人工智能在眨眼之間已經(jīng)從新奇到緊迫。特CH領(lǐng)導(dǎo)小號(hào)告訴他們需要采用AI現(xiàn)在還是落后企業(yè)。Gartner最近的一項(xiàng)調(diào)查顯示：在過(guò)去的四年里，人工智能的采用率飆升，在此期間實(shí)施人工智能的企業(yè)比例增加了270%。然而，同樣的調(diào)查顯示，63%的組織仍然沒(méi)有以某種形式實(shí)施AI或機(jī)器學(xué)習(xí)(ML)。

為什么有這么多組織落后于曲線?

人工智能長(zhǎng)期以來(lái)一直是開(kāi)發(fā)人員從事高性能計(jì)算和基于云的系統(tǒng)的工具。人工智能改變了網(wǎng)絡(luò)監(jiān)控方式，電子郵件掃描方式，甚至是我們與手機(jī)和設(shè)備交互的方式。雖然AI和機(jī)器學(xué)習(xí)總是感覺(jué)像是一個(gè)生活在實(shí)時(shí)嵌入式系統(tǒng)之外的遙遠(yuǎn)工具，但機(jī)器學(xué)習(xí)正在基于微控制器的系統(tǒng)中實(shí)現(xiàn)，事實(shí)上，它已經(jīng)存在!

我們每周都會(huì)與公司見(jiàn)面，這些公司正處于他們第一個(gè)ML項(xiàng)目的某個(gè)階段。遺憾的是，大多數(shù)談話或多或少都是一樣的。該項(xiàng)目具有戰(zhàn)略性，在組織內(nèi)部非常明顯。內(nèi)部的概念證明毫無(wú)障礙地發(fā)生了。現(xiàn)在，該團(tuán)隊(duì)專(zhuān)注于將模型的信心水平提升到可以投入生產(chǎn)的程度。

正是在這一點(diǎn)上 - 從概念證明到生產(chǎn)軟件開(kāi)發(fā)的過(guò)渡 - 項(xiàng)目通常會(huì)遇到大麻煩。當(dāng)我們第一次與數(shù)據(jù)科學(xué)團(tuán)隊(duì)會(huì)面時(shí)，他們的預(yù)算往往在減少，他們的交付截止日期迫在眉睫，他們的模型仍然表現(xiàn)不佳。

聽(tīng)起來(lái)有點(diǎn)熟?以下指南可能有助于您的組織按時(shí)將其AI模型投入生產(chǎn)，而不會(huì)超出您的預(yù)算。

1.)不要用新手工作任務(wù)你的團(tuán)隊(duì)

新雇用的企業(yè)數(shù)據(jù)科學(xué)家始終確信組織擁有構(gòu)建和測(cè)試AI系統(tǒng)所需的所有源數(shù)據(jù)?？茖W(xué)家沒(méi)有被告知的是數(shù)據(jù)無(wú)法使用。這些星光熠熠的，非常昂貴的數(shù)據(jù)科學(xué)家不是將人工智能帶到迫在眉睫的公共或公司問(wèn)題上，而是發(fā)現(xiàn)自己正在清理，組織和規(guī)范大量的原始數(shù)據(jù)。

這些類(lèi)型的數(shù)據(jù)準(zhǔn)備任務(wù)在每個(gè)人推薦的外包AI活動(dòng)列表中都很重要。讓您的數(shù)據(jù)團(tuán)隊(duì)專(zhuān)注于顛覆性和創(chuàng)新性工作。

2.)與時(shí)俱進(jìn);獲得敏捷

企業(yè)軟件開(kāi)發(fā)團(tuán)隊(duì)很久以前就了解到，敏捷開(kāi)發(fā)方法可以生成更好的軟件，并且比傳統(tǒng)的瀑布式方法更快。

瀑布方法將一個(gè)復(fù)雜的大型軟件系統(tǒng)視為一個(gè)整體，它必須在許多開(kāi)發(fā)階段的每個(gè)階段通過(guò)集合才能移動(dòng)到下一個(gè)階段?，F(xiàn)代敏捷方法將復(fù)雜的系統(tǒng)分解為更小的離散部分，每個(gè)部分都可以獨(dú)立地進(jìn)行規(guī)劃，編碼和測(cè)試階段。敏捷方法可以更早地發(fā)現(xiàn)項(xiàng)目中的問(wèn)題，從而節(jié)省時(shí)間和金錢(qián)。

3.)不要低估培訓(xùn)數(shù)據(jù)的挑戰(zhàn)

憑借其背后的概念證明，數(shù)據(jù)科學(xué)團(tuán)隊(duì)開(kāi)始構(gòu)建和訓(xùn)練他們的算法的實(shí)際工作。他們中很少有人為訓(xùn)練數(shù)據(jù)任務(wù)的規(guī)模做好準(zhǔn)備。對(duì)于項(xiàng)目概念驗(yàn)證階段所需的培訓(xùn)數(shù)據(jù)，他們面對(duì)100倍甚至1000倍的跳躍并不罕見(jiàn)。

數(shù)據(jù)科學(xué)家非常了解他們需要多少數(shù)據(jù)。這是他們培訓(xùn)的一部分。在他們掌握AI項(xiàng)目之前他們沒(méi)有掌握的是準(zhǔn)備大量培訓(xùn)數(shù)據(jù)所需的努力范圍。

結(jié)果是數(shù)據(jù)科學(xué)家陷入了看似無(wú)窮無(wú)盡的標(biāo)簽和日夜詮釋數(shù)據(jù)的困境，同時(shí)對(duì)最終目標(biāo)幾乎沒(méi)有取得可衡量的進(jìn)展。

培訓(xùn)數(shù)據(jù)準(zhǔn)備是另一項(xiàng)經(jīng)常外包的活動(dòng)，因?yàn)樗枰蠖鄶?shù)數(shù)據(jù)科學(xué)團(tuán)隊(duì)所缺乏的技術(shù)，勞動(dòng)力和項(xiàng)目技能。但是，如果您計(jì)劃在內(nèi)部執(zhí)行此任務(wù)，請(qǐng)確保引入培訓(xùn)數(shù)據(jù)所需的所有資源。如果您不確定需要多少數(shù)據(jù)，請(qǐng)將項(xiàng)目的這個(gè)區(qū)域外包以保護(hù)您的預(yù)算和團(tuán)隊(duì)。

最后，即使在部署之后，模型訓(xùn)練也不會(huì)停止。因此，您的培訓(xùn)設(shè)備 - 無(wú)論是內(nèi)部還是外包 - 必須保持不變。要知道，一旦您的模型達(dá)到適當(dāng)?shù)闹眯潘?，您的工作仍然不完整?/p>

公司可以通過(guò)使用敏捷方法為數(shù)據(jù)科學(xué)團(tuán)隊(duì)設(shè)定明確的期望和責(zé)任，并為培訓(xùn)數(shù)據(jù)集的挑戰(zhàn)做好準(zhǔn)備，從而更快地在預(yù)算內(nèi)實(shí)現(xiàn)人工智能和機(jī)器學(xué)習(xí)模型的生產(chǎn)。如果實(shí)施AI的公司的比率繼續(xù)飆升，那么將模型提升到適當(dāng)?shù)闹眯潘剿枰默F(xiàn)實(shí)觀點(diǎn)將至關(guān)重要。不要成為浪費(fèi)時(shí)間和預(yù)算不足的受害者。

Don Roedner是Alegion的營(yíng)銷(xiāo)主管，Alegion是一個(gè)人工智能(AI)和機(jī)器學(xué)習(xí)計(jì)劃的培訓(xùn)數(shù)據(jù)平臺(tái)。Don擁有超過(guò)25年的B2B軟件公司作為營(yíng)銷(xiāo)人員的經(jīng)驗(yàn)，之前擔(dān)任過(guò)各種技術(shù)職務(wù)。