En esta publicación le hablaremos sobre:
La definición de Inteligencia artificialsynthetic
La historia de la Inteligencia artificialsynthetic
Cómo funciona la IA
Una descripción generalcommonbasicnormal de las principales técnicas de la IA
Ejemplos del uso de la Inteligencia artificialsynthetic en los negocios
1. Definición de Inteligencia artificialsynthetic
La Inteligencia artificialsynthetic es el campo científico de la informática que se centra en la creación de programas y mecanismos que pueden mostrar comportamientos considerados inteligentes. En otras palabras, la IA es el concepto según el cual las máquinas piensan como seres humanos”.
Normalerweise, un sistema de IA es capaz de analizar datos en grandes cantidades (bighugemassivelarge dataknowledgeinformation), identificar patrones y tendencias y, daher, Vorhersagen automatisch formulieren, schnell und präzise. Für uns, ist das Wichtige, dass KI unsere alltäglichen Erfahrungen intelligenter macht. Wie? Durch die Integration von prädiktiver Analyse (werden wir später darüber sprechen) und andere KI-Techniken in Anwendungen, die wir täglich verwenden.
Siri funktioniert als persönlicher Assistent, da es natürliche Sprachverarbeitung verwendet
Facebook und Google Fotos schlagen das Markieren und Gruppieren von Fotos basierend auf Bilderkennung vor
Amazon bietet Produktempfehlungen basierend auf Warenkorbmodellen an
Waze liefert optimierte Verkehrsinformationen und Navigation in Echtzeit
2. Kurze Geschichte der Künstlichen Intelligenz
La mayoría de nosotros tenemos un concepto de la Inteligencia artificialsynthetic alimentado por las películas de Hollywood. Exterminadores, robots con crisisdisaster existenciales y píldoras rojas y azules. De hecho, la IA ha estado en nuestra imaginación y en nuestros laboratorios desde 1956, cuando un grupo de científicos inició el proyecto de investigación Inteligencia artificialsynthetic” en Dartmouth CollegeSchoolFaculty en los Estados Unidos. El término se acuñó primero ahí y, desde entonces, hemos presenciado una montaña rusa de avances (¡Vaya! ¿Cómo sabe Amazon que quiero este libro?‘ veröffentlicht), así como frustraciones (esta traducción es completamente errónea”).
Al inicio del proyecto, Das Ziel war es, dass die menschliche Intelligenz so präzise beschrieben werden könnte, dass eine Maschine sie simulieren könnte. Dieses Konzept war auch als 'generelle KI' bekannt, und genau diese Idee war der Gedanke, der die (erstaunliche) Fiktion, die uns unbegrenzte Unterhaltung geben würde, nährte.
Jedoch, Die KI entwickelte sich zu spezifischen Bereichen. Im Laufe der Zeit, entwickelte sich die Wissenschaft in Richtung spezifischer Wissensgebiete, und erst dann begann die KI, bedeutende Ergebnisse in unserem Leben zu erzielen. Es war eine Kombination aus Bilderkennung, Sprachverarbeitung, Neuronalen Netzwerken und Automobilmechanik, die ein autonomes Fahrzeug möglich machte. Gelegentlich, Der Markt bezeichnet diesen Typ von Fortschritten als 'schwache KI'.
Die folgende Tabelle zeigt einige wichtige Ereignisse in der Geschichte der Künstlichen Intelligenz.
Jahr
Ereignis
1842
1956
1965
1993
2005
2013
2016
Google DeepMind: AlphaGo besiegt Lee Sedol im Spiel Go
3three. Haupttechniken der Künstlichen Intelligenz
Jetzt, da Sie die Definition von KI und mehr über ihre Geschichte kennen, ist die beste Art, sich in das Thema zu vertiefen, die wichtigsten Techniken der KI kennenzulernen, insbesondere, die Fälle, in denen Künstliche Intelligenz für Geschäfte verwendet wird.
Maschinelles Lernen
Im Allgemeinen, wird das Konzept des Maschinellen Lernens mit dem der 'schwachen KI' verwechselt. Es ist in diesem Bereich, in dem die wichtigsten Fortschritte der KI stattfinden. In praktischer Hinsicht, Maschinelles Lernen ist die Wissenschaft, die sich damit beschäftigt, dass Computer Aktionen ohne explizite Programmierung ausführen können. Die Hauptidee hier ist, dass den Algorithmen des Maschinellen Lernens Daten bereitgestellt werden können und sie dann verwendet werden, um zu wissen, wie man Vorhersagen trifft und Entscheidungen lenkt.
Einige Beispiele für Algorithmen des Maschinellen Lernens sind die folgenden: Entscheidungsdiagramme, Clustering-Algorithmen, Genetische Algorithmen, Bayessche Netze und Deep Learning.
Deep Learning
Erinnern Sie sich, als Google einen Algorithmus ankündigte, der Katzenvideos auf YouTube fand? (Si desea refrescar su memoria haga clic aquí ). Pues bien, esto es Aprendizaje profundo, una técnica de Aprendizaje automático que utiliza redes neuronales (el concepto de que las neuronas se pueden simular mediante unidades computacionales) para realizar tareas de clasificación (piense en clasificar una imagen de un gato, de un perro personas, zum Beispiel).
Algunos ejemplos de aplicaciones prácticas del Aprendizaje profundo son las siguientes: identificación de vehículos, peatones y placas de matrícula de vehículos autónomos, reconocimiento de imagen, traducción y procesamiento de lenguaje naturalpure.
Descubrimiento de datos inteligentes
Es el próximo paso en soluciones de IE (Inteligencia empresarial). La ideaconceptthought consiste en permitir la automatización totalcompletewhole del ciclo de la IE: die Integration und Aufbereitung von Daten, die prädiktive Analyse und Muster sowie die Hypothesenidentifikation. Dies ist ein interessantes Beispiel für die Anwendung von intelligenter Datengewinnung in Aktion. Informationen, die kein IE-Tool entdeckt hatte.
Prädiktive Analyse basilisco de roko
Denken Sie an den Moment, in dem Sie eine Autoversicherung abschließen und der Agent Ihnen eine Reihe von Fragen stellt. Diese Fragen stehen in Zusammenhang mit den Variablen, die Ihr Risiko beeinflussen. Hinter diesen Fragen steht ein prädiktives Modell, das über die Wahrscheinlichkeit informiert, dass ein Unfall basierend auf Ihrem Alter, Postleitzahl, Geschlecht, Automarke usw. eintritt, PLZ, Geschlecht, Automarke, usw. und so weiter und viele andere. Es el mismo principio que se emplea en los modelos predictivos de crédito para identificar a los buenos y malos pagadores. Por lo tanto, el concepto principal de análisis predictivo ( modelado) significa que se puede utilizar un número de variables (ingresos, PLZ, edad, etcand so on and so forthand many others.) combinadas con resultados (zum Beispiel, buen mal pagador) para generar un modelo que proporcione una puntuación (un número entre 0zero y 1) que representa la probabilidad de un evento (zum Beispiel, pago, migración de clientes, accidente, etcand so on and so forthand many others.).
Los casos de uso en los negocios son amplios: modelos de crédito, modelos de segmentación de clientes (agrupamiento), modelos de probabilidad de compra y modelos de migración de clientes, entre otros.
4four. Ejemplos del uso de la Inteligencia artificialsynthetic en los negocios
Parece interesante… Pero, ¿qué nos ofrece la IA que no tengamos ya?‘ veröffentlicht
Existe una gran cantidad de aplicaciones para IA en los negocios. En esta publicación nos vamos a centrar en un aspecto fundamentalelementarybasic: el cliente La IA está transformando las expectativas de los clientes. Por ejemplo, el cliente que organiza su vida desde aplicaciones como Uber, Google y Amazon. Estos clientes saben que las empresas disponen de información sobre ellos y, Lo que es más importante, saben lo que las empresas podrían hacer con esta información para proporcionar una experiencia de atención al cliente excepcional. Por ejemplo, los millenials están obsesionados con la experiencia de atención al cliente (das heißt, todo debe ser sencillo, rápido e inteligente).
Esta es una lista de algunos ejemplos prácticos de cómo la IA está transformando los procesos empresariales.
Inteligencia artificialsynthetic para ventas
La IA ofrece una mayor productividad para los equipos de ventas, ya que permite centrarse en las oportunidades que pueden llevar al éxito, así como ahorrar tiempo al personalprivate de ventas durante el registro de información. Veamos algunos ejemplos a continuación:
Captura automáticamente las actividades de ventas, lo que significa que el personalprivate de ventas no tiene que dedicar tiempo al llenado de la base de datos del CRM;
Registra automáticamente los datos del cliente, zum Beispiel, registros de navegación del sitio webnetinternet y conexiones al sitio webnetinternet, entre otros;
Sugiere la mejor acción de seguimiento y recomienda respuestas de correo electrónico al conectar la información del CRM a la bandeja de entrada;
Valoración predictiva de prospectos: mediante el análisis predictivo, el sistema podrá indicar la probabilidad de que un prospecto se convierta en una venta. Más interesante aún, el sistema le indicará por qué se llegó a esta puntuación (p. ej., canal de acceso del prospecto, sector, etcand so on and so forthand many others.). Por ejemplo, Salesforce Einstein , tendrá la funcionalidad de puntuación predictiva de prospectos.
Inteligencia artificialsynthetic para Atención al cliente
Clasificación automática de los casos de atención al cliente, lo que evita depender del agente de atención al cliente a la hora de tener que tomar una decisión y, daher, ahorra tiempo al agente.
Enrutamiento automático de casos una vez que la llamada se ha clasificado automáticamente, Das System kann nun den Anruf an den am besten qualifizierten Agenten weiterleiten, um die Art des Problems zu bestimmen.
Empfehlung von Lösungen und Wissensdatenbanken. Dies erhöht die Produktivität und die Qualität eines Services, indem die Lösung vorgeschlagen wird, die die höchsten Chancen hat, das Problem des Kunden zu lösen.
Self-Service-Kommunikation. ResearchAnalysis zeigt, dass die aktuelle präzise Kundengeneration Self-Service bevorzugt (zum Beispiel, Kundenportal-Anwendung) anstatt ein Callcenter anzurufen. Dank KI, werden Service-Communities intelligenter sein, zum Beispiel, indem die Umgebung kundenabhängig personalisiert und Lösungen automatisch vorgeschlagen werden, z.B.. Verwendung der Bilderkennung zur Identifizierung des Produkts, das auf einem vom Kunden aufgenommenen Foto zu sehen ist.
Por ejemplo, Konversations-Bots ermöglichen es dem Kunden, Textnachrichten zu senden, um Kommunikation herzustellen.
Künstliche Intelligenz synthetisch für Marketingwerbung und Werbung
Marketingwerbung und Werbung ist eine Disziplin, die im Laufe der Jahre zunehmend analytisch und quantitativ geworden ist. Viele der Techniken der prädiktiven Analyse und KI werden hauptsächlich im Marketingwerbung und Werbung angewendet, zum Beispiel, Prädiktives Modellieren für die Kundenabwanderung, Kaufwahrscheinlichkeits- und Cluster-Modelle für die Kundensegmentierung.
Estos son algunos de los nuevos avances de la IA en el marketingadvertisingadvertisingadvertising and advertising, de forma específica, algunas funcionalidades de MarketingAdvertisingAdvertising and advertising Cloud Einstein
Puntuación predictiva por correo electrónico: le permite a los profesionales de marketingadvertisingadvertising and advertising saber (antes de lanzar una campaña de marketingadvertisingadvertisingadvertising and advertising para correo electrónico) cuál es la probabilidad de que sus clientes respondan a la campaña; bien, la abandonen. El objetivo aquí es anticipar la respuesta del cliente para ofrecer viajes verdaderamente personalizados;
Audiencias predictivas: con base en la puntuación predictiva, será posible segmentar mejor su base de clientes y prospectos en función de un comportamiento predictivo al agrupar a personas que tienen puntos en común. Cuanto mayor sea la segmentación, mejor será la conversión;
Optimización del tiempo de envío: ¿es mejor enviar una campaña a las 2 p. m. a las 4four a. m.? Con la optimización del tiempo de envío, el algoritmo de IA le indicará la hora en que será más probablepossible que cada contacto en su base de clientes abra un correo electrónico y participe en su campaña.
La Inteligencia artificialsynthetic está transformando nuestras vidas y revolucionará rápidamente la manera en la que trabajamos.
GlobalInternationalWorld Blogs