Dołącz do grona liderów, którzy chcą więcej
Premium
AI SZTUCZNA INTELIGENCJA
Magazyn (Nr 16, luty - marzec 2023)

Jak budować dobre rozwiązania AI, gdy brakuje danych

1 lutego 2023 22 min czytania
Rama Ramakrishnan
Jak budować dobre rozwiązania AI, gdy brakuje danych

Streszczenie: Nowoczesne techniki sztucznej inteligencji (AI) umożliwiają budowanie precyzyjnych modeli bez konieczności posiadania ogromnych zbiorów oznaczonych danych. Tradycyjnie, skuteczne modele AI wymagały dużych ilości takich danych, co stanowiło wyzwanie dla firm spoza sektora B2C, takich jak przemysł, produkcja, opieka zdrowotna czy edukacja. Jednakże, dzięki nowym metodom, możliwe jest tworzenie dokładnych modeli AI przy użyciu znacznie mniejszej liczby oznaczonych danych. Przykładowo, firma produkująca meble może wykorzystać AI do analizy recenzji klientów w celu identyfikacji wad produktów i potencjalnych usprawnień, nawet jeśli dysponuje ograniczoną ilością oznaczonych danych.

Pokaż więcej

Powstają nowe, wydajne techniki wykorzystujące sztuczną inteligencję (AI), dzięki którym nie potrzeba już ogromnych zbiorów danych oznaczonych etykietami do uczenia systemów opartych na sieciach neuronowych.

Istnieje popularny pogląd, że pełne wykorzystanie potencjału modeli sztucznej inteligencji wymaga dużych ilości oznaczonych danych treningowych. Firmy internetowe z sektora B2C, z których wyrosło wiele obecnie funkcjonujących modeli AI, nigdy nie miały z ich uzyskaniem większych problemów. Jednak dla przedsiębiorstw z innych sektorów – przemysłowego, produkcyjnego, ochrony zdrowia i edukacyjnego – opracowanie wystarczająco dużych zbiorów danych oznaczonych etykietami (labelled data) może okazać się znacznie większym wyzwaniem.

Ale są również dobre wieści. Na przestrzeni ostatnich kilku lat praktycy oraz naukowcy zajmujący się sztuczną inteligencją stworzyli kilka technik pozwalających na budowanie dokładnych modeli AI przy znacznie niższym wolumenie danych oznaczonych. Stosując te metody, niejednokrotnie udaje się zbudować dobry model przy wykorzystaniu zaledwie ułamka wcześniej wymaganych danych.

Zgromadzenie dużej ilości danych oznaczonych jest trudne i kosztowne. Wyobraź sobie, że jesteś szefem firmy produkującej meble do domowego biura. Klienci zamieszczają recenzje waszych produktów w różnych sklepach internetowych oraz w mediach społecznościowych, a niektóre z tych opinii mogą być dla was cennym źródłem informacji o ewentualnych wadach i możliwych udoskonaleniach w oferowanych meblach.

Ponieważ twoja firma szybko się rozwija, zwiększa się także ilość treści przekazywanych w recenzjach i nie sposób już ręcznie przejrzeć ich wszystkich w poszukiwaniu potencjału na udoskonalenie produktów. Postanawiasz, że trzeba zbudować model AI, który będzie w stanie „przeczytać” każdą opinię konsumenta i ocenić, czy zawiera ona informacje o wadzie, potencjalnych udoskonaleniach albo o żadnym z powyższych. Mając taki model, możesz przekierowywać poszczególne recenzje..

Zostało 93% materiału do przeczytania

Materiał dostępny tylko dla subskrybentów

Dołącz do subskrybentów MIT Sloan Management Review Polska Premium!

Kup subskrypcję
O autorach
Tematy

Może Cię zainteresować

Multimedia
Jak Bank of America przygotowuje na erę AI ponad 200 tysięcy swoich pracowników?

Sztuczna inteligencja rewolucjonizuje sektor finansowy, ale to człowiek pozostaje w centrum tej transformacji. Bernard Hampton, dyrektor The Academy w Bank of America, zdradza, jak gigant z Wall Street buduje zwinność kompetencyjną i skutecznie przygotowuje ponad 200 tysięcy pracowników na wyzwania epoki AI. Poznaj kulisy upskillingu na niespotykaną skalę.

Konwersja długu na kapitał zakładowy albo dopłaty

Konwersja długu na kapitał zakładowy lub dopłaty może poprawić strukturę finansowania spółki, ograniczyć zadłużenie i zwiększyć wiarygodność wobec inwestorów. Kluczowe znaczenie ma jednak właściwy wybór mechanizmu oraz poprawna dokumentacja.

Multimedia
Człowiek jest pilotem, nie pasażerem. Co musi umieć developer jutra?

Branża IT uwierzyła w obietnicę autonomii — a za każdą decyzją modelu wciąż stoi człowiek albo jej brak. Tomasz Ducin, software generalist i współautor programu „Developer Jutra”, tłumaczy, dlaczego generowanie kodu tanieje, lecz wartość inżyniera rośnie, gdzie kryją się realne ryzyka biznesowe sztucznej inteligencji i kto przetrwa nadchodzącą rekalibrację rynku pracy. Rozmowa o ekonomii tokenów, prawie Conwaya, ryzyku odmóżdżenia i kompetencjach, które decydują o przyszłości developera.

Czego AI wciąż nie potrafi zrobić za liderów

Sztuczna inteligencja odpowiada płynnie, pewnie i natychmiast — ale nie odróżnia dobra od zła, nie uczy się z doświadczenia i nie ponosi konsekwencji decyzji. Dwie badaczki przywództwa z MIT wyznaczają granicę między tym, co warto oddać maszynie, a tym, czego lider oddać nie może, by pozostać liderem.

Dlaczego nieefektywne spotkania niszczą wartość przedsiębiorstw

Czy wiesz, że ponad połowa czasu, jaki Twoi pracownicy spędzają na spotkaniach, to czysta strata czasu i pieniędzy? Najnowsze globalne badanie Jabra obnaża zjawisko „długu spotkaniowego”, który w dużych organizacjach generuje straty rzędu 130 milionów dolarów rocznie. Dowiedz się, dlaczego sztuczna inteligencja nie uratuje uszkodzonego systemu i dlaczego spotkania nie są uniwersalnym, bezrefleksyjnym narzędziem do wszystkiego.

Podatek od empatii, który płacą liderki

Współczesny biznes wymaga od liderów empatii i wsparcia w obliczu lęku przed AI czy restrukturyzacją. Badania pokazują jednak, że ten niewidzialny ciężar emocjonalny – tzw. podatek od empatii – obciąża głównie kobiety. Poznaj mechanizmy „pełzającej opieki” i dowiedz się, jak organizacje mogą sprawiedliwie redystrybuować kulturę troski.

Jak Nespresso integruje zrównoważony rozwój z modelem biznesowym

Czy zrównoważony rozwój wymaga odrębnego uzasadnienia finansowego? Dla Nespresso odpowiedź jest prosta: ekologia to nie kosztowny dodatek, lecz fundament strategii. Dowiedz się, jak globalny lider redefiniuje relacje z rolnikami, wdraża bioróżnorodność i bierze pełną odpowiedzialność za cykl życia swoich produktów, by zabezpieczyć biznes na nadchodzące dekady zmian klimatycznych.

AI w biznesie Pułapka taniego AI. Dlaczego firma bez ludzi to biznesowy błąd?

Większość projektów AI nigdy nie trafia do produkcji. Dlaczego firmy utknęły w fazie eksperymentów i jak mogą zamienić sztuczną inteligencję w źródło realnych oszczędności oraz przewagi konkurencyjnej? O tym opowiada Udo Sglavo.

Kiedy pracownicy toną w nadmiarze zmian

Liderzy zazwyczaj skupiają się na operacyjnej mechanice zarządzania zmianą, zapominając o kluczowym fundamencie – ludziach, którzy bezpośrednio jej doświadczają. Kiedy organizacja narzuca zbyt szybkie i chaotyczne tempo innowacji, pracownicy tracą zaangażowanie, a procesy wdrażania kończą się porażką. Dowiedz się, jak skutecznie przeprowadzić firmę przez transformację, chroniąc strategiczne zasoby i wydolność swojego zespołu.

Dlaczego zarządy nie widzą we mnie wizjonera?

Zastanawiasz się, dlaczego mimo wieloletniego doświadczenia i głębokiego zrozumienia biznesu, awans na najwyższe stanowiska wciąż omija Cię szerokim łukiem? Często problemem nie jest rzeczywisty brak strategicznego myślenia, lecz nieumiejętność jego odpowiedniego komunikowania. Dowiedz się, jak przestać koncentrować się wyłącznie na operacyjnych konkretach i zacząć skutecznie sygnalizować swoje wizjonerskie podejście.

Materiał dostępny tylko dla subskrybentów

Jeszcze nie masz subskrypcji? Dołącz do grona subskrybentów i korzystaj bez ograniczeń!

Subskrybuj

Otrzymuj najważniejsze artykuły biznesowe — zapisz się do newslettera!