机器学习的大(!)坏(?)世界

机器学习(ML)慢慢但肯定地开始在我们的职业和个人生活中起越来越重要的基础作用。 本文着眼于早期采用者的一些知识以及针对正在考虑将ML用于其业务的组织的框架。

消费者与机器学习

消费者本能地从两个维度计算事件的影响。 当屋子里的灯突然熄灭时,它是“我”还是附近的没有电源的“我们所有人”? 在世界各地进行的飓风警告是“遥远的问题”,而局部洪水警告则是“亲密话题”。

企业部署机器学习来进行创新并最终获得商业利益。 根据这两个方面的影响范围,企业还需要以校准的方式预期和处理对消费者的道德和情感影响。 大致而言,有四种类型的消费者:痴迷,机敏,好奇和关注。

好奇的消费者

有些人以吃饭为生,大多数人以吃饭为生。 因此,使用基于人工智能的除草剂来减少对通用除草剂的需求的进展不太可能引起人们的广泛关注。 消费者对此有些好奇,因为“我们所有人”都将其视为“遥远的问题”。 生产者在这里需要传达符合当前规范的当前除草剂使用水平,然后随着时间的推移显示出进一步的改进。

有关消费者

数十亿美元用于医学研究,其中很大一部分用于癌症研究。 因此,当消费者读到AI可以识别癌细胞时,她可能会被足够关注,因为这是“我”的“亲密话题”。 在这里,关键的参与是在医疗服务提供者处将其用作诊断工具的潜力。

提醒消费者

杂货店购物主要是家务活。 当购买独特的食材来烹饪一顿特别的饭菜时,这也许是一件令人愉快的事情。 在任何情况下,消费者都希望杂货店交货无忧,而无人机正处于商业化发展的门槛。 在澳大利亚使用无人机的经验中,噪声污染已成为关键问题。 当地社区非常警觉,因为“我们所有人”每天都会受到“亲密话题”的影响。

痴迷的消费者

如果有一种机器学习应用引起了数百万消费者的关注,那就是面部识别。 自从2005年针对移动设备进行演示以来(很久以前!),面部识别已成为手机中的主流。 现在,消费者迷恋在加拿大一家购物中心内按年龄和性别追踪“亲密主题”上的“我”。 在这种情况下,据称消费者没有意识到正在使用该技术,因此受到了愤怒。 在随后的轩然大波中,这家房地产公司暂停使用相机,并展开了联邦调查。

事先有消费者参与该计划会有所帮助。 也许,这项计划可能遭到破坏,但公司的状况会比现在更好。 侧栏问题是在手术两个月左右的时间内如何保护收集,存储和推断的数据。

有趣的是,注意到同一位乘客在登机时的反应,被告知机场当局正在使用面部识别技术来识别已知的恐怖分子。

摘要

当公司讨论机器学习时,会花费大量时间和精力在数据模型,权重和算法的技术细节上。 这是错过树木的树林的经典案例。 建议行政决策者考虑对消费者的潜在情感和道德影响以及显而易见的商业利益。