人工智能是指计算机做一些需要在过去需要人类智能的事情的能力。
 - Image: Gerd Altmann via Pixabay

人工智能是指计算机做一些需要在过去需要人类智能的事情的能力。

图像: Gerd Altmann. via Pixabay

施奈德今年的Earler赢得了2020年的创新奖,并在2020年的大型创新奖中获得了荣誉。人工智能的使用是创新的关键部分,威斯康星州的巨型百货商是荣幸的,所以我们与Brian Stuelpner,Schneider副总裁Brian Stuelpner谈到了战略,规划和建筑,了解有关人工智能的更多信息以及公司如何在其日常运营中使用它。 (这次采访已经为清晰度和长度而轻微编辑。)

HDT:您如何向读者解释人工智能?

stuelpner: 我认为人工智能的方式’S真的是一系列能力,允许计算机做一些事情在过去或者对于人类来做的事情需要太长时间的东西。我们使用很多措施来接管平凡或重复的任务,以便人们可以继续前进到更高价值的东西。但总的来说,我会想到它只是一个分组,即今天的计算机可以做到这一点,传统上是人类智力的领域来处理它。

HDT:我们还听到了一项学术学习的机器。这是AI的一个过度吗?你怎么解释一下?

stuelpner: 我们拥有这些令人难以置信的巨大数据集,不断添加到[和AI]我们'根据这些数据的分组进行选择。对我来说的机器学习组件是我们理解该选择的结果,并可能在该未来进行不同的选择。所以基于这种选择 '过去曾经做过,这是结果,也许如果我下次下次略微不同的情况下,我会得到不同的结果。这是人类在过去可以做的事情。但今天机器能够做到这一点,解读所有这些信息,所有这些情景并在继续让我们更好,更好的决定时。

施耐德'S Brian Stuelpner说,AI和机器学习是我们工具箱中的更多工具。
 - Image: Schneider

施耐德'S Brian Stuelpner说,AI和机器学习是我们工具箱中的更多工具。

图片:施耐德

HDT:人们可能对AI的一些误解是什么?

stuelpner: 那里’如果你有AI或你,这是一个误解'研发人工智能,人类从图片中取出。我绝对不'认为是真的。那里'S AI的人类辅助机器组件,以及有助于人类的机器。与我们的ai've deployed, there'很多训练正在进行,解释这一点,试图带来我们拥有的人类知识并将其数字化,所以计算机可以理解我们的所作所为。所以那里'很多人类干预建立模型,并培训AI模型。所以'没有把人带出来。它'实际上只是重塑人的角色。

HDT:那么施耐德如何使用人工智能?

stuelpner: 我们为自己处于技术领先的领先地位或创新历史上,我们有点骄傲,我们有几种用例'重新部署。他们中的大多数是针对提高生产力或改善经验的东西。我可以给你三个,三个例子,我认为是相关的。

对我们来说很容易,一个人'过去几年一直在做,涉及我们的客户和内部伙伴,以及它'S处理客户电子邮件请求。所以在Schneider,我们从客户那里获得了数百万的电子邮件,其中许多人询问了相当简单的问题,如在哪里'我的货运?那样的方式'传统上被处理的是,联营公司会收到电子邮件,他们'd look at it, they'D必须了解它的要求,他们'd转到系统或两个系统或三个系统以查找信息,然后它们'd返回了答案。我们是谁'能够做的是利用人工智能来理解这个问题'S基本上在近实时进入,转到答案的系统,并在三到五秒钟内返回对该请求的准确答案。

所以在那个用例中,我们'通过对他们更加敏感,完成了改善客户体验。和我们've还改善了我们的助理体验,因为我们 '没有要求他们做那种平凡的,重复的工作。我们'允许他们专注于该客户关系的不同部分,积极主动,通过问题与之相反。

我们还在我们的驱动程序空间部署了AI。我们有我们呼叫的东西 Etai,它真的专注于在我们的ETA中使用人工智能[估计到达时间]过程。所以我们'在传统上驾驶员会拍摄了很多人工干预've had to do and we'重新尝试让他们专注于驾驶。因此,我们所做的是存在存在的大量数据,包括实时数据,例如交通或天气,有关运输时间的历史信息,甚至在特定位置的停留时间。更不用说只有我们拥有的信息–司机偏好,他们的服务时间或他们的行为–我们可以提供更准确的eta'在没有司机的情况下不断更新。和我们'发现比我们以前的方法更准确,但更准确的是大量的数据聚合器,因为很多原因,但是[主要],因为我们有他们只是唐的信息'T关于司机。所以我们发现这是我们司机的巨大生产力。它允许他们在一天结束时获得更好的派遣,这让他们继续滚动。

我们第三个'已经做了几年的事情是我们的第三方运营商。我们有一个相对倍率的物流业务,我们'使用人工智能和机器学习,通过了解他们的行为及其偏好以及它们所做的选择,为该承运人提供更好的推荐负载。我们可以对他们的曲面负载来说,我们认为对他们有吸引力,并根据他们的选择,继续改进这些模型,改善这些模型,使得当该承运人来到施奈德找到负荷时,他们看到的是那些这是最相关,最具吸引力和理论上的驾驶室。

所以我们'重新尝试在很多不同的空格中部署AI。 。

HDT:在我看来,你很多你'在这里做的是我们在谈论的内容'big data' a few years ago –不仅可以使用您自己的数据,还可以使用所有这些其他来源的数据。这是一种准确的理解吗?

stuelpner: 是的,我认为很多AI和机器学习是实际上能够的结果 带有数据的东西。因此,如施耐德等公司以及我们行业的许多其他人都可以访问不可想象的数据量。挑战一直是,你如何从该数据中获得见解?你如何以速度快速地使用它们'LL说。因此,您有能力进行计算能力,可以通过该数据,对数据进行分析,并了解它,以便我们可以在近实时地在生态系统中馈送正确的信息和洞察力。

我觉得'真的是值在这里的价值。因为那个数据'S会继续成长。公司将需要能够找到所有这些噪音中的信号'LL帮助您推动更好的决定。所以使用人工智能等工具'在我们的工具腰带中真的只是另一种工具,让我们做出更好的决定,给予更好的经验,增加满足。但它'真的我们如何利用内部,外部,以及那些数据来利用该数据'我将继续继续气球。 AI帮助我们理解这一点,并因此做出更好的决定。

HDT:AI有益于货运的方式的任何其他示例?

stuelpner: 另一个例子是您的传统帮助台机器人,我们在哪里'重新能够使用会话人工智能来了解问题并提供答案。我看到一个用于卡车运输的大事是能够在规模上个性化。我认为,当您能够采取这些数据来提高司机的经验时,我会很大的好处。它's真的朝着每个司机真正与他们有几乎有助理的地方。使用这些数据,使用智能来帮助驱动程序做出更好的决策,可以真正消除他们的驾驶经验中的摩擦力,让他们专注于驾驶,专注于有利可图。那'在接下来的几年里,我真的在哪里思考伟大的进步。

HDT:基本上进入我的下一个问题,这将是在未来在卡车上看到使用AI的在哪里?在这方面你想说的其他任何东西?

stuelpner: It feels like we'在卡车运输中的AI开始阶段。我想我们'重新继续看到这些用例的发展,其中某些类型任务的自动化将会发生。人类将采用良好的角色,我认为我们'重新期待。司机将真正能够专注于驾驶,而不是通过文书工作进行洗牌,而不是等待信息,以便打电话给他们或通过他们的驾驶室设备。我们'重新能够以我们无法实现的速度做出更好的决定'真的在过去的理解。我觉得那样'在卡车运输行业中真正存在AI的承诺。它'S会推动大量效率,但它'他真的会为行业的许多组成部分推动更好的体验。

0评论