Reklama
OFERTA SPECJALNA na NAJWYŻSZY pakiet subskrypcji! Wersję Platinum - OFERTA LIMITOWANA
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 chińske platformy e-commerce zmieniają handel na świecie

Czujesz, że Twoje kampanie na Google i Meta tracą skuteczność? Koszty pozyskania klienta rosną, a klienci uciekają do Temu?  To nie jest chwilowy kryzys. To koniec e-commerce opartego na wyszukiwaniu. Nadchodzi social commerce, model, w którym przewodzą Chiny. Poznaj strategie, które napędzają chińskich gigantów i dołącz do liderów.

 

 

 

odpowiedzialna sztuczna inteligencja Trzy przeszkody spowalniające rozwój odpowiedzialnej sztucznej inteligencji

Coraz więcej organizacji deklaruje chęć tworzenia odpowiedzialnej sztucznej inteligencji, jednak w praktyce zasady etyki rzadko przekładają się na konkretne działania. Artykuł pokazuje, dlaczego tak się dzieje – wskazuje trzy kluczowe luki: brak odpowiedzialności, spójności strategicznej i odpowiednich zasobów. Na tej podstawie autorzy proponują model SHARP, który pomaga instytucjom realnie włączyć etykę w procesy decyzyjne, kulturę pracy i codzienne działania.

praca hybrydowa Praca hybrydowa nie jest problemem. Jest nim słabe przywództwo

Praca hybrydowa nie jest problemem — prawdziwym wyzwaniem jest sposób, w jaki liderzy potrafią (lub nie potrafią) nią zarządzać. Coraz więcej badań pokazuje, że nakazy powrotu do biur (RTO) nie poprawiają produktywności ani innowacyjności. Sukces elastycznych modeli pracy nie zależy od lokalizacji pracowników, lecz od czterech kluczowych zdolności organizacyjnych: strategicznej jasności, zaufania opartego na wynikach, kompetencji liderów i inwestycji w rozwój. Firmy, które dziś budują te umiejętności, jutro zyskają przewagę — niezależnie od tego, jak zmieni się świat pracy.

Multimedia
Jak AI naprawdę zmienia relacje z klientem – i dlaczego GenAI to za mało.
Od ponad trzech dekad biznes ściga obietnicę marketingu „jeden do jednego”. Mimo to, codzienne doświadczenia klientów wciąż pełne są irytujących pomyłek. Czy wszechobecna Generative AI jest wreszcie rewolucją, na którą czekaliśmy? Profesor Tom Davenport, światowy autorytet w dziedzinie analityki, twierdzi, że pogoń za samym GenAI to ślepa uliczka. Prawdziwa transformacja wymaga zrozumienia, że GenAI jest […]
Walka vs ucieczka: Kiedy lęki lidera zamieniają się w gniew

Kiedy myślimy o strachu w pracy, wyobrażamy sobie ciche wycofanie. Co jednak, jeśli prawdziwą oznaką lęku u twojego szefa nie jest ucieczka, lecz… atak? Ten artykuł ujawnia, dlaczego gniew, pogarda, obwinianie i agresja to często mechanizmy obronne liderów, którzy panicznie boją się utraty kontroli, porażki lub postrzeganej niekompetencji. Dowiedz się, jak rozpoznać, kiedy gniew przełożonego jest w rzeczywistości wołaniem o pomoc, oraz jak radzić sobie w sytuacji, gdy stajesz się celem „lękliwego wojownika”.

Multimedia
Agent AI w 2 minuty? Dowiedz się jak to działa i sam stwórz swojego asystenta AI!

Twój klient niedługo przestanie wchodzić na stronę Twojego sklepu. Wyśle tam bota, by zrobił zakupy za niego. To nie science fiction: już dziś 15-20% całego ruchu na stronach internetowych to agenci AI , a internet błyskawicznie zmienia się z „pasywnego” w „aktywny”. Co byś powiedział na to, że zbudowanie takiego agenta, który rozumie polecenia, zarządza zadaniami i łączy się z zewnętrznymi bazami danych, zajmuje… 117 sekund?

Programy motywacyjne jako podstawa trwałego zaangażowania pracowników

Wyniki badania „MIT Sloan Management Review Polska” i ARC Rynek i Opinia pokazują, że uznanie, rozwój i przejrzyste zasady wynagradzania są kluczowe dla zaangażowania pracowników. Coraz większą rolę w budowaniu motywacji odgrywają programy motywacyjne, które – przy odpowiednim zaprojektowaniu – wzmacniają lojalność, efektywność i poczucie współodpowiedzialności za sukces firmy.

Rewolucja w AI? Kiedy warto, a kiedy nie warto promptować po polsku

Świat AI  myśli niemal wyłącznie po angielsku. Dlatego informacja, że w prestiżowym teście porównawczym język polski zdeklasował globalnego faworyta, brzmi jak rewolucja. Czy to powód do dumy? Zdecydowanie. Czy to sygnał do natychmiastowej zmiany strategii promptowania w biznesie? Tu odpowiedź jest znacznie bardziej złożona i dotyka samego jądra tego, jak naprawdę działają wielkie modele językowe.

Metaekspertyza: nowa przewaga konkurencyjna dzięki AI

Gdy narzędzia AI dostarczają wiele odpowiedzi, jaka jest wartość drogich ekspertów? To ich umiejętność zadawania trafniejszych pytań i dostrzegania szarych obszarów, co przesuwa ich wartość z treści na kontekst. Liderzy powinni rozwijać u ludzi metaekspertyzę — zdolność do koordynowania narzędzi AI, syntetyzowania informacji z różnych dziedzin i tworzenia kreatywnych powiązań, których algorytmy nie potrafią wykonać — oraz tworzyć przestrzeń do podejmowania przez nich odpowiedzialności, kreatywności i uznawania decyzji jako „wyłącznie ludzkich”.

Multimedia
Pokolenie Z w miejscu pracy: między mitami a rzeczywistością

Czy można być liderem nowej generacji bez głębokiego zrozumienia oczekiwań i wartości młodych pracowników? Pokolenie Z, już dziś stanowiące coraz większą część rynku pracy, wymyka się prostym stereotypom, za to wymusza poważną rewolucję w kulturze organizacyjnej, stylu zarządzania i walce o najlepsze talenty. Dynamiczne, wymagające, autentyczne – „zetki” nie tylko zmieniają reguły gry, ale także stawiają przed liderami i firmami wyzwanie budowania prawdziwej, inkluzywnej przewagi konkurencyjnej na kurczącym się rynku pracy.

Materiał dostępny tylko dla subskrybentów

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

Subskrybuj

Newsletter

Otrzymuj najważniejsze artykuły biznesowe — zapisz się do newslettera!