仍然使用記事本是因為它們仍有用途。同樣的情況也反映在應用程式的可用性上,例如其中一個最受歡迎的新功能是“nearby”,它顯示了周圍銷售人員的和客戶的位置。與其他更複雜的構建相比,這需要我們在Google API 上構建一個神經網絡層,然後使其能跨設備和模式來運行,這雖然不簡單,但肯定比弄清楚如何確定優先順序簡單得多。所以,他建議您忘記花哨的模型和演算法,這方面令人清醒的測試是應用程式可用性的統計資料,因為它反映了應用程式最有用的方面。

4. 模糊的正確總比精確的錯誤好

Forbes的最後提出模糊的正確總比精確的錯誤為好。他們認為AI為分析和學習大型資料集提供了一個巨大的機會。例如,您的演算法提出最初的幾個建議可能有點離譜,但是如果您的實驗設置是正確的,並且有足夠且巨大的資料,那麼它肯定會變得越來越好。

資料來源: Forbes

發表迴響

你的電子郵件位址並不會被公開。 必要欄位標記為 *

限制時效已用盡。請重新載入驗證碼。