提高人工智能(néng)项目有(yǒu)效性的五种方法

2021-08-18

提高人工智能(néng)项目有(yǒu)效性的五种方法

如今，人工智能(néng)无处不在，给人的印象是几乎每家公司都实施了人工智能(néng)。但实际上并非如此，因為(wèi)他(tā)们中的许多(duō)人经常遇到问题。人工智能(néng)会以某种方式影响每个品牌和几乎所有(yǒu)行业。而那些不适应新(xīn)变化的公司将被淘汰。仅仅掌握思维是不够的，这将有(yǒu)助于公司进入一个平衡更倾向于人工智能(néng)的业務(wù)。您需要為(wèi)真正的挑战和障碍做好准备，这些挑战和障碍可(kě)能(néng)会让您的 AI 产品更上一层楼。

為(wèi) AI 设置正确的指标

需要强调的是，没有(yǒu)必要对人工智能(néng)设定过高的期望。初创公司故意夸大其人工智能(néng)项目的能(néng)力。一再有(yǒu)报道称，微软、Facebook、谷歌和苹果的承包商(shāng)窃听了其用(yòng)户的录音。这些情况可(kě)以解释為(wèi)现代人工智能(néng)系统不够智能(néng)，到目前為(wèi)止还没有(yǒu)达到这些公司对其施加的要求水平。结果，科(kē)技巨头被迫在员工的帮助下道歉并解决人工智能(néng)问题。设定切合实际的期望是确保任何 AI 项目成功的关键。设定目标同样重要。

就优化内容达成一致

与每一项新(xīn)的特别是大肆宣传的技术一样，一个常见的错误是在没有(yǒu)定义问题本质的情况下创建一个人工智能(néng)项目。AI的实力也值得关注。通常，大多(duō)数（如果不是全部）业務(wù)流程都包含许多(duō)简单但耗时的任務(wù)，例如识别文(wén)档中的关键字。与执行这些行动所涉及的人力资源相比，这些行动没有(yǒu)什么价值。耗时的例行程序是人工智能(néng)自动化的理(lǐ)想目标。

决定收集哪些数据

尽管数据是任何 AI 应用(yòng)程序功能(néng)的来源，但随意收集数据是鲁莽的。数据必须满足三个关键标准：

数据的提取（采样）不应侵犯任何人的合法权利。公司必须遵守保密规则和接收数据的限制；

CIO 需要了解数据的价值并知道如何使用(yòng)它；

提取和处理(lǐ)数据的成本不得超过其使用(yòng)的潜在收入。

此外，数据的可(kě)靠性及其存储方式也很(hěn)重要，因為(wèi)有(yǒu)时攻击者会以底层 AI 数据系统為(wèi)目标，使算法面临错误、扭曲或遗漏危险信号。公司需要控制进入系统的数据，过滤掉未经验证的单位或欺诈案件。通过使用(yòng)區(qū)块链，公司可(kě)以有(yǒu)效地跟踪谁访问或更改了数据，从而排除错误数据并确定根本原因。

测试和再培训

除了少数专业人士，很(hěn)少有(yǒu)人了解人工智能(néng)是如何工作的，所以不是每个人都敢用(yòng)它来运行关键任務(wù)应用(yòng)程序。在一定程度上可(kě)以通过综合测试降低风险，保证预测的准确性。许多(duō)组织进行了几个月的对比测试，将测试的 AI 模型的结果与实际结果进行比较，调整计算机算法以改进结果。

AI 测试是必不可(kě)少的，因為(wèi)在实验室中表现出良好性能(néng)的算法在商(shāng)业环境中的表现可(kě)能(néng)会大不相同。AI 是一种反复试验的方法，因此最初看起来是个好主意的方法往往在现实世界中几乎没有(yǒu)用(yòng)。这就是為(wèi)什么快速迭代是自动化的关键。為(wèi)了解决这个问题，你需要注意重新(xīn)训练 AI 模型的重要性。

在某些情况下，AI 解决方案的弱点在启动之前不会出现。最大的问题之一是算法中的偏移错误。任何数据，就其本质而言，都反映了人為(wèi)偏见，因此可(kě)能(néng)会歪曲结果。持续的测试和再培训将有(yǒu)助于纠正错误的配置。

AI开发自动化

人工智能(néng)模型的测试、再训练以及数据清理(lǐ)和特征提取都是耗时的。為(wèi)了解决这个问题，专家们正在借鉴传统软件开发人员的流程自动化技术。DevOps 专注于持续交付、按需利用(yòng) IT 资源以及自动化代码测试和部署。DataOps 為(wèi)数据分(fēn)析带来了同样的改进。

简而言之，DataOps 通过在出现问题时快速解决问题，為(wèi) AI 培训和开发的每一步提供自动化。DataOps 通过在管道交付的每个阶段检查问题，在数据生命周期的早期消除问题。如果在此过程中出现任何异常情况，数据分(fēn)析团队将通过自动警报的方式第一时间知道。机器學(xué)习可(kě)用(yòng)于识别违规行為(wèi)。

结论

AI 理(lǐ)应走在数字化转型的前沿，很(hěn)多(duō)人对它寄予厚望，但 CIO 们不应忘记，这是一项年轻的技术。在此基础上，有(yǒu)理(lǐ)由相信它并不总能(néng)满足对其的期望，或者更糟糕的是，可(kě)能(néng)会导致问题。CIO 应该对技术的能(néng)力持现实态度，并為(wèi)与实施和维护 AI 项目相关的挑战做好准备。