複雑な AI: エンタープライズ AI の成功のための重要な要素

Dynatrace が発表した最近の世界的なレポートによると、人工知能への投資の増加により、「複合人工知能」が企業が人工知能をうまく適用するための重要な要素になるとのことです。 Dynatrace は、テクノロジー リーダーの 83% が人工知能が不可欠であると信じている一方で、95% は生成人工知能 (GenAI) が他の種類の人工知能の支援を受ければより効果的であると信じていると指摘しました

レポートでは、企業は複数の種類の人工知能を組み合わせた人工知能に対する包括的なアプローチを採用する必要があると指摘しています。これらのタイプには、GenAI、予測 AI および/または因果関係 AI、可観測性、セキュリティ、ビジネス イベントなどの異種ソースからのデータが含まれる場合があります。このアプローチを通じて、企業はより高いレベルの推論を達成し、人工知能の出力をより正確で、関連性があり、意味のあるものにすることができます。

このことから、人工知能は単純なものではないことがわかります。技術。それにはさまざまな種類、手法、データ、シナリオが関係しており、それぞれに長所と限界があります。人工知能の可能性を最大限に発揮するには、単一の人工知能テクノロジーだけでは十分ではありません。さまざまな AI テクノロジーとデータ ソースを組み合わせて、より高度な推論と、より正確で意味のある状況に応じた AI 出力を提供する必要があります。これが複合人工知能の概念です。これは、生成型、予測型、因果型などの複数のタイプの AI を、可観測性、セキュリティ、ビジネス イベントなどのさまざまなデータ ソースと組み合わせることを指します。複合 AI は、企業による AI の導入を成功させるための重要な要素です。なぜなら、企業が複雑な問題を解決し、より価値のあるソリューションを提供し、変化する環境にうまく適応できるようになるためです。

この記事は、化合物の概念、アプリケーション、および分析を目的とした Dynatrace によるグローバル レポートに基づいています。人工知能の価値、複合人工知能の利点と課題。私たちの目的は、複合人工知能の重要性と可能性、そして企業の競争力とイノベーションを強化するために複合人工知能を効果的に導入する方法をより深く理解することです。

01 複合人工知能の概念知能

誰もが知っているように、人工知能はコンピューターサイエンス、数学、統計、心理学、哲学、その他の分野を含む学際的な主題です。これにより、コンピューターや機械が、知覚、理解、学習、推論、意思決定、創造、その他の能力など、人間のような知能を持つことが可能になります。人工知能の研究開発には数十年の歴史があり、その間に多くの浮き沈みや変化を経験してきました。これにより、人工知能テクノロジーの複数の種類、手法、データ、シナリオが形成され、それぞれに独自の利点と限界があります。

最近の生成型人工知能の急速な発展AI) は、ディープラーニングやその他のテクノロジーを使用して、テキスト、画像、音声などのデータから新しいコンテンツを生成します。生成人工知能の利点は、仮想アシスタント、パーソナライズされたレコメンデーション、インテリジェント コンテンツなどの新しい製品やサービスの作成に役立つことです。ただし、生成型人工知能にもいくつかの制限があり、不正確、不合理、または非倫理的な可能性があります。たとえば、生成されたコンテンツが事実と矛盾したり、常識に違反したり、他人の感情を傷つけたりする場合があります。 ##予測人工知能 (予測 AI) の開発の歴史は、統計学習理論と機械学習アルゴリズムの最初のバッチが登場した 1950 年代にまで遡ることができます。予測人工知能は、統計学習やその他のテクノロジーを使用して、分類、回帰、クラスタリングなどのデータからパターンや傾向を発見します。予測人工知能の利点は、パフォーマンスの監視、障害予測、異常検出など、既存の製品やサービスの最適化に役立つことです。予測型人工知能の限界は、予測結果が現実と矛盾したり、ノイズや異常の影響を受けたり、説明可能性に欠けたりすることです。原因と結果を推測するためのデータとアルゴリズム。これは、組織がデータの背後にある原因と結果を理解し、より適切な意思決定と介入につながるように支援します。因果関係のある人工知能の応用分野には、医学、社会科学、経済学、教育、政策立案などが含まれます。因果関係のある人工知能の中核となる概念は因果関係図です。これは、ノードと矢印を使用して変数と因果関係を表すグラフィカル モデルです。特性要因図を使用すると、データが生成されるメカニズムと、介入や実験によってデータの分布がどのように変更されるかを表すことができます。因果関係図は、「これを実行するとどうなるか?」または「この変数がその変数に影響を与えるのはなぜですか?」などの因果関係の質問に答えるためにも使用できます。

中国語で次のように書き直されます: さまざまな種類の人工知能テクノロジーに加えて、可観測性、セキュリティ、ビジネス イベントなど、さまざまなデータ ソースも利用できます。可観測性データとは、アプリケーションのパフォーマンス、ソフトウェア開発とセキュリティの実践、IT インフラストラクチャ、およびユーザー エクスペリエンスに関連するデータを指します。セキュリティ データとは、サイバーセキュリティ、データ保護、プライバシー コンプライアンスに関連するデータを指します。ビジネス イベント データとは、ビジネス プロセス、トランザクション、顧客の行動、満足度に関連するデータを指します。データ ソースが異なれば提供される情報や価値も異なりますが、品質、セキュリティ、プライバシーの要件や課題も異なります

複合人工知能は、さまざまな種類の人工知能テクノロジーとデータ ソースを組み合わせたものです。これを組み合わせて、より高度な推論と、より正確で意味のあるコンテキストに応じた AI 出力を提供します。複合 AI は、複雑な問題を解決し、より価値のあるソリューションを提供し、変化する環境にうまく適応できるようにするのに役立ちます。複合人工知能の中核は、さまざまな人工知能テクノロジーとデータ ソースの利点を利用して、それぞれの限界を補い、人工知能テクノロジーとデータ ソース間の相乗効果と補完性を達成することです。 02 複合人工知能の統合と調整

複合人工知能の統合と調整は、より高度な推論と精度を提供するために、さまざまな種類の人工知能テクノロジーとデータソースを組み合わせることです。より有意義で状況に応じた AI 出力。複合人工知能の統合と調整には、人工知能の目標、範囲、方法、データの品質、セキュリティとプライバシー、人工知能の評価と監督など、複数の側面を考慮する必要があります。したがって、いくつかの基本的な概念と原則が必要です。

人工知能の目標は、問題を解決したり、診断、予測、生成、推奨などの機能を実装したりすることです。これらの目標によって、AI 出力の種類、形式、内容、およびその価値と影響が決まります。設計、実装、評価を容易にするために、人工知能の目標は明確、具体的、定量化可能、達成可能である必要があります。

人工知能の範囲を決定する場合、関連する領域は次のとおりである必要があります。医療、教育、金融、製造などのシナリオを検討します。人工知能の範囲によって、その入力と出力のソース、特性、要件、および入力と出力の複雑さと難易度が決まります。人工知能の取得、処理、応用を容易にするために、その範囲は適切、合理的、実現可能かつ拡張可能である必要があります。

人工知能の選択方法には、生成的、予測的、および予測的手法の使用が含まれます。因果的人工知能 知的技術またはアルゴリズム、および深層学習、統計学習、因果推論など。これらの方法は、AI 出力の品質、信頼性、解釈可能性、および AI 出力の強みと限界を決定します。人工知能の手法は、最適化、検証、更新するために、適切で、効果的で、革新的で、改善可能である必要があります。

データ品質とは、データの正確性、完全性、一貫性、適時性、関連性を指します。データの品質は、人工知能の出力の信頼性と受け入れやすさだけでなく、人工知能の出力の精度、合理性、倫理にも直接影響します。したがって、人工知能の学習、推論、生成を促進するには、データの品質が高く、安定していて、明確で新しい必要があります。

書き換える必要がある内容は次のとおりです: データ セキュリティデータの暗号化、認可、監査、バックアップと削除などのプライバシー保護も考慮する必要があります。データのセキュリティとプライバシーは、リスクと結果だけでなく、AI 出力のセキュリティ、合法性、説明責任にも影響を与えます。したがって、データのセキュリティとプライバシーは強力であり、人工知能の予防、対応、修正を促進するために規制や法律を厳格に遵守する必要があります。インテリジェンスを強化するには、その出力を検査して改善する必要があります。これには、AI 出力のテスト、評価、フィードバック、監視の作業が含まれます。人工知能の評価と監督は、その出力の効率と有効性、さらには革新と開発に影響を与えます。したがって、人工知能の調整、最適化、更新を容易にするために、人工知能の評価と監督は継続的、包括的、客観的かつタイムリーである必要があります。

複合人工知能の統合と調整は、より高度な推論機能と、より正確で意味のある状況に応じた AI 出力を提供するように設計された多面的なプロセス。これは、多大な時間、リソース、専門知識の投資、および高度な調整と協力を必要とするプロセスです。

03 複合人工知能のアプリケーション

複合人工知能のアプリケーションは、さまざまな種類の人工知能テクノロジーとデータ ソースを使用して、複雑な問題を解決し、より高度な推論とより価値のある出力を提供します。このアプローチでは、複数の種類の人工知能を組み合わせて、より高度な推論とパフォーマンスの向上を実現します。複合人工知能の応用分野は非常に幅広く、例えば、自然言語処理の分野では、生成 AI、予測 AI、因果 AI の使用など、自然言語の生成、理解、翻訳に複合人工知能を使用できます。その他の技術

複合型人工知能の応用は、医療、教育、金融、製造、エンターテイメント、セキュリティなど、さまざまな分野や産業に応用できます

医療分野では、複合人工知能である生成 AI、予測 AI、および因果関係 AI を可観測性、セキュリティ、ビジネス イベント データと組み合わせることで、より正確な診断、治療、予防のオプションと、より個別化されたケアを提供できます。たとえば、生成型人工知能は、医療画像、遺伝子配列、医療記録などのデータを通じて、病変、突然変異、診断などの新しい医療情報を生成できます。予測人工知能は、医療モニタリング、検査、評価、および状態、リスク、影響などのその他のデータからパターンと傾向を発見できます。因果関係人工知能は、薬、手術、ライフスタイルなどの医療介入、治療、予防などのデータから因果関係を推測することができます。可観測性データにより、医療機器、システム、プロセスの監視と分析が可能になり、可用性と信頼性が向上します。セキュリティ データは医療データとプライバシーを保護および遵守し、データの悪用や漏洩を防ぐことができます。ビジネス イベント データは、医療サービスと満足度を測定および改善し、収益と利益を増加させることができます。

複合人工知能の教育分野への応用は、生成的、予測的、因果的人工知能と学習者を組み合わせることです。行動、能力、好みのデータを組み合わせることで、より良い教育、評価とフィードバック、そして私たちにとってより適した学習パスが提供されます。たとえば、生成型人工知能は、教科書、コース、ナレッジ マップなどのデータに基づいて、質問、回答、例などの新しい教育コンテンツを作成できます。予測人工知能は、学習活動、結果、フィードバック、その他のデータに基づいて、学習レベル、進歩速度、学習スタイルなどのルールや傾向を発見するのに役立ちます。因果関係のある人工知能は、私たちの教育介入、戦略、効果、その他のデータに基づいて、教育方法、学習リソース、学習成果などの間の因果関係を推測できます。学習者の行動、能力、好みのデータにより、人工知能は私たちをより深く理解し、パーソナライズされたカスタマイズされたサービスを提供し、学習をより効率的かつ効果的にすることができます。

複合人工知能は重要な役割を果たしています。金融分野での役割。生成的、予測的、因果的人工知能を使用して、市場、顧客、リスクのデータを組み合わせて、より優れた金融ソリューションとサービスを提供します。たとえば、生成 AI は、見積もり、推奨事項、戦略など、さまざまなデータに基づいて新しい財務情報を提供します。予測人工知能は、価格、需要、行動などのさまざまなデータに基づいて金融ルールや傾向を発見するのに役立ちます。因果関係のある人工知能は、影響、リスク、リターンなどのさまざまなデータに基づいて財務上の因果関係を分析するのに役立ちます。市場データは、市場状況をより深く理解して分析し、市場の透明性と効率を向上させるのに役立ちます。顧客データは、顧客をより深く理解してサービスを提供し、顧客ロイヤルティと満足度を向上させるのに役立ちます。リスク データは、リスクの特定と管理を改善し、リスクの制御可能性と予測可能性を向上させるのに役立ちます。

04 複合人工知能の価値

書き換えられた内容は次のとおりです。複合人工知能のアプリケーションにより、人工知能の信頼性と適用性が向上します。複合人工知能は、さまざまな種類の人工知能テクノロジーとデータソースを組み合わせることで、さまざまな人工知能テクノロジーとデータソースの利点を最大限に活用して、それぞれの欠点を補い、共同作業と補完効果を実現します。このようにして、複合 AI は、より包括的、正確、合理的かつ倫理的な AI 出力を提供して、主要なビジネス シナリオをサポートし、一貫性のない、不適切な、または望ましくない問題を回避できます。

Dynatrace 社 CTO、Bernd Greifeneder 氏「特定の問題を解決するためにユーザーが信頼できる有意義なコンテンツを GenAI に生成させるのは難しい作業です。チームは、GenAI が何をすべきかを理解するための適切なプロンプトを設計するのに多大な時間と労力を投資する必要があります。どのような種類のコンテンツなのかが生成され、生成されたコンテンツの正確性が検証されます。」

これを達成するために、彼は、さまざまな人工知能が万能ではないことを理解することの重要性を強調しました。 GenAI の多くのアプリケーション シナリオ、特にソフトウェア コードの最適化やセキュリティ脆弱性の解決などの複雑なシナリオでは、複合人工知能 (複合 AI) の使用が必要です。複合AIとは、因果推論AI（システムの動作の原因と結果を見つけることができる）や予測AI（過去のデータに基づいて将来の出来事を予測できる）など、異なる種類のAIを組み合わせて、必要な背景情報を提供することを指します。

企業が適切な戦略を策定し、さまざまな人工知能テクノロジーを高品質のデータと組み合わせることができれば、開発、運用、セキュリティ チームの作業効率を大幅に向上させることができ、同時に持続的なサービスを提供できます。ビジネス価値

複合 AI は、さまざまな種類の AI テクノロジーとデータ ソースを組み合わせて、より高度な推論とより価値のある出力を提供するアプローチです。生成 AI (データから新しいコンテンツを生成)、予測 AI (過去のデータに基づいて将来のイベントを予測)、および因果関係 AI (データ内の因果関係を特定) を組み合わせて、より正確で、より有益な意味と、より文脈に即したものを生成できます。コンテンツ。さらに、可観測性データ (システムのパフォーマンスとステータスの監視と分析に使用)、セキュリティ データ (データの使用と送信の保護と準拠に使用)、ビジネス イベント データ (測定と送信に使用) などのさまざまなデータ ソースを活用できます。ビジネス プロセスと効果を改善する）により、人工知能がより包括的で信頼性が高く、関連性の高いデータを使用できるようになります。

参考: https://aimagazine.com/data -and-analytics/composite- AIは投資の増加とともに成功を促進する可能性がある 参照リンクには、投資が増加するにつれて複合 AI が成功を促進する可能性があると記載されています。

以上が複雑な AI: エンタープライズ AI の成功のための重要な要素の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。