提高人工智能項目有效性的五種方法

2021-08-18

提高人工智能項目有效性的五種方法

如今，人工智能無(wú)處不在，給人的印象是幾乎每家公司都實(shí)施了人工智能。但實(shí)際上并非如此，因為他們中的許多人經(jīng)常遇到問(wèn)題。人工智能會(huì )以某種方式影響每個(gè)品牌和幾乎所有行業(yè)。而那些不適應新變化的公司將被淘汰。僅僅掌握思維是不夠的，這將有助于公司進(jìn)入一個(gè)平衡更傾向于人工智能的業(yè)務(wù)。您需要為真正的挑戰和障礙做好準備，這些挑戰和障礙可能會(huì )讓您的 AI 產(chǎn)品更上一層樓。

為 AI 設置正確的指標

需要強調的是，沒(méi)有必要對人工智能設定過(guò)高的期望。初創(chuàng )公司故意夸大其人工智能項目的能力。一再有報道稱(chēng)，微軟、Facebook、谷歌和蘋(píng)果的承包商竊聽(tīng)了其用戶(hù)的錄音。這些情況可以解釋為現代人工智能系統不夠智能，到目前為止還沒(méi)有達到這些公司對其施加的要求水平。結果，科技巨頭被迫在員工的幫助下道歉并解決人工智能問(wèn)題。設定切合實(shí)際的期望是確保任何 AI 項目成功的關(guān)鍵。設定目標同樣重要。

就優(yōu)化內容達成一致

與每一項新的特別是大肆宣傳的技術(shù)一樣，一個(gè)常見(jiàn)的錯誤是在沒(méi)有定義問(wèn)題本質(zhì)的情況下創(chuàng )建一個(gè)人工智能項目。AI的實(shí)力也值得關(guān)注。通常，大多數（如果不是全部）業(yè)務(wù)流程都包含許多簡(jiǎn)單但耗時(shí)的任務(wù)，例如識別文檔中的關(guān)鍵字。與執行這些行動(dòng)所涉及的人力資源相比，這些行動(dòng)沒(méi)有什么價(jià)值。耗時(shí)的例行程序是人工智能自動(dòng)化的理想目標。

決定收集哪些數據

盡管數據是任何 AI 應用程序功能的來(lái)源，但隨意收集數據是魯莽的。數據必須滿(mǎn)足三個(gè)關(guān)鍵標準：

數據的提?。ú蓸樱┎粦址溉魏稳说暮戏嗬?。公司必須遵守保密規則和接收數據的限制；

CIO 需要了解數據的價(jià)值并知道如何使用它；

提取和處理數據的成本不得超過(guò)其使用的潛在收入。

此外，數據的可靠性及其存儲方式也很重要，因為有時(shí)攻擊者會(huì )以底層 AI 數據系統為目標，使算法面臨錯誤、扭曲或遺漏危險信號。公司需要控制進(jìn)入系統的數據，過(guò)濾掉未經(jīng)驗證的單位或欺詐案件。通過(guò)使用區塊鏈，公司可以有效地跟蹤誰(shuí)訪(fǎng)問(wèn)或更改了數據，從而排除錯誤數據并確定根本原因。

測試和再培訓

除了少數專(zhuān)業(yè)人士，很少有人了解人工智能是如何工作的，所以不是每個(gè)人都敢用它來(lái)運行關(guān)鍵任務(wù)應用程序。在一定程度上可以通過(guò)綜合測試降低風(fēng)險，保證預測的準確性。許多組織進(jìn)行了幾個(gè)月的對比測試，將測試的 AI 模型的結果與實(shí)際結果進(jìn)行比較，調整計算機算法以改進(jìn)結果。

AI 測試是必不可少的，因為在實(shí)驗室中表現出良好性能的算法在商業(yè)環(huán)境中的表現可能會(huì )大不相同。AI 是一種反復試驗的方法，因此最初看起來(lái)是個(gè)好主意的方法往往在現實(shí)世界中幾乎沒(méi)有用。這就是為什么快速迭代是自動(dòng)化的關(guān)鍵。為了解決這個(gè)問(wèn)題，你需要注意重新訓練 AI 模型的重要性。

在某些情況下，AI 解決方案的弱點(diǎn)在啟動(dòng)之前不會(huì )出現。最大的問(wèn)題之一是算法中的偏移錯誤。任何數據，就其本質(zhì)而言，都反映了人為偏見(jiàn)，因此可能會(huì )歪曲結果。持續的測試和再培訓將有助于糾正錯誤的配置。

AI開(kāi)發(fā)自動(dòng)化

人工智能模型的測試、再訓練以及數據清理和特征提取都是耗時(shí)的。為了解決這個(gè)問(wèn)題，專(zhuān)家們正在借鑒傳統軟件開(kāi)發(fā)人員的流程自動(dòng)化技術(shù)。DevOps 專(zhuān)注于持續交付、按需利用 IT 資源以及自動(dòng)化代碼測試和部署。DataOps 為數據分析帶來(lái)了同樣的改進(jìn)。

簡(jiǎn)而言之，DataOps 通過(guò)在出現問(wèn)題時(shí)快速解決問(wèn)題，為 AI 培訓和開(kāi)發(fā)的每一步提供自動(dòng)化。DataOps 通過(guò)在管道交付的每個(gè)階段檢查問(wèn)題，在數據生命周期的早期消除問(wèn)題。如果在此過(guò)程中出現任何異常情況，數據分析團隊將通過(guò)自動(dòng)警報的方式第一時(shí)間知道。機器學(xué)習可用于識別違規行為。

結論

AI 理應走在數字化轉型的前沿，很多人對它寄予厚望，但 CIO 們不應忘記，這是一項年輕的技術(shù)。在此基礎上，有理由相信它并不總能滿(mǎn)足對其的期望，或者更糟糕的是，可能會(huì )導致問(wèn)題。CIO 應該對技術(shù)的能力持現實(shí)態(tài)度，并為與實(shí)施和維護 AI 項目相關(guān)的挑戰做好準備。