Trascrizione
Ciao a tutti. Sono Phil Benson, vicepresidente del reparto prodotti di Blackline Safety. Grazie per aver partecipato a questa sessione. Oggi parleremo un po' di come applicare l'intelligenza artificiale, o almeno delle fasi iniziali di come consigliamo di applicarla ai vostri dati e ai progetti di salute e sicurezza, come argomento specifico.
Quindi, ci sono tre modi in cui vogliamo davvero affrontare la questione. E così, grazie a quanto abbiamo imparato qui alla Blackline, abbiamo trascorso molti anni lavorando con i dati e probabilmente negli ultimi tre ci siamo dedicati con grande serietà a progetti di data science, ML e AI. E il consiglio che do alle persone ogni volta che iniziano questo percorso, perché questo è proprio quello che abbiamo fatto noi, è di non preoccuparsi ancora dell'AI.
Non iniziare il tuo progetto pensando a questo. Devi pensare a tre cose. La prima è considerare quali sono i tuoi problemi. Devi avere ben chiaro quali sono i problemi che stai cercando di risolvere nella tua attività, perché questo è il modo più importante per andare avanti. Se cerchi semplicemente di applicare lo strumento a un argomento qualsiasi, sarà molto difficile capire quali saranno i risultati e come testarlo in scenari reali. Quindi devi iniziare dai tuoi problemi, perché questi hanno obiettivi chiari.
Il passo successivo è quello che io chiamo "conoscere i propri dati", ovvero familiarizzare con i dati che già si hanno a disposizione e che già si comprendono. È importante fare un inventario di questi dati. Molte persone all'inizio dei progetti si bloccano e si preoccupano perché sanno di non avere dati sufficienti e che questi non sono così puliti come dovrebbero essere. Si tratta di preoccupazioni molto reali, che in qualche modo determineranno il risultato del tipo di progetto sui dati che avete in mente, ma non lasciate che questo vi impedisca di comprendere ciò che avete a disposizione e di capire come applicarlo a quei progetti. Quindi, iniziate chiedendovi: quale problema sto cercando di risolvere? Poi pensate davvero a quali dati avete a disposizione.
Il terzo è semplicemente comprendere l'IA come argomento, comprendere gli strumenti a vostra disposizione. Potrebbe trattarsi, ad esempio, di un'analisi approfondita come la messa a punto del vostro modello, utilizzando un modello di base e ottimizzandolo per un'applicazione che avete. Oppure potrebbe semplicemente trattarsi di utilizzare un modello di intelligenza artificiale generativa per aiutarti a comprendere meglio le tue analisi, in modo da poter approfondire rapidamente le tue analisi disponibili utilizzando il linguaggio naturale e ottenere quelle visualizzazioni. E potrebbe trattarsi di costruire il tuo modello.
Potrebbe trattarsi della creazione di un modello ML, attraverso tecniche di data science più tradizionali, per realizzare modelli predittivi che consentano di comprendere i dati a disposizione. E mentre apprendi questo argomento in modo generale, mentre comprendi la differenza tra AI e ML e Gen AI e cosa sia un modello linguistico di grandi dimensioni e cosa possa fare per te, mentre apprendi questo argomento, ripenserai agli ultimi due punti, ovvero quali dati hai a disposizione e quale problema stai cercando di risolvere.
E quello che abbiamo scoperto è che i nostri progetti migliori sono quelli che riescono davvero a fondere insieme diversi aspetti: come interpretiamo un determinato argomento, quali risorse abbiamo a disposizione e quali problemi possiamo risolvere per i nostri clienti. E penso che questo valga anche per i clienti con cui lavoriamo quando hanno i propri progetti di IA.
Grazie mille per aver partecipato a questa prima sessione. Ne seguiranno altre in cui approfondiremo ulteriormente l'argomento. Grazie mille. Buona giornata.