Dataiku最近赞助并参加了VB Transform，这是一个由VentureBeat主办的为期三天的虚拟会议，主要讨论最佳实践和企业领导者在日益人工智能驱动的世界中获得并保持竞争优势的具体方式。在一次炉边聊天中，Dataiku的首席客户官Kurt Muehmel讨论了通过构建以人为中心的人工智能模型来实现数据工作对组织来说有多重要，Dataiku如何装备他们这样做，以及一旦他们在分析和人工智能上投资后如何真正实现规模化。我们强调了以下要点。把更多的座位放在桌子上，达到"嵌入"阶段通过对数据科学、机器学习和人工智能采取广泛、包容的方法，组织将能够减轻数据孤岛和缺乏团队一致性的负面影响，从而最终更有效地扩大规模。通过让更多的人坐在桌子上——从数据科学家和工程师到商业分析师和营销人员——并使他们在人工智能开发过程中既能充当分析数据结果的消费者，又能充当创造者，组织就可以确保他们扩大的努力将产生最大的积极影响。然而，那些已经走过了概念阶段和概念验证阶段，在人工智能方面取得初步成功，甚至可能有一些产品在生产中的组织，如何能够达到规模？在他们成功了几次之后，他们如何使这种做法能够长期重复和持续下去？为了说明人工智能在规模上的转变，穆埃梅尔讲述了一家全球制药公司的故事，该公司在近10年前决定投资分析和人工智能来构建自己的未来。他们开始时规模很小，打破了筒仓，现在已经取得了显著的规模。当他们开始他们的企业人工智能之旅时，公司会寻找可用的数据源，团队需要从这些数据中获取什么，然后开始拼接这些数据源。大量的工作都是拼凑数据仓库中的数据，并确定可用的需求和技能，以便有效地构建新的数据和分析能力。在IKU中，当团队开始打破数据的障碍时，他们也开始在IKU内部建立团队来打破数据壁垒。如今，该公司有3000多个不同的数据项目并行运行，数十万个数据集，以及近1000个数据处理的直接贡献者。这些人正在使用最适合他们的工具，无论是编码人员还是视觉用户，来发掘新的见解。一旦实现了初始规模，目标就转移到嵌入一切——嵌入分析、将人工智能过程直接嵌入应用程序、嵌入仪表盘——并在整个组织内完成所有这些。当成功实现时，每个人都可以访问和使用他们需要的数据集，而不必担心它在哪里运行。但mel的另一个有远见的项目不是用来预测未来的。随着技术的不断发展，不可能预测技术的未来会是什么样子，因此组织需要能够跟上变化的步伐，并尽可能顺利地交换最具创新性的解决方案。这并不是说，当一个新产品进入市场时，组织就应该放弃现有的技术，而是让自己与能够帮助他们最准确地解决定制业务问题的产品保持一致。负责任的人工智能基于可解释性和黑匣子模型的去神秘化创造以人为中心的人工智能最终对用户更公平。Muehmel表示，作为工具的建造者，Dataiku有责任确保人工智能中的偏见所造成的伤害不会被自动化的人工智能系统永久化。在扩展用例时，组织必须认识到，虽然存在巨大的业务价值和潜力，但也存在负面影响的风险。人工智能信任危机（即在医疗保健、就业、法律制度等方面对特定人群的偏见）是大田强烈感到的——我们不仅想提高对该主题现实的认识，而且希望教育人工智能的"建设者"，以确保他们了解到底发生了什么。为了取得成功，我们需要扩大参与创造这些能力的人的范围，并以多样化和包容性的方式这样做。Muehmel接着说，Dataiku关于负责任人工智能的愿景包括：可解释性，以确保我们没有难以逾越的黑匣子模型，而是能够自我解释并告诉我们发生了什么的模型，以便呈现结果，并允许个人说它是错误的、造成伤害的或涉及伤害的风险创造透明文化数据和人工智能的全球治理在进行规模化建设时，我们有很大的责任来支持和培训我们的用户。Muehmel用电锯这样的潜在危险工具来比喻——工具制造者有责任以安全的方式制造它，有适当的保护措施、适当的培训材料和建议，以及故障保险，这样工具就可以以不会造成伤害的方式使用。我们不断努力将这些能力进一步融入大田，为客户提供所需的服务和材料。我们承认，我们需要更多的声音和目光关注这些项目，并全力倡导将更多的人工智能建设者纳入这一计划。要观看完整的会话，请查看此视频。