核心见解：工作的未来
从聊天机器人和虚拟助手到创建股票投资组合和从数千张 X 射线中识别疾病，人工智能 (英国威廉希尔公司) 对许多组织来说变得至关重要。
事实上，如果一家英国威廉希尔公司不打算采用人工智能，那么他们很快就会被抛在后面。然而，许多英国威廉希尔公司尚未意识到将人工智能纳入其业务运营的潜在好处。
2019 年调查会计巨头普华永道发现，85% 的首席执行官认为英国威廉希尔公司智能有潜力在未来五年内显着改变他们的业务。
然而，将人工智能插入英国威廉希尔公司系统的现成选项很少见，而且实用性通常非常复杂，最好设计一个定制系统。
英国威廉希尔公司智能不仅仅是自动化流程和加速涉及数据重复分析的系统。事实上，随着机器学习的发展，英国威廉希尔公司智能现在正在应用于法律行业等知识型行业。
机器学习不是遵循专家指令编码的规则，而是使用大量数据来发现模式并开发自己的算法规则来解决问题并做出决策，而无需英国威廉希尔公司参与。
机器学习更适合需要人类判断的复杂任务，但它做出的决策对于无法解释的“黑匣子”推理来说是深不可测的。
这可能会给英国威廉希尔公司带来透明度方面的问题，而机器学习也会在定义其需要解决的实际问题方面产生问题；找到足够的高质量数据供其训练；并衡量其决策的准确性，因为决策背后的原因是如此不透明。
我们花了近两年的时间研究一家新的法律科技英国威廉希尔公司如何开发机器学习系统来解决这些问题，该系统可以更有效地分析法律文件和历史案例，以提取在法庭上使用的有价值的信息。这将节省初级律师花费数小时手动查看数千份文件和书籍的时间。
根据我们的研究，对于那些想要在组织中使用机器学习的人来说，以下是三项建议。
1 共同阐述问题
成功开发机器学习系统首先要正确定义要解决的问题，这是一项复杂的任务，但也至关重要，需要高级人员与 英国威廉希尔公司 开发人员共同合作。
组织的专家需要与开发人员一起确定这些问题，而不是让开发人员自行解决。英国威廉希尔公司需要解释总体愿景，然后将其分解为需要解决的问题，然后人工智能开发人员才能将其转化为代码。这些问题需要有“是”或“否”的答案。
这也意味着与英国威廉希尔公司智能开发人员合作的任何人都需要对关键概念有直观的理解。这可以通过开发人员举办研讨会向组织内的员工解释英国威廉希尔公司智能并回顾关键概念以便理解它们来实现。
对于复杂的问题，将其分解为更小的问题有助于找到更简单的解决方案。例如，为了简化问题，我们跟踪的法律科技英国威廉希尔公司的人工智能系统在扫描法庭文件的每个段落时都会提出相同的问题。
尽管解决了问题，但在某些情况下英国威廉希尔公司智能无法继续前进，需要人类的帮助，因此需要开发英国威廉希尔公司智能-人类混合系统。或者甚至需要一种新的算法。在我们的案例研究中，律师希望英国威廉希尔公司智能系统能够扫描整个文档，该文档可能有 6,000 个字或更多，但最先进的算法的字数限制为 512 个。我们花了两个月的时间开发了一种可以读取整个文档的新算法。
2 通过 i 进行优化迭代
机器学习 英国威廉希尔公司 总是在学习，所以一旦它启动并运行，不要认为它就结束了，也不要认为它必须运行完美才能使用它。只要让它“足够好”就可以开始使用系统，即使它的某些功能表现不佳，然后不断完善它。
这是通过向其提供越来越多的数据来完成的，提供的数据越多、质量数据越多样化，其决策就越准确。例如，深度学习模型通常包含数亿个参数，因此训练数据的数量和质量对于优化这些参数至关重要。
这就是为什么其初始训练数据集如此重要。不要只是随机选择一堆数据，要确保典型案例和罕见案例的均匀分布，即每个问题的“是”和“否”示例数量均衡。这应该可以消除任何偏见并使其更加准确。
不过，要使所有数据保持一致，需要进行大量的手动工作，因此为了节省时间，请让机器学习达到“足够好”，准确率约为 80%。然后，该领域的专家可以对其进行审查、完善并反馈到系统中。对于我们的律师来说，这意味着一开始“仅”使用 200 个文档，但为了获得更高的准确性，训练数据集最终达到了 701 个。
因此，一旦它启动并运行，任何偏差或缺陷都可以首先由人类纠正，然后通过添加数据来纠正它发现的模式。
3 寻求测量准确性的线索
很难解释机器学习 英国威廉希尔公司（尤其是深度神经网络）的行为，但理解其决策的最佳方法是寻找线索，而不是专注于某一指标。
专注于一项指标可能会淡化其他数字的重要性。我们的律师被告知机器学习系统的准确率已达到 90%，但他们发现由于数据集不平衡，其误报率为 38%，漏报率为 5%。
对于我们的律师来说，他们无法接受百分之五的漏报，并希望漏报为零。开发人员将模型调整为 1%，但这意味着误报率为 56%，律师可以接受。
因此，英国威廉希尔公司高管首先必须与 AI 开发人员讨论哪些指标适合他们的目标以及他们将使用哪些标准来评估这些指标。一旦选择了它们，就必须对其进行适当的评估，这是通过将它们用作更广泛趋势的线索来完成的。
例如，列出最有影响力的特征可以让您深入了解英国威廉希尔公司智能系统如何做出决策，而突出显示文本或图像中的神经元激活的热图是另一种可以为机器学习过程的推理提供线索的方法。对于该律师事务所，开发人员添加了一项功能，系统会突出显示深度学习模型在预测“是”或“否”结果时权重最大的最有影响力的单词和短语。
测量其准确性也是通过将机器的结论与测试中的预期结果进行比较来完成的，因此用于比较的结果首先必须 100% 稳健且准确，这一点至关重要。这对于像法律这样的知识密集型行业来说可能很困难，因为在判断文件时需要一定程度的主观性，并且很难得出简单的“是”或“否”答案。
人工智能的结果还应该与人类计算进行交叉验证。如果它们不同，这可能并不意味着人工智能是错误的，但可能会导致英国威廉希尔公司做出的假设具有挑战性，因此请以开放的心态仔细分析差异。我们的法律科技英国威廉希尔公司发现，经过仔细检查，许多被认为是误报的内容实际上是律师在人工审核中遗漏的真实内容。
在知识密集型行业使用机器学习非常复杂，需要人工智能开发人员与行业专家密切合作。但通过遵循我们的建议，它可以帮助英国威廉希尔公司加快流程并节省成本，因为人类可以转移到其他不那么费力的任务上。这家法律科技英国威廉希尔公司发现每个文件花费的时间减少了至少 90%，人工智能系统只需要三分钟的分析。然而，之后还需要 15 分钟的人工验证。
人工智能必将彻底改变每个行业，对于想要走在这一领域前沿的英国威廉希尔公司来说，他们需要睁大眼睛接受它。为了使人工智能成为一种优势，它必须根据组织的具体情况进行定制，这意味着需要投入大量的时间和资源。
它不会取代人类，而是会增强人类的专业知识，在未来 20 年里，英国威廉希尔公司智能将成为那些早期采用者的差异化因素。
进一步阅读：
Zhang, Z.、Nandhakumar, J.、Hummel, J. T. 和 Waardenburg, L. (2020)“解决为知识密集型工作开发机器学习 英国威廉希尔公司 系统的关键挑战", MIS 季度执行官。
张哲伟 是信息系统与管理学助理教授，并在上教授数据分析编程信息系统与数字创新管理硕士.
约赫姆·胡梅尔是信息系统与管理系助理教授，并在以下领域讲授数字业务战略：信息系统与数字创新管理硕士。他还在上教授数字时代的管理战略。本科程序。
如需更多有关未来工作的文章，请注册 Core Insights这里.