Aux prises avec une fausse IA? Voici comment devenir un véritable IA Comp …

Real AI vs Fake AI

deepkapha.ai

L'autre jour, je parlais avec un leader d'une société de conseil mondiale et il m'a dit qu'ils avaient près d'un millier de «meilleurs experts en IA».

J'étais comme: "Wow!"

Cela m'a dérouté car nous sommes au milieu des projets d'apprentissage en profondeur les plus fous dans plusieurs secteurs verticaux et nous savons qu'il n'est pas facile de trouver ce talent pour ce projet commercial ou de recherche spécifique.

J'ai donc pensé à faire un peu de réalité avec mon public sur Linkedin.

Real AI vs Fake AI

deepkapha.ai

Un de mes contacts, qui est ingénieur en robotique et en vision informatique, a partagé cela dans son réseau, ce qui a suscité beaucoup de discussions intéressantes sur: Real AI VS Hype!

Introduction rapide – Alors, que se passe-t-il?

L'intelligence artificielle est indéniablement d'actualité aujourd'hui, il n'est donc pas surprenant que les entreprises lancent toutes sortes de jargon qui correspond à tout et n'importe quoi avec l'IA.

Il y a quelques startups qui construisent actuellement des produits dans leurs niches étroites et savent ce qu'il faut pour créer une solution à partir de zéro.

Et d'autre part, il y en a d'autres qui ne font que convertir leurs offres actuelles en projets d'IA.

Vous devez être capable de repérer la différence entre les deux.

Essayons d'abord de comprendre pourquoi cela se produit.

40% des entreprises d'IA mentent sur leur IA – Rapport de recherche

Honnêtement, je peux vous parier que ce nombre est nettement plus élevé que ça!

L'IA ou l'intelligence artificielle est un aimant pour capturer les VC et les investisseurs. Cela aide également les entreprises à diffuser la perception qu'elles «font de l'IA».

Selon ce rapport sur l'état de l'IA publié il y a un an, près de 40% des entreprises en Europe qui prétendent avoir l'IA ne vous disent tout simplement pas la vérité.

Selon le rapport, ces réclamations ne sont pas toujours formulées par ces sociétés elles-mêmes mais sont mal déclarées par d'autres tiers. Ce n'est pas un problème, mais le fait que ces entreprises ne corrigent pas cette fausse déclaration crée la perception que ce sont effectivement des entreprises d'IA, ce qui est un problème.

Le rapport a également constaté que la plupart des cas d'utilisation que ces entreprises décrivent comme leurs impressionnants projets d'intelligence artificielle sont par essence «assez banals». Par exemple, 26% de ces entreprises ont une forme quelconque de chatbots, un autre énorme 21% utilisent la détection de fraude.

Bien que les exemples ci-dessus puissent déployer une forme de base de machine learning et offrir un certain soulagement à leurs clients, ils ne sont certainement pas des solutions d'intelligence artificielle (lire: apprentissage en profondeur).

Et pour aggraver les choses et rendre les clients plus confus, vous avez ces robots, des brosses à dents intelligentes «alimentées par l'IA»?

Vous pouvez télécharger le rapport complet ici.

Heureusement, les médias signalent régulièrement de fausses entreprises d'IA

Heureusement, les médias signalent les mensonges qui traversent le toit.

Par exemple, cette société a rapporté ci-dessous par le Verge. Ils ont levé 30 millions de dollars avec SoftBank mais ont finalement demandé à des ingénieurs humains de faire tout le «travail d'IA automatisé!

à lire :  63 entreprises vont démarrer pour moins de 10 000 $

Le Guardian a également publié un article très intéressant sur la façon dont les travailleurs au salaire minimum sont mis dans la boucle pour prétendre faire un travail automatisé dans le backend.

Comme cet entrepreneur l'a bien dit en 2016:

Comment simuler un démarrage d'IA

Twitter

De nombreuses entreprises peuvent également passer inaperçues et vous devez étudier plus en détail la façon de détecter la différence entre Real AI et Fake AI.

Comment tu fais ça?

Repérer une fausse entreprise d'IA

Bien que ce ne soit pas vraiment très difficile, vous aurez besoin d'une certaine forme de compréhension de l'apprentissage automatique et de l'approfondissement avant de pouvoir commencer à enquêter davantage.

Mais vous pouvez toujours commencer à enquêter en posant seulement deux questions:

1. Compétences – Creusez dans leur bassin de talents

Je travaille régulièrement avec les meilleurs chercheurs et ingénieurs du monde. Je les embauche personnellement et pose des questions sans équivoque sur leur expérience de projet, le développement de logiciels et surtout la motivation – leur volonté d'apprendre.

J'approfondis la vision par ordinateur et les compétences techniques, les connaissances et l'expérience de la PNL. Ensuite, je pose des questions sur l'expérience de leurs projets. Parfois, ces discussions durent longtemps et peuvent être très excitantes.

Conclusion: si le bassin de talents est pauvre, vous en savez assez.

2. Quel est leur produit ou service?

Je commence normalement à poser des questions à blanc.

Êtes-vous une entreprise d'IA?

Votre produit ou service est-il construit avec l'IA (lire: ML ou DL)?

Quel pourcentage d'âge de votre produit utilise des données actives (flux de données primaires, secondaires et tertiaires) (Lire: quelle est la pénétration)

Comment votre plateforme apprend-elle? (Lire: Est-ce vraiment de l'IA ou un script logiciel qui met à jour des lots ETL?)

Montre moi s'il te plaît.

Puis je m'assois et j'écoute.

Devenir une véritable entreprise d'IA

D'accord, nous avons donc vu un peu à quel point le monde des startups, des scale-up et des entreprises établies (lire: projets logiciels en marque blanche) est désordonné.

Il est également assez clair que les entreprises, les startups et les scale-up recherchent une entreprise justifiable et financièrement défendable. Il est également évident, d'après de nombreux VC et investisseurs, que le véritable modèle commercial défendable (Lire: monopolistique) est toujours insaisissable pour la plupart des startups et des scale-up.

Les sociétés d'intelligence artificielle semblent, de plus en plus, combiner des éléments des logiciels et des services avec des marges brutes, une évolutivité et une défensibilité qui peuvent représenter entièrement une nouvelle classe d'entreprises.

Andreessen Horowitz

Bien que les observations et les conseils des auteurs du blog a16z soient certainement bien informés, ils ne mentionnent pas les actions à entreprendre pour des modèles commerciaux axés sur la concurrence et agnostiques et durables que les entreprises en dehors de la Silicon Valley devraient adopter.

Des entreprises telles que Netflix, Uber, Google, Facebook, Apple, Microsoft, Amazon et une suite d'entreprises en croissance qui ont goûté à la saveur des données, accélèrent encore leur croissance et tirent de plus en plus d'énormes marges.

comment font-ils ça?

Avec les données!

De vraies entreprises d'IA construisent de nouveaux écosystèmes

deepkapha.ai

Alors, explorons brièvement quels facteurs d'hygiène sont nécessaires pour qu'une entreprise passe d'une entreprise actuelle à une entreprise axée sur les données. Ceci est basé sur mon expérience du monde réel hors des tranchées.

Stratégies gagnantes dans une économie de l'IA

Étape 1: Alignez et pilotez votre stratégie et votre vision

Les chefs d'entreprise, les propriétaires d'entreprise, les investisseurs et les actionnaires doivent absolument s'engager pour s'intéresser activement, sensibiliser et s'approprier la transition ou la transformation de l'IA.

Deuxièmement, ils doivent s'asseoir activement et suivre ses progrès. Les CDO ou CAIO «Chief AI Officer» vont et viennent, mais les VC, les investisseurs et les propriétaires sont accablés par le changement.

à lire :  Pourquoi Philadelphie était-elle l'endroit pour lancer Tech Startup xtraCH ...

Troisièmement, assurez-vous que votre poursuite et vos questions au sein de votre organisation sont dirigées avec votre couche de gestion apprenant et s'instruisant pour répondre à vos questions difficiles avec des données.

Rien d'autre!

Déterminez les progrès en fixant des objectifs mesurables afin que vos gestionnaires et cadres non seulement répondent à ces questions, mais puissent également démontrer leur capacité à déterminer comment les MVP (propositions viables minimales) monétisables qui naissent des données.

Bottom line: Votre stratégie est de trois mots. Les données. Les données. Les données.

Étape 2: Préparez votre personnel à devenir de vrais experts en apprentissage automatique, pas des «experts en IA»

Une fois que la stratégie et la vision sont alignées sur des résultats exploitables et mesurables, il est temps d'éduquer votre personnel pour un effet cumulatif afin que les entreprises et la technologie parlent le même langage.

Que vous vendiez en B2B ou B2C, vos décisions ne devraient plus être basées sur des suppositions ou des instincts mais sur des données.

Les managers, les ventes, le marketing et les équipes internes sont constamment à la recherche de métriques qui répondent aux besoins de la direction ou même de certains KPI qui ne s'appliquent plus dans l'économie de l'IA.

Des sociétés comme Netflix, Booking.com, Uber ne fonctionnent pas sur leur instinct, elles ne conduisent même pas des estimations gues – elles tentent toutes de faire des hypothèses et de répondre à ces questions avec des données.

Une approche similaire doit être appliquée pour aider à former vos ingénieurs, développeurs et personnel technique existants à toutes les formes de techniques d'apprentissage automatique. C'est une partie essentielle de votre parcours de transformation de l'IA.

Les MOOC ont été une grande aubaine pour les débutants de se familiariser avec les concepts, mais c'est là que cela s'arrête.

Question: Posez-vous la question suivante: pensez-vous que Google, Facebook, Amazon envoient leurs employés sur les plateformes MOOC OU leur donnent-ils des données réelles à partir de leur propre pipeline?

Aucune quantité de formations en ligne ne peut se substituer à nos propres programmes dans lesquels vous appliquez vos propres idées en fonction de vos propres données!

Après avoir préparé votre organisation sur toutes les compétences possibles requises pour faire évoluer votre entreprise avec des informations, il est temps de la mettre à l'épreuve!

Étape 3: Ne perdez pas de temps – Construisez votre premier algorithme et MVP en quelques semaines!

La plupart des entreprises passent des mois, voire des années, à des projets de données à grande échelle pour développer une stratégie de données, une gouvernance des données, des plateformes de données et Dieu sait quoi.

Il s'agit d'un stratagème typique pour la plupart des entreprises fortement ancrées dans un écosystème de marché concurrentiel et les consultants proposent constamment des solutions étroites.

À mesure que cela progresse, des applications et des plates-formes sont introduites, vendues et mises en œuvre en interne. Cela permet aux consultants et aux travailleurs qualifiés, qui ne peuvent maîtriser que les outils et les plates-formes, de pénétrer davantage ces entreprises.

Question: Pensez-vous que c'est ainsi que fonctionnent les entreprises axées sur les données? Pensez-vous que Tesla laisse les plateformes externes piloter son programme? Ou pensez-vous qu'ils construisent leurs plateformes et contrôlent leur propre destin?

Il y a souvent des data scientist au sein de ces organisations mais il n'y a pas de plateforme ou de hub centré sur les données qui a une bannière suivante accrochée: «Nous répondons à toutes vos questions avec des données»

Changez cela dès que possible en créant votre premier produit d'IA que vous pouvez lancer dans votre entreprise!

Étape 4: Construisez une entreprise défendable avec une stratégie unique multi-modèles et algorithmes

OK, nous avons donc aligné notre stratégie et notre vision, nous avons mis à jour nos compétences avec les dernières et meilleures offres de Machine Learning et Deep Learning. Nous avons même construit notre premier algorithme passionnant et maintenant quoi?

à lire :  Transcription de l'appel des résultats du quatrième trimestre 2019 d'Unisys Corp (UIS)

J'ai vu de nombreuses entreprises se glisser rapidement dans le fauteuil après avoir franchi une étape importante à l'étape 3. Ce travail louable, mais les organisations ambitieuses en termes de données doivent se rendre compte que c'est le début d'une course passionnante.

De plus, il est assez facile pour vos concurrents de l'attraper, selon le caractère générique de votre algorithme.

Il est temps maintenant de bâtir une entreprise défendable avec une stratégie multi-algorithmes et basée sur des modèles qui impliquera d'accélérer davantage le développement de pipelines d'ingénierie IA sophistiqués qui effectuent des calculs intensifs de données de bout en bout pour créer davantage de leadership sur le marché dans leurs entreprises individuelles. .

Question: Des entreprises comme Uber ont pris la tâche de l'ingénierie des données très au sérieux. Au cours de ce processus, ils ont fini par développer et publier des outils et des plates-formes pour effectuer un traitement parallèle multi-GPU de lourdes charges de calcul qui seraient impossibles à réaliser par les ingénieurs eux-mêmes.

Étape 5: Préparez-vous à posséder la pile de matériel, de logiciels et de services pour maintenir le plomb

Alors que vous continuez à construire vos solutions automatisées, en améliorant vos marges et en satisfaisant les besoins de vos clients, il est temps également d'envisager où vous conduirez votre croissance en fonction de l'échelle (qui restera une marge de croissance à un chiffre) et où vous conduirez basé sur la valeur (cela pourrait être vos véhicules de croissance à deux chiffres qui pourraient s'étendre à de nouvelles entreprises).

Apple a connu un grand succès avec son jeu de services HW + SW +. Tesla est le dernier exemple d'une entreprise qui préfère détenir le écosystème d'écosystèmes pour maintenir une avance géante depuis le début.

Final Pensées

L'économie de l'IA – tirée par l'écosystème des applications et des services d'apprentissage automatique et d'apprentissage profond, va perturber et peut-être même déplacer les entreprises pauvres en IA une fois pour toutes.

AI Economy est un gagnant qui prend toute l'économie

deepkapha.ai

Oui, je suis d'accord que le playbook AI est toujours en cours d'écriture, et c'est pourquoi vous devez écrire le vôtre avec une grande urgence.

Alors que toutes les entreprises font de leur mieux pour éviter les trous noirs, la clé n'est pas de traverser la zone de bataille compétitive mais de viser à créer un nouveau vecteur de croissance afin de tirer loin de la zone de bataille compétitive.

Cette voie est celle du home run (high margin play) et de l'industrialisation des services à grande échelle.

Cela peut être le vôtre.

Alors arrêtons de faire semblant, et allons-y et faisons-le pour de vrai!

Aux prises avec une fausse IA? Voici comment devenir un véritable IA Comp …
4.9 (98%) 32 votes
 

Julien