在我最近在紐約就供應(yīng)鏈中的AI問題進行的一次談話中，提到的一個關(guān)鍵問題是“你在談?wù)摍C器人嗎?”

你知道，人工智能已被浪漫化為這個抽象的術(shù)語，讓你想起行走的機器人做你家務(wù)的圖像，而你卻只是高枕無憂。

但它究竟意味著什么，該術(shù)語實際上來自哪里?人工智能包含機器學(xué)習(xí)和大數(shù)據(jù)流程的新范例，使您能夠從歷史數(shù)量的預(yù)先存在的數(shù)據(jù)流程和實時觀察的組合中獲得預(yù)測性見解。要獲得真正的AI，您需要訓(xùn)練大量的數(shù)據(jù)集(包括歷史和實時)，實現(xiàn)一些基線，使用增量信息實現(xiàn)深度學(xué)習(xí)，并開始發(fā)現(xiàn)預(yù)測價值。

人工智能通常與物聯(lián)網(wǎng)(IOT)協(xié)同工作，物聯(lián)網(wǎng)包括可穿戴設(shè)備和連接家用設(shè)備等設(shè)備。簡單來說，IoT收集信息，但AI是從該信息為分析和決策提供動力的引擎。

物聯(lián)網(wǎng)連接不同的設(shè)備，如可穿戴設(shè)備，可以擴展連接幾乎無限數(shù)量的設(shè)備，連續(xù)流數(shù)據(jù)。AI處理數(shù)據(jù)，對此數(shù)據(jù)進行推斷，并最終實時提供建議。

讓我們看看保險業(yè)的一些例子

2012年左右，當我在Humana時，我們工作的一個項目是老年人(65歲以上)住在自己的家中。我們想了解如何降低跌倒的發(fā)生率并預(yù)測需要緊急服務(wù)的可能性。我們需要實時做到這一點，這樣我們才能事先采取行動，改善老年人的健康狀況并節(jié)省成本。有了預(yù)先存在的索賠數(shù)據(jù)，我們需要了解基線 - 例如，在家中發(fā)生的典型活動。這里的物聯(lián)網(wǎng)設(shè)備通過使用移動傳感器發(fā)揮作用。

在老年人的許可下，我們在家中安裝了多個移動傳感器，特別是在廚房，浴室和起居室等區(qū)域。這些傳感器通過在一段時間內(nèi)收集房間中的生物識別數(shù)據(jù)基線開始，然后實時地將數(shù)據(jù)存儲在云中。為了促進深度學(xué)習(xí)(這是AI的一種形式)，先前保險索賠的預(yù)先存在的數(shù)據(jù)與實時數(shù)據(jù)并排分析。這使得很容易發(fā)現(xiàn)異常并對其采取行動，并提供了預(yù)測緊急事件發(fā)生前概率的見解。

第二個例子，也來自保險業(yè)，發(fā)生在2006年左右。我們正在為技術(shù)評估創(chuàng)建預(yù)警系統(tǒng)。醫(yī)療設(shè)備價格昂貴，并不總是有效。因此，通常需要進行成本效益分析，以證明其相對于其他選項的使用。例如，減肥手術(shù)可能花費10,000美元，但它仍然是實驗性的，特別是當您考慮患者及其健康狀況時。它沒有達到相對于其成本的功效。

最終，我們需要預(yù)測患者將尋求探索相對于替代選擇的程序，了解這種程序基于健康狀況的有效性，并了解有效簽約的提供者定價基準。擁有數(shù)百萬個此類程序的索賠數(shù)據(jù)(歷史)，其中一些包括可穿戴設(shè)備的數(shù)據(jù)(計步器，健身追蹤器數(shù)據(jù))，結(jié)合實時電子裁決(實時支付)和提供者辦公室訪問觀察，我們能夠開始自動化減肥手術(shù)替代品的推薦過程

AI中的許多這些進步來自人工神經(jīng)網(wǎng)絡(luò)(或人工神經(jīng)網(wǎng)絡(luò))。受人類大腦的啟發(fā)，它可以松散地模擬生物大腦解決問題的方式，系統(tǒng)可以自我學(xué)習(xí)和訓(xùn)練自己，而不是響應(yīng)編程。使用神經(jīng)網(wǎng)絡(luò)，算法首先由人類訓(xùn)練。隨著時間的推移，算法開始做出自己的假設(shè)，更少依賴人類培訓(xùn)師，并解決復(fù)雜的問題。

最終，物聯(lián)網(wǎng)還不夠。必須有一個增加的智能，一個人工智能，旨在解決問題，而不僅僅是處理數(shù)據(jù)或提供儀表板。必須有數(shù)據(jù)和行動。