商業(yè)化變得前所未有的輕松，而無需三年的時(shí)間，而MIT實(shí)驗(yàn)室的科學(xué)家團(tuán)隊(duì)就可以訓(xùn)練機(jī)器學(xué)習(xí)模型，并且分析人員一直在忙于預(yù)測新的啟用AI的曙光年齡。

我們已經(jīng)廣泛討論了AI技術(shù)在企業(yè)中的可能應(yīng)用，包括加速安全團(tuán)隊(duì)，從運(yùn)營數(shù)據(jù)中獲取見解以及自動(dòng)化客戶服務(wù)任務(wù)。供應(yīng)商還熱衷于吹捧AI系統(tǒng)的靈活性，并吹噓可以在他們的幫助下加以利用的全面效率提升。

但是，盡管它在技術(shù)上比以往更可行，但在業(yè)務(wù)環(huán)境中實(shí)際部署AI工具有多實(shí)用?在本月的IT Pro Panel討論中，我們召集了一些IT專家專家，以了解他們?nèi)绾卧诂F(xiàn)實(shí)世界中使用AI。

當(dāng)我們向小組成員詢問他們?nèi)绾卧谧约旱慕M織中使用AI時(shí)，一件事立即變得顯而易見：將自己的AI與將現(xiàn)成的AI組件集成到預(yù)先存在的應(yīng)用程序之間有很大的區(qū)別。對于需要快速為業(yè)務(wù)創(chuàng)造價(jià)值的組織，通常更方便的做法是，簡單地集成社區(qū)中其他人開發(fā)的功能，而不是從頭開始重新創(chuàng)建功能。

“從我的角度來看，有兩個(gè)'流'，” Studio Graphene創(chuàng)始人Ritam Gandhi說，“第一個(gè)正在開發(fā)AI算法，第二個(gè)正在應(yīng)用它們。我的個(gè)人經(jīng)驗(yàn)和激情更多地集中在后者上。

“例如，我們已經(jīng)在許多我們從事的項(xiàng)目中使用了Google Vision AI，我發(fā)現(xiàn)它著迷于如何將其應(yīng)用于如此眾多的不同用例。就創(chuàng)建潛在的AI能力而言，這是熱衷于創(chuàng)建人工智能算法的人們的工作，人們可以在現(xiàn)實(shí)世界中利用它們并圍繞它們創(chuàng)建用例。”

雖然從頭開始構(gòu)建機(jī)器學(xué)習(xí)算法需要大量的時(shí)間，數(shù)據(jù)和計(jì)算資源，但許多專門從事機(jī)器學(xué)習(xí)開發(fā)的公司和組織(例如上述的Google以及Nvidia，AWS等)竭盡全力使開發(fā)人員易于將其AI功能集成到自己的應(yīng)用程序中。

最常見的方法是連接到云服務(wù)，并使用API??調(diào)用將所需的功能作為服務(wù)使用，這是TempCover CTO Marc Pell建議給正在考慮使用AI的任何組織的建議。