Intelligence artificielle

Comment l'IA et la technologie ML soutiennent la collaboration cognitive

Comment l'IA et la technologie ML soutiennent la collaboration cognitive


Une introduction aux cinq phases de l'intelligence artificielle assistée

Source de l'image: Pixabay.com

L'intelligence artificielle et l'apprentissage automatique deviennent des termes fourre-tout qui couvrent un large éventail de capacités et de potentiel informatiques, et ils sont parfois utilisés à tort comme étiquettes pour décrire d'autres avancées technologiques telles que la puissance de l'unité de traitement graphique (GPU).

Aux fins de cet article, j'appliquerai la terminologie et les capacités de l'IA et du ML pour résoudre des scénarios spécifiques liés à la collaboration.

L'intelligence artificielle est souvent utilisée comme un terme générique pour couvrir diverses applications de l'apprentissage automatique. Il est couramment appliqué pour décrire des agents intelligents qui prennent des entrées de leur environnement et tentent d'atteindre un résultat cognitif comme le ferait un humain. Cela nécessite un certain niveau de programmation, de formation ou de résolution de problèmes appliquée pour devenir pratique.

L'apprentissage automatique permet aux ordinateurs d'apprendre sans programmation spécifique. Ceci est réalisé principalement en apprenant de modèles de données formés qui sont ensuite utilisés en conjonction avec un algorithme pour faire des prédictions. Étant donné que ML utilise des échantillons d'entrée pour prédire une sortie, il est souvent appelé apprentissage supervisé, étant donné que le modèle formé (supervisé) influence la sortie.

Collaboration cognitive s'inscrit dans le modèle d'apprentissage supervisé. L'apprentissage supervisé commence généralement par un grand ensemble de données à partir duquel un algorithme est utilisé pour générer un modèle de prédiction (souvent appelé modèle entraîné). Le système identifie des modèles dans l'ensemble de données qui se rapportent à différentes prévisions. Dans l'exemple de la reconnaissance faciale, un ensemble de données contenant des images de participants à une réunion comme «connu» (par son nom) ou «inconnu» peut être utilisé pour prédire les noms des participants à de futures réunions.

À des fins de comparaison et de contexte dans cette pièce, les deux autres modèles d'apprentissage automatique ne sont pas supervisés et d'autres variations.

Apprentissage non supervisé: L'apprentissage non supervisé utilise des algorithmes appliqués à un ensemble de données pour identifier les groupes ou les résultats sans rien savoir à l'avance sur ces groupes. Contrairement à l'apprentissage supervisé qui utilise préexistant
les données, l'apprentissage non supervisé peuvent être utilisés pour construire une base de connaissances qui lui est propre en observant des activités telles que le comportement des utilisateurs ou des clients, la fraude et la détection des anomalies.

Autres variantes: Bien qu'il existe de nombreuses formes d'apprentissage qui sont actuellement regroupées dans cette «autre» catégorie, la plus prédominante est l'apprentissage par renforcement, qui implique une politique de prise de décision qui s'améliore au fil du temps en fonction des résultats des décisions précédentes. L'apprentissage par renforcement est souvent utilisé dans les systèmes de contrôle tels que les véhicules autonomes, les jeux et les systèmes de cartographie et de planification d'itinéraire. Des exemples de cas où l'apprentissage par renforcement pourrait être utilisé dans un environnement collaboratif incluent l'optimisation du cadrage des utilisateurs dans une vidéoconférence ou l'anticipation du désir d'un utilisateur de démarrer une réunion.

Source de l'image: Pixabay.com

L'intelligence artificielle, telle que nous la définissons, doit résoudre les défis de productivité et de collaboration de cette nouvelle ère. Mais pour ce faire, il doit collecter et traiter une grande quantité d'informations sur la façon dont les gens travaillent, communiquent et pensent. Nous avons défini cinq phases de l'IA assistée que nous prévoyons de déployer. Elles sont:

Commande et contrôle simples: un exemple comprend la demande au système de rejoindre une réunion ou d'ajouter une personne à un appel.

Compréhension du langage naturel: comprenez l’intention de l’utilisateur avec des requêtes plus complexes telles que «Donnez cet élément d’action à Pat pour préparer les diapositives de la réunion de la semaine prochaine».

Comprendre des terminologies spécifiques et donner du sens à des déclarations complexes:

Les exemples peuvent inclure une discussion verbale sur un article d'actualité qui déclenche une recherche et une récupération automatiques de cet article d'actualité, ainsi que la documentation connexe. Ou, après une réunion, l'IA aide à résumer les sujets clés de la réunion.

L'IA commence à se comporter comme un membre de l'équipe, prenant des mesures et résumant les décisions.

À l'avenir (au cours de la prochaine décennie), un dispositif d'intelligence artificielle agira en tant que membre de l'équipe stratégique et formulera des recommandations basées sur son intelligence économique. Par exemple, il peut analyser les résultats des ventes et recommander une augmentation des ventes
les effectifs dans une région spécifique pour augmenter les revenus.

Pour prendre en charge toutes ces phases, les services d'IA doivent collecter et traiter les données et le contexte liés à l'entreprise. Lorsqu'elle peut le faire, l'IA laisse plus de temps aux employés pour s'engager dans des tâches de grande valeur, plus de créativité des participants, une satisfaction accrue à l'égard du travail (conduisant à des niveaux de rétention et un retour sur investissement plus élevés pour l'intégration et la formation) et un engagement d'équipe plus fort, pour ne citer que quelques avantages.

Le concept de collaboration cognitive apporte une puissante intelligence artificielle et un apprentissage automatique à votre expérience de collaboration. Cela permet de favoriser les relations, d'améliorer les interactions avec les clients et de constituer des équipes performantes au-delà des frontières.

Alors que la collaboration cognitive présente de nombreux avantages tangibles pour les utilisateurs d'Internet aujourd'hui, l'IA continue d'évoluer et pourrait nous aider à collaborer d'une multitude de façons fantastiques dans un avenir proche.

Comment voyez-vous l'IA et le ML se développer pour soutenir la collaboration cognitive?

Afficher plus

SupportIvy

SupportIvy.com : Un lieu pour partager le savoir et mieux comprendre le monde. Meilleure plate-forme de support gratuit pour vous, Documentation &Tutoriels par les experts.

Articles similaires

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Bouton retour en haut de la page
Fermer