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 techniques de la IA
Ejemplos del uso de la Inteligencia artificialsynthetic en los negocios
1. Definición de Inteligencia artificialsynthetic
La Inteligencia artificialsynthetic es el campo scientifico de la informática que se centra en la creazione de programmi y mecanismos que possono mostrare comportamenti considerados inteligentes. En otras palabras, la IA es el concepto según el cual las machines piensan como seres humanos.
Normalmente, un sistema de IA es capaz de analizar datos en grandes cantidades (bighugemassivebig dataknowledgeinformation), identificare modelli e tendenze e, pertanto, formulare previsioni in modo automatico, con rapidità e precisione. Para nosotros, lo importante es que la IA permite que nuestras experiencias cotidianas sean más inteligentes. ¿Cómo? Al integrar análisis predictivos (hablaremos sobre esto más adelante) y otras técnicas de IA en aplicaciones que utilizamos diariamente.
Siri funciona como un asistente personalprivate, ya que utiliza procesamiento de lenguaje naturalpure
FacebookFb y Google Fotos sugieren el etiquetado y agrupamiento de fotos con base en el reconocimiento de imagen
Amazon ofrece recomendaciones de productos basadas en modelos de canasta de compra
Waze brinda información optimizada de tráfico y navegación en tiempo realactual
2. Breve historia de la Inteligencia artificialsynthetic
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. Infatti, 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, da allora, hemos presenciado una montaña rusa de avances (¡Vaya! ¿Cómo sabe Amazon que quiero este libro?”), así como frustraciones (esta traducción es completamente errónea”).
Al inicio del proyecto, l'obiettivo era che l'intelligenza umana potesse essere descritta in modo così preciso che una macchina fosse in grado di simularla. Questo concetto fu anche conosciuto come 'IA generale' e fu questa l'idea che alimentò la (straordinaria) fantasia che ci avrebbe fornito intrattenimento illimitato.
Sin embargo, l'IA derivò in campi specifici. Col passare del tempo, la scienza evolse verso aree di conoscenza specifiche, e fu allora che l'IA iniziò a generare risultati significativi nelle nostre vite. Fu una combinazione tra il riconoscimento delle immagini, l'elaborazione del linguaggio, le reti neurali e la meccanica automobilistica che rese possibile un veicolo autonomo. A volte, Il mercato si riferisce a questo tipo di progressi come 'IA debole'.
La seguente tabella mostra alcuni eventi importanti nella storia dell'Intelligenza ArtificialeSynthetic.
Anno
Evento
1842
1956
1965
1993
2005
2013
2016
Google DeepMind: AlphaGo supera Lee Sedol nel gioco Go
3 tre. Principali tecniche dell'Intelligenza artificialesynthetic
Ora che conosci la definizione di IA e di più della sua storia, il modo migliore per approfondire l'argomento è conoscere le principali tecniche di IA, specificamente, i casi in cui l'Intelligenza artificialesynthetic viene utilizzata per gli affari.
Apprendimento automatico
Generalmente, Il concetto di Apprendimento Automatico viene confuso con quello di IA debole. È in questo campo che gli sviluppi più importanti dell'IA stanno avvenendo. In termini pratici, L'apprendimento automatico è la scienza che si occupa di far eseguire azioni ai computer senza la necessità di programmazione esplicita. L'idea principale qui è che si possono fornire dati agli algoritmi di apprendimento automatico e poi usarli per sapere come fare previsioni e guidare decisioni.
Alcuni esempi di algoritmi di apprendimento automatico includono i seguenti: diagrammi di decisione, algoritmi di clustering, algoritmi genetici, reti bayesiane e apprendimento profondo.
Apprendimento profondo
Ricorda quando Google ha annunciato un algoritmo che trovava video di gatti su Youtube?? (Se vuoi rinfrescare la memoria clicca qui ). Ebbene, questo è apprendimento profondo, una tecnica di apprendimento automatico che utilizza reti neurali (il concetto che i neuroni possono essere simulati mediante unità computazionali) per svolgere compiti di classificazione (pensa a classificare un'immagine di un gatto, da un cane o persone, per esempio).
Alcuni esempi di applicazioni pratiche dell'Apprendimento Profondo sono i seguenti: identificazione di veicoli, pedoni e targhe di veicoli autonomi, riconoscimento delle immagini, traduzione e elaborazione del linguaggio naturale.
Scoperta di dati intelligenti
È il prossimo passo nelle soluzioni di IA (Intelligenza aziendale). L'idea concettuale consiste nel permettere l'automazione completa dell'intero ciclo dell'IA: l'integrazione e preparazione dei dati, l'analisi predittiva e l'identificazione di schemi e ipotesi. Questo è un interessante esempio di recupero intelligente dei dati in azione. Le informazioni che nessuno strumento di IE aveva scoperto.
Analisi predittiva basilisco di roko
Pensate a quel momento in cui state stipulando un'assicurazione auto e l'agente vi fa una serie di domande. Queste domande sono legate alle variabili che influenzano il vostro rischio. Dietro queste domande si trova un modello predittivo che informa sulla probabilità che si verifichi un incidente in base alla vostra età, CAP, genere, marca dell'auto, eccetera e così via e molti altri. È lo stesso principio utilizzato nei modelli predittivi del credito per identificare i buoni e cattivi pagatori. Pertanto, il concetto principale dell'analisi predittiva ( modellazione) significa que se puede utilizar un número de variables (ingresos, CAP, edad, eccetera e così via e molte altre.) combinadas con resultados (per esempio, buen mal pagador) para generar un modelo que proporcione una puntuación (un número entre 0zero y 1) que representa la probabilidad de un evento (per esempio, pago, migración de clientes, accidente, eccetera e così via e molte altre.).
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, tra l'altro.
4four. Ejemplos del uso de la Inteligencia artificialsynthetic en los negocios
Parece interesante… Pero, ¿qué nos ofrece la IA que no tengamos ya?”
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. Per esempio, 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. Per esempio, los millenials están obsesionados con la experiencia de atención al cliente (cioè, 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, così come risparmiare tempo al personale di vendita durante la registrazione delle informazioni. Vediamo alcuni esempi di seguito:
Cattura automaticamente le attività di vendita, il che significa che il personale di vendita non deve dedicare tempo alla compilazione del database del CRM;
Registra automaticamente i dati del cliente, per esempio, registrazioni di navigazione del sito web e connessioni al sito web, tra l'altro;
Suggerisce la migliore azione di follow-up e raccomanda risposte alle email collegando le informazioni del CRM alla casella di posta in arrivo;
Valutazione predittiva dei potenziali clienti: tramite l'analisi predittiva, il sistema potrà indicare la probabilità che un potenziale cliente si trasformi in una vendita. Ancora più interessante, il sistema indicherà perché si è arrivati a questo punteggio (p. es., canale di accesso del prospect, settore, eccetera e così via e molte altre.). Per esempio, Salesforce Einstein , avrà la funzionalità di punteggio predittivo dei prospect.
Intelligenza artificiale sintetica per l'assistenza clienti
Classificazione automatica dei casi di assistenza clienti, il che evita di dipendere dall'agente di assistenza clienti quando si deve prendere una decisione e, pertanto, fa risparmiare tempo all'agente.
Instradamento automatico dei casi una volta che la chiamata è stata classificata automaticamente, il sistema può già inoltrare la chiamata all'agente più qualificato per determinare il tipo di problema.
Raccomandazione di soluzioni e basi di conoscenza. Questo aumenta la produttività e la qualità di un servizio, suggerendo la soluzione con maggiori probabilità di risolvere il problema del cliente.
Comunicazioni self-service. L'analisi della ricerca mostra che l'attuale generazione di clienti preferisce il self-service (per esempio, portale applicazione del cliente) invece di chiamare un call center. Grazie all'IA, le comunità di servizi saranno più intelligenti, per esempio, personalizzando l'ambiente in base al cliente e suggerendo soluzioni automaticamente, es. utilizzare il riconoscimento delle immagini per identificare il prodotto presente in una foto scattata dal cliente.
Per esempio, i bot conversazionali consentono al cliente di inviare messaggi di testo per comunicare.
Intelligenza artificiale sintetica per marketing e pubblicità
Il marketing pubblicitario pubblicitario pubblicitario e marketing è una disciplina che è diventata sempre più analitica e quantitativa negli anni. Molte delle tecniche di analisi predittiva e di IA si applicano principalmente nel MarketingPubblicitàPubblicitàPubblicità e pubblicità, per esempio, modellazione predittiva per la migrazione dei clienti, probabilità di acquisti e modelli di clustering per la segmentazione dei clienti.
Questi sono alcuni dei nuovi progressi dell'IA nel marketing pubblicitario pubblicitario pubblicitario e pubblicità, in modo specifico, alcune funzionalità di MarketingPubblicitàPubblicitàPubblicità e pubblicità Cloud Einstein
Punteggio predittivo per email: Le permite a los profesionales de marketingadvertisingadvertising advertising and advertising saber (antes de lanzar una campaña de marketingadvertising advertising advertising and advertising para correo electrónico) cuál es la probabilidad de que sus clientes respondan a la campaña; bien, la abandonen. El objetivo qui es anticipatar 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 che tienen punti in comune. 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 contact 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