現在就開始通往人工智能的漫長旅程吧 否則可能會錯過好處

如果說人工智能的趨勢是一個不斷增長的泡沫，那么多倫多創(chuàng)業(yè)公司Dessa的聯合創(chuàng)始人StephenPiron說，它在2012年開始膨脹。

這就是由多倫多大學的杰弗里·辛頓(Geoffrey Hinton)領導的團隊超級視覺(Super Vision)輕松地贏得了圖像網絡比賽，使用了一種以前沒有測試過的AI模型。 描述為一個“大的，深卷積的神經網絡訓練的原始RGB像素值”，其中包含“6000萬個參數和65萬個神經元”，它比以前在比賽中的任何嘗試都要好得多，以至于其他人都注意到了。 在此后的每一年里，每個其他人工智能研究者都采用了相同的神經網絡方法來實現認知視覺。

六年后，辛頓被稱為“深度學習的教父”。 他把自己的時間從與谷歌合作到多倫多大學，在那里他還參與了有影響力的矢量研究所。 這是皮隆說加拿大是開發(fā)人工智能技術的好地方的原因之一。 但他也警惕未來的漫長旅程及其沿途的陷阱。

Piron說：“我已經足夠大了，不記得網絡泡沫了。 在9月30日的加拿大CIO峰會上，他指出了一個比較Nvidia今天的股價與英特爾大約在網絡泡沫破滅時的股價的幻燈片。 “這可能是一個令人清醒的形象。

Nvidia的并行處理GPU和對人工智能應用的高需求（英特爾也有自己的人工智能專用芯片在開發(fā)中）。 但僅僅因為人工智能引擎的原始計算能力已經到位，并不意味著任何人都知道他們應該安裝什么車輛。

麥肯錫的圖表顯示了Nvidia的GPU是如何與深度學習的需求聯系在一起的。

銀行是人工智能的第一批客戶之一，希望使用歷史寶庫的數據來提供機器學習算法，這些算法可以引導客戶走向正確的投資，以更好的準確性檢測欺詐交易，或者根據客戶簡介推薦正確的產品。

舉幾個銀行追求人工智能項目的例子：加拿大皇家銀行于2016年10月創(chuàng)建了BorealisA I(最初被稱為機器學習中的RBC研究)。 實驗室在過去的六個月里招募了人才，甚至吸引了一些高調的美國研究人員。 今年1月，TDBankGroup收購了總部位于多倫多的初創(chuàng)企業(yè)Layer6，并將其整合到其數字產品團隊中，旨在改善對客戶的個性化和實時建議。

根據Piron的說法，Dessa的任務是幫助企業(yè)適應和實施人工智能，目前正與銀行業(yè)的一位客戶合作。 這個客戶，就像許多銀行部門一樣，正試圖做出與2012年后Image Net研究人員相同的支點——拋棄舊的人工智能方法，而是將深度學習作為未來。

要做到這一點，他們必須拋棄一些舊的基礎設施，并開始支持基于云的GPU，Piron說。 這意味著，看看這些云系統(tǒng)的安全性，銀行就會確定哪些數據適合進入該環(huán)境。 （它是否應該上傳一百萬客戶的信用卡號碼來訓練一個算法？）

“更多的數據使模型更好，”Piron說。 “它給了銀行一個用例，這一切都是關于它節(jié)省的錢。

數據對于每個部門的人工智能算法都是至關重要的，而不僅僅是銀行業(yè)務。 在連接和管理云服務提供商CogecoPer1，總部設在多倫多，但與世界各地的地點，人工智能正在被用于預測維護。 該公司希望在“bug”表達自己對客戶的服務問題之前，及早介入路由器和交換機的問題。

Cogeco Peer1產品創(chuàng)新和技術總監(jiān)克雷格？塔瓦雷斯(Craig Tavares)在加拿大CIO峰會的一個小組上說：“人工智能正在通過查看歷史數據并將其同化來填補缺失的信息。 “自動化可以用于測量結果，并觸發(fā)警報，告訴您執(zhí)行某種類型的維護。

使該功能發(fā)揮作用的挑戰(zhàn)是避免垃圾數據。 塔瓦雷斯說，他總是看著CogecoPer1的數據湖，并思考如何清理它。

他表示：“通過日常操作，您的數據可能處于可接受的狀態(tài)。 “有了人工智能，情況并非如此。 了解你的數據有多干凈是很重要的。

因此，用例開始實現，但緩慢而肯定。 Prion說，他遇到的高管知道他們想使用人工智能，但不知道從哪里開始。

“我們花了很多時間讓他們平靜下來，”他說。 “我們審視他們的業(yè)務，并制定利用人工智能的多年路線圖。

當客戶來敲門時，CogecoPer1采取了類似的方法，詢問如何實現AI。 在一個單獨的小組中，CogecoPer1營銷和創(chuàng)新副總裁BertrandLabelle說，他習慣于明智地指導這些請求。

”“我們進來問‘你想實現什么？ 為什么？“，”他說。 “那我們就談談你的工作量應該在哪里運行。

雖然通往人工智能自治的道路還有幾年，那里的道路上充滿了數據快照，但現在絕對是開始的正確時機，皮隆確認。 他指出，麥肯錫(McKinsey)對人工智能可能對科技行業(yè)產生的影響進行了預測。 它表明，現在開始人工智能培訓的公司將擁有競爭優(yōu)勢，而那些不會落后的公司。

這篇文章表示：“由于風險太大，企業(yè)不可能有一個模糊或暫定的計劃來獲取價值。 “早期進入者可以提高并迅速獲得規(guī)模，成為標準。 公司應該專注于強有力的解決方案，讓他們現在就建立存在，而不是追求完美。 隨著他們的早期成功，他們可以擴大到更多的投機機會。