Leo Yeh's Blog

SAS 人工智慧 (1)

教學目標

初步了解 SAS Viya 人工智慧平台的基本概念。

重點概念

首先人工智慧一詞指的是透過學習和自動化,訓練系統模擬人類工作的科學,而 SAS 主要能夠提供企業客戶部署人工智慧平台,將能夠以自動化流程管理任何已開發的機器學習模型,不論是 Python、R 或 SAS 所開發的機器學習模型皆能夠在 SAS Viya 人工智慧平台端至端的自動化部署和維運管理。SAS 創辦人 Jim Goodnight 曾說:「多年來,AI 一直是 SAS 軟體不可或缺的一部分。現在,我們協助每個產業中的客戶充分善用 AI 技術的進展;我們也會繼續在 SAS 產品組合的各種解決方案中,內建機器學習和深度學習等 AI 技術。」,並且在 2019 年 SAS 除了基於對於數據科學家使用者非常重要的解決方案 SAS Visual Data Mining and Machine Learning 和 SAS Enterprise Miner,皆為使使用者提供解決複雜分析問題的能力,從而推動了更好的決策,而連續被評為 Gartner 資料科學和機器學習平台的領導者,所謂機器學習是現代數據科學家工具箱中的一個重要工具,其允許企業組織快速識別出商業機會,同時也避免人類不會注意到的風險。此外 SAS 更基於視覺的完整性和執行能力,而連續被評為 Gartner 資料品質工具魔力像限的領導者,當企業需要成功的進行數位轉型和導入工智慧專案計劃的基礎就會需要高品量的資料,企業需要信任其分析流程所提供資料,並且實施資料治理政策,以利實現更快的實現價值,至於 SAS 則將資料品質建立至任何解決方案的各個方面,以利讓企業透過 SAS 建立可重複的流程來構建和維護高品量的資料,並且更進一步輕鬆地做出最適當的商業決策。

接著人工智慧的核心主要是如何透過機器學習從非常複雜的資料中獲得理解的邏輯和理由,簡單地說,機器透過識別模式和關係從中讓資料進行學習,同時擷取大量資訊,提取關鍵特徵,並且確定分析方法,撰寫程式碼來執行分析,以利產生輸出,更重要的是全部過程理應將會在單一人工智慧平台上自動化完成,而 SAS 對於人工智慧主要提供四大技術,分別為:

  1. 機器學習:主要透過機器學習與深度學習技術可找出資料中隱藏的深入洞察,不需明確指示如何進行搜尋或得出結論,同時透遇直覺式機器學習工具,可提供更理想的建議,協助制定出更快速和更明智的決策。
  2. 自然語言處理:主要透過自然語言處理技術讓人類與機器之間能夠相互了解、進行互動和溝通,並且從大量的結構化和非結構化內容,自動擷取關鍵的業務洞察和新興的趨勢。
  3. 電腦視覺:主要透過電腦視覺技術分析和解讀圖像或影片中的內容,並且協助我們使用簡單的工具,來進行串流影像處理、影像辨識和物體偵測,進而加速智慧自動化。
  4. 預測與最佳化:主要透過預測技術將能夠協助我們預測未來的結果,以及最佳化技術可讓我們在資源的限制之下,採取能夠獲取最佳結果的行動,SAS 支援所有階段的預測與最佳化工作流程,可進行大規模的自動化作業,來預測結果和制定最佳決策。

雖然許多企業已經許多的商業分析師、資料工程師、資料科學家、機器學習專家建立機器學習、自然語言處理、電腦視覺和預測與最佳化的模型,但是所有模型皆可被解釋和可被信任嗎?這些應用於人工智慧的模型如同一個黑箱,我們輸入資料並且得出結果,但是不知道輸入和輸出之間的關聯,這將會是一項最根本的挑戰,將會攸關法規遵循乃至於客戶體驗等一切層面,甚至會影響我們檢驗模型偏差的方式,此時 SAS 人工智慧平台就能夠提供企業客戶模型對於輸入項的變數有何回應,並且據此調整、釐清黑箱內部的運作,像是 Partial Dependence (PD)、Individual Conditional Expectation (ICE) 以及 Local Interpretable Model-Agnostic Explanations (LIME) 等模型解釋的技術,以利企業客戶針對現有已開發模型逐步改善為透明、可解釋和可信任的模型。

再來不同的產業中的企業要如何應用人工智慧技術使用資料來解決問題呢?我們先將產業定義為常見的五大產業,並且針對不同產業可能需要解決的商業問題,分別為:

  1. 金融:理財機器人推薦符合客戶需求的理財建議、詐欺偵測、信用評估、風險市場分析、… 等。
  2. 政府:智慧城市現代化管理地方資源、傳感器整合、臉部識別、水資源管理、食物安全、… 等。
  3. 製造:生產線即時監控自動檢測瑕疵、提供回饋供應鏈優化、自動化流程控制、預測性維護、… 等。
  4. 零售:了解客戶以利進行個人化推薦商品、改進的聊天機器人功能、… 等。
  5. 醫療:處理過去案例說明以利推估預測診斷和改善患者護理的時間、生物醫學影像辨識、健康監測、… 等。

然而當不同產業的企業採用人工智慧技術解決商業問題之後,絕大多數的企業主要會預期有更精確的預測和決策、提升客戶的開發成效和提高組織生產力。此外 SAS 更鼓勵以有意義的方式使用資料來解決有關貧困,健康,人權,教育和環境的人道主義問題,從預防危及生命的疾病到保護瀕危物種再到自然災害後重建,全球各組織正在利用數據發揮作用。為社會利益應用數據已經為解決全球問題帶來了新的創造性方法,像是與 WildTrack 合作藉由分析動物的足跡,來找出和監控瀕危物種,發掘世界各地群眾外包所提供的足跡資料,以利協助找到全球保育問題的答案。

最後如果企業要部署端至端的人工智慧平台,則更需要整合開發、探索和決策的自動化部署,開發人員和資訊人員之間必須要有凝聚力,以利以確保模型能夠即時投入正式環境,如果不能投入正式環境運作,那麼人工智慧的模型就沒有價值,此外如果業務單位需要資訊單位協助部署 SAS Viya 人工智慧平台時,則資訊單位能夠支援的最佳實務是什麼呢?其中主要有五大項,分別為:

  1. 促進流程:建立穩建流程,定義審核人工智慧技術的產出結果,建立開放且敏捷的人工智慧平台。
  2. 注重道德:了解違反人工智慧使用倫理規範所沙及的風險,必須為人工智慧技術的產出結果負責。
  3. 關聯分析:資料導向分析流程的成熟程度將會是影響推動人工智慧的學習和自動化的關鍵。
  4. 建立信任:不要使用黑箱的模型技術,並且能夠以符合倫理的方式使用人工智慧。
  5. 參與監督:確保人工智慧的模型技術透明和可解釋性,並且定義審查人工智慧的產出結果和複雜的商業流程,尤其在可能發生多種意外事件和潛在故障點的領域。

總結 SAS 主要能夠提供企業客戶部署人工智慧平台,將能夠以自動化流程管理任何已開發的機器學習模型,不論是 Python、R 或 SAS 所開發的機器學習模型皆能夠在 SAS Viya 人工智慧平台端至端的自動化部署和維運管理,以利不同產業的企業客戶在 SAS Viya 人工智慧平台上建立適當的解決方案,以利解決商業、貧困,健康,人權,教育和環境的人道主義等關鍵問題,至於目前已經有哪些採用 SAS Viya 人工智慧平台的客戶案例,請參考官方網站的人工智慧主題相關案例的介紹。

相關資源

⬅️ Go back