你已经在新闻推送、收件箱和动作片中看到了它——人工智能(AI)正在风靡一时。喋喋不休的谈话无处不在，这对组织来说是一个挑战，尤其是那些员工技术资源较少的组织，要知道这些新工具如何帮助(或阻碍)他们的工作。虽然机器学习越来越多地被私营企业使用，很少有非卡塔尔世界杯预测营利组织整合了这种技术到目前为止的行动。

什么是人工智能?为什么如今人工智能似乎无处不在?

各种各样的术语可能会让人难以理解人工智能的前景。．人工智能是使用计算机帮助自动完成以前只能由人类完成的任务的过程。为了做到这一点，我们使用了一种叫做机器学习的过程，它允许我们“教”计算机如何处理这些任务。大多数机器学习技术都围绕着简单的算术。但通过使用现代计算机处理器进行大量计算，数据科学家可以创建能够解决复杂问题的模型。

机器学习可以解决什么样的问题?

许多人工智能模型采用一系列输入数据点，并使用它们来预测新数据点的各个方面。例如，美国代表联合国难民署使用难民营的图片创建模型来预测不同建筑的使用情况。这样就更容易弄清楚是否提供了足够的服务来支持生活在难民营中的人，以及如何最有效地分配资源。类似的，福利数据信托分析来自呼叫者的数据希望在费城参加公共食品援助福利，并创建了一个机器学习模型来预测哪些福利可能最有帮助。这大大缩短了向有需要的人提供福利的时间。这样的故事听起来几乎像魔法，但它们代表了大量的辛勤工作!

您如何判断您的组织是否能够使用它?

考虑以下问题。

1.你有什么合适的问题吗?


许多考虑人工智能解决方案的组织都跳过了这一步，并假设他们能够获取他们拥有的任何数据并“从中找到有用的东西”。

想要创建一个机器学习模型却没有一个明确的问题，就像想要旅行却没有目的地一样。

你可能会在某个地方停下来，但很有可能你会花很多时间和金钱漫无目的地开车。通常，非常适合机器学习的问题包括那些试图预测类别的问题(“给定一个水点数据集，哪些水点可能在明年破裂?)或一个数字(“这位捐款人明年可能捐多少钱?”)。

2.你能接触到有用的数据吗?


一个可靠的数据集是一个有用的机器学习模型最重要的要求之一。不幸的是，它也可能是最难收集的输入之一。做出预测来回答问题的机器学习模型通常需要标记的训练数据。例如，为预测电子邮件是否为垃圾邮件而构建的模型需要在一个电子邮件数据集上进行训练，该数据集带有标签，指示每个训练示例是否为垃圾邮件。有标签的训练数据集很难获得在机器学习发生之前，通常需要创造力和人力来手动创建它们。

3.您是否能够接触到构建和维护模型的人员?


一旦你有了合适的问题和丰富的训练数据集，你就需要有数据科学经验的人来创建你的模型。为了让你的模型更有效，我们需要做大量的工作来找出功能、算法和成功度量的最佳组合。这可能是一个具有挑战性和耗时的过程，需要持续关注来维护您的模型。

4.你有关于管理伦理、偏见和可解释性问题的计划吗?


机器学习模型反映了用于训练它们的数据中隐含的潜在偏见和不平等。如果没有精心设计，人工智能会加剧这些问题在很多方面。甚至是一些看似简单的事情数据集中的二进制列可能会掩盖细微差别数据科学家不能忽视这一点。因此，考虑使用人工智能的组织必须仔细考虑他们创建的模型的伦理影响，尤其是它们是如何创建的与他们寻求服务的社区合作创建以及他们如何应对现代社会的多样性。可解释性技术在整个人工智能设计中使用，还可以帮助识别和减少数据中存在的偏差，并清楚地说明为什么你的算法是这样表现的。

5.值得这么麻烦吗?


考虑到前面四个问题所暗示的挑战，组织必须问一下，创建和维护道德模型的成本和困难是否超过了机器学习可能带来的潜在好处。

对这些问题回答“不”是否意味着我的组织不能使用机器学习?

也许吧。如果你头脑中没有一个好的问题，你的组织可能最好先关注一下阐明其变化理论．同样，如果你的组织目前没有以结构化的方式收集和存储数据，那么投资核心数据收集和报告工具应该比任何机器学习模型更优先。如果这对您的组织来说是新的，那么可以使用Airtable可以让你更容易上手。

如果你有数据和好问题，但员工中没有数据科学专业知识来设计和实现机器学习模型，更不用说长期维护它了，那该怎么办?等组织DataKind或Hack4Impact支持志愿者网络，他们可以帮助非营利组织建立和运行新的人工智能或机器学习工具。卡塔尔世界杯预测

有兴趣使用人工智能来完成任务的组织的另一个选择是DataRobot的新AI for Good项目与GlobalGiving合作。DataRobot的专家团队将协助从您的数据中识别和改进潜在的机器学习项目，并使用其独立的平台指导您的组织创建、实现和维护预测模型。DataRobot的工具在自动化机器学习过程中最耗时的组件方面是独一无二的，例如特征工程(找出将数据组合起来形成对机器模型最有用输入的方法)和算法选择(找出用于实现机器学习目标的最佳模型类型)。这种自动化和DataRobot的专家资源可能会为“值得吗?”从“不”变成“是”。如果您的组织有兴趣成为第二批AI for Good: Powered by DataRobot参与者的一部分，请寻找申请的机会，很快就会到来!

你的非营利组织是否有兴趣使用机器学习来扩大你的影响力?了解DataRobot的AI for Good项目。

了解更多