INSIKTER INOM AI
Ledande insikter inom artificiell intelligens, maskininlärning och mer.
Senaste insikterna inom AI
-
AI transforms insurance: See 8 examples of how it worksUsing AI in insurance can boost value for customers, insurance companies and stakeholders alike. Examples range from stronger fraud detection and improved customer service to optimized underwriting processes and competitive advantage. Learn more about how AI is transforming the industry.
-
What is AI modeling?AI modeling involves creating programs that use one or a combination of algorithms to allow computers to think, learn and predict outcomes. Much like a human brain, AI models absorb input data – numbers, texts, images, video, sound – to learn how to predict outcomes or solve specific tasks without explicit instructions at every step.
-
Understanding digital twin technologyLearn how digital twin technology can change industries from health care to manufacturing, and shape the future of data modeling and process improvements.
-
What is synthetic data? And how can you use it to fuel AI breakthroughs?There's no shortage of data in today's world, but it can be difficult, slow and costly to access sufficient high-quality data that’s suitable for training AI models. Learn why synthetic data is so vital for data-hungry AI initiatives, how businesses can use it to unlock growth, and how it can help address ethical challenges.
-
Unlocking a strategic approach to data and AIAI is only as good as the data that powers it – this is a fundamental truth about data and AI that defines the limits of what’s possible with artificial intelligence. It may seem surprising, but it's rarely a bad algorithm or a bad learning model that causes AI failures. It's not the math or the science. More often, it's the quality of the data being used to answer the question.
-
AI anxiety: Calm in the face of changeAI anxiety is no joke. Whether you fear jobs becoming obsolete, information being distorted or simply missing out, understanding AI anxiety can help you conquer it.
-
Fraud detection and machine learning: What you need to knowMachine learning and fraud analytics are critical components of a fraud detection toolkit. Discover what you’ll need to get started defending against fraud – from integrating supervised and unsupervised machine learning in operations to maintaining customer service.
-
Five AI TechnologiesDo you know the difference between artificial intelligence and machine learning? And can you explain why computer vision is an AI technology? Read our overview to understand these and other technologies behind the AI craze.
-
What are AI hallucinations?Separating fact from AI-generated fiction can be hard. Learn how large language models can fail and lead to AI hallucinations – and discover how to use GenAI responsibly.
-
What are chatbots?Chatbots are a form of conversational AI designed to simplify human interaction with computers. Learn how chatbots are used in business and how they can be incorporated into analytics applications.
-
How AI and advanced analytics are impacting the financial services industryTop SAS experts weigh in on topics that keep financial leaders up at night – like real-time payments and digital identity. See how advanced analytics and AI can help.
-
Shut the front door on insurance application fraud!Fraudsters love the ease of plying their trade over digital channels. Smart insurance companies are using data from those channels (device fingerprint, IP address, geolocation, etc.) coupled with analytics and machine learning to detect insurance application fraud perpetrated by agents, customers and fraud rings.
-
4 strategies that will change your approach to fraud detectionAs fraudulent activity grows and fighting fraud becomes more costly, financial institutions are turning to anti-fraud technology to build better arsenals for fraud detection. Discover four ways to improve your organization's risk posture.
-
Analytics leads to lifesaving cancer therapiesA long-shot treatment offers hope to 10-year-old Harrison after he learns the DNA profile of his cancer is resistant to chemo. Find out how data and analytics play a role in cancer research and cancer treatments that are saving lives.
-
Analytics: A must-have tool for leading the fight on prescription and illicit drug addictionStates and MFCUs now have the analytics tools they need to change the trajectory of the opioid crisis by analyzing data and predicting trouble spots – whether in patients, prescribers, distributors or manufacturers. The OIG Toolkit with free SAS® programming code makes that possible.
-
Detect and prevent banking application fraudCredit fraud often starts with a falsified application. That’s why it’s important to use analytics starting at the entrance point. Learn how analytics and machine learning can detect fraud at the point of application by recognizing the biggest challenge – synthetic identities.
-
Break stuff . . . servers, rules and the glass ceilingCarla Gentry knows what it’s like to be the only woman on the team and is happy to share her hard-won knowledge with an ever-growing number of female data scientists. She recently shared with us some sage advice for women entering or interested in advancing in the field.
-
Three steps for conquering the last mile of analyticsPutting your analytical models into production can be the most difficult part of the analytics journey. It’s no surprise that this last mile of analytics – bringing models into deployment – is the hardest part of digital transformation initiatives for organizations to master, yet it’s the most crucial.
-
As AI accelerates, focus on 'road' conditionsAI technology has made huge strides in a short amount of time and is ready for broader adoption. But as organizations accelerate their AI efforts, they need to take extra care, because as any police officer will tell you, even small potholes can cause problems for vehicles traveling at high speeds.
-
AI in government: The path to adoption and deploymentThe government sector is lagging in AI adoption, but awareness of the importance of AI in the public sector is increasing. Our survey indicates that operational issues are requiring governments to turn their attention to AI projects as a way to address important public issues.
Artificiell intelligens: Introduktion
Hur intelligent är artificiell intelligens egentligen? Och hur bra kan maskiner imitera den mänskliga intelligensen? Vi utforskar dessa frågor och granskar hur artificiell intelligens förbättrar vår värld. Artificiell intelligens används idag inom flera områden, från digitala assistenter till automatiserade röntgenavläsningar.
- Välj ämne
- Djupinlärning
- Naturlig språkbehandling
- Maskininlärning
- Prediktiv analys
- Datorseende
- Neurala nätverk
- Generative AI
Vad är djupinlärning?
Om du någon gång haft en konversation med Siri från Apple, så har du använt dig av djupinlärning. System som Siri, Alexa och Cortana använder till stor del djupinlärning, en form av maskininlärning som lär en dator att utföra uppgifter som normalt utförs av en människa. Taligenkänning, bildigenkänning och naturlig språkbehandling drivs alla av djupinlärning som lär en dator att lära sig själv genom att upptäcka mönster. Hur kan du använda djupinlärning? Och hur kommer det att påverka din bransch?
Vad är naturlig språkbehandling (NLP)?
Vem kunde tro för 10 år sedan att du skulle ha en konversation med en mobiltelefon eller med en termostat för att höja värmen? Idag är det inte ovanligt att använda rösten för att fråga din mobiltelefon och direkt få svar om väderrapporter, lägga till saker i din shoppinglista eller spela din favoritlåt.
Naturlig språkbehandling är den teknologi som gör detta möjligt. Men hur kan dina enheter förstå språk? Och hur kan den här tekniken användas i en affärsmiljö? Från text mining till naturlig språkbehandling och naturlig språkförståelse, få alla svar här.
Vad är maskininlärning?
Maskininlärning är inget nytt. Kraftfullare än någonsin har denna decennier gamla matematiska vetenskap blivit allt viktigare i vår värld fylld av big data.
Självkörande fordon? Det är maskininlärning i action. Skräppostfilter och rekommendationer för shopping online? Det är vardag för maskininlärning. Upptäcka bedrägerier? En av de mest självklara och viktigaste användningsområdena idag. Upptäck hur maskininlärning kan hjälpa dig att få svar på komplexa frågor.
Vad är prediktiv analys?
Så, du har omfamnat möjligheterna med att samla in och analysera data. Ett bra initiativ, men det är bara ett första steg inom området. För att få ut ännu mer av din data ska du blicka framåt, inte bara analysera det förflutna.
Oavsett om du vill få nya kunder, bedöma betalningsrisker, identifiera bedrägerier eller förutse energibehov kan prediktiv analys ge svar på dina mest komplicerade frågor.
Vad är datorseende?
Ta reda på hur en dator kan gå från att se en bild i pixlar till att tolka och förstå innehållet. Du kommer lära dig hur digital bildsegmentering, matchning av kännetecken och objektidentifiering är alla en del av processen - och hur datorseende används inom flera områden, allt från att upptäcka cancer till att bedöma försäkringskrav.
Vad är neurala nätverk?
Neurala nätverk är datorprogram som utvecklats för att imitera hur människans hjärna lär sig och söker efter mönster. De kallas ofta artificiella neurala nätverk (ANN) och används främst för att lösa aktuella problem inom olika områden. Precis som en människas hjärna kan ANN tränas till att bli bättre på att tolka data.
Generative AI: The Basics
What is generative AI and how does it work? Consider generating computer code or synthetic data. Creating a business strategy with help from a conversational AI chatbot based on a large language model. Or using a digital twin to spot supply chain disruptions. See how generative AI started, who’s using it, and which underlying technologies make it work.
Få SAS Insights direkt till din inkorg
