AI raakt de mainstream

Voor Robert Welborn, hoofd data science voor de verzekeraar en financieringsmaatschappij USAA, was 2015 het jaar waarin machine learning commercieel zinvol begon te worden. Toegang tot verbeterde tools voor machine learning, goedkopere verwerkingstechnologie en een scherpe daling van de kosten voor het opslaan van gegevens waren van cruciaal belang. Toen die ontwikkelingen werden gecombineerd met de overvloed aan gegevens van USAA, leek een technologie die decennia lang werd bestudeerd plotseling praktisch.

Verzekeringen, financiën, productie, olie en gas, autoproductie, gezondheidszorg: dit zijn misschien niet de sectoren die als eerste in je opkomen als je denkt aan kunstmatige intelligentie. Maar terwijl technologiebedrijven zoals Google en Baidu laboratoria bouwen en baanbrekend werk verrichten, begint een bredere groep industrieën te onderzoeken hoe AI ook voor hen kan werken.

Dit verhaal maakte deel uit van ons nummer van mei 2016

• Zie de rest van het nummer
• Abonneren

Hoe zal AI zich ontwikkelen als het wordt gecommercialiseerd, en hoe zal de technologie deze diverse industrieën veranderen? Dat zijn de grote vragen van dit Business Report.

Tegenwoordig blijft de branche die AI-software en -diensten verkoopt een kleine. Dave Schubmehl, onderzoeksdirecteur bij IDC, berekent dat de omzet van alle bedrijven die cognitieve softwareplatforms verkopen - met uitzondering van bedrijven als Google en Facebook, die onderzoek doen voor eigen gebruik - vorig jaar opliep tot $ 1 miljard. Hij voorspelt dat in 2020 dat aantal meer dan $ 10 miljard zal bedragen. Afgezien van een paar grote spelers zoals IBM en Palantir Technologies, blijft AI een markt van startups: 2.600 bedrijven, volgens Bloomberg.

Dat komt omdat, ondanks de snelle vooruitgang in de technologieën die gezamenlijk bekend staan ​​als kunstmatige intelligentie - patroonherkenning, natuurlijke taalverwerking, beeldherkenning en het genereren van hypothesen - er nog een lange weg te gaan is.

USAA, slechts één early adopter, heeft manieren getest om AI te gebruiken om de detectie van identiteitsdiefstal te verfijnen. Het systeem zoekt naar patronen die niet overeenkomen met het typische gedrag van een klant en identificeert die afwijkingen zelfs in eerste instantie, zegt Welborn. Traditionele systemen zouden pas bij de tweede keer dat het gebeurde een nieuw criminaliteitspatroon herkennen. Onze leersystemen zijn heel goed in het begrijpen van dingen die op fraude lijken, zegt hij.

Een ander project dat bij USAA wordt getest, probeert de klantenservice te verbeteren. Het gaat om een ​​AI-technologie die is gebouwd door Saffron, een divisie van Intel, met behulp van een benadering die is ontworpen om de willekeur van de verbindingen die door het menselijk brein worden gemaakt, na te bootsen. Door 7.000 verschillende factoren te combineren, kan de technologie brede patronen van klantgedrag afstemmen op dat van specifieke leden, en 88 procent van de tijd correct voorspellen hoe bepaalde mensen contact kunnen opnemen met USAA (web? telefoon? e-mail?) en naar welke producten ze op zoek zijn als ze dat doen. Zonder de AI hadden de systemen van USAA 50 procent van de tijd gelijk. Die test wordt nu uitgebreid.

General Electric gebruikt AI om de service van zijn geavanceerde straalmotoren te verbeteren. Door een vorm van AI genaamd computervisie (oorspronkelijk ontwikkeld om films en tv-beelden te categoriseren toen GE NBC Universal bezat) te combineren met CAD-tekeningen en gegevens van camera's en infrarooddetectoren, heeft GE de detectie van scheuren en andere problemen in de bladen van vliegtuigmotoren verbeterd.

Het systeem elimineert fouten die vaak voorkomen bij traditionele menselijke beoordelingen, zoals een dip in detecties op vrijdag en maandag, maar vertrouwt ook op menselijke experts om zijn waarschuwingen te bevestigen. Het programma leert vervolgens van die feedback, zegt Colin Parris, GE's vice-president van softwareonderzoek.

AI kan ook een aanjager zijn van nieuwe producten en diensten. Via zijn MyFitnessPal-app voor het bijhouden van oefeningen en calorieën en andere producten, is sportkledingmaker Under Armour verbonden met 160 miljoen consumenten. Maar in plaats van zich te beperken tot het loggen van de trainingsresultaten van mensen, sloot het bedrijf een deal met IBM's cognitieve computerbedrijf, Watson, om zijn gegevens over fitness- en voedingsroutines te combineren met informatie die is verkregen uit onderzoeksstudies en andere gegevens van derden over slaap, activiteit , fitness en voeding. Het doel: mensen met een bepaald doel vertellen hoe ze dat kunnen bereiken, waardoor het bedrijf relevanter wordt voor die 160 miljoen klanten.

Voor bedrijven als USAA en Under Armour lijkt de toekomst van AI minder op de antropomorfe robots in films en meer op tools die steeds beter worden. En ondanks de vrees dat AI zal leiden tot de wijdverbreide vervanging van werknemers, blijven menselijk oordeel en feedback een integraal onderdeel van het verbeteren van machine-leersystemen. Zoals John Giannandrea, vice-president engineering bij Google, de schrijver Robert D. Hof later in dit rapport voor zijn verhaal vertelde: Zelfs als je een mooie auto hebt, moet je nog beslissen waar je heen wilt.

zich verstoppen