人工智能技術(shù)已經(jīng)應(yīng)用在企業(yè)的業(yè)務(wù)中,并且已從夢(mèng)想變成現(xiàn)實(shí)。實(shí)際上,根據(jù)O'Reilly公司最近的一項(xiàng)調(diào)查,大多數(shù)組織(85%)正在采用或評(píng)估人工智能,超過(guò)一半的組織在生產(chǎn)或分析中使用人工智能。
然而,人工智能不能很好地適應(yīng)IT過(guò)去使用的相同流程和方法。雖然這些努力迅速擴(kuò)大,但仍處于初期階段。成長(zhǎng)的痛苦已經(jīng)變得顯而易見(jiàn)。O’Reilly公司分析師指出:“企業(yè)需要做更多的工作,才能將人工智能的工作扎根。無(wú)論是控制常見(jiàn)的風(fēng)險(xiǎn)因素(模型開(kāi)發(fā)中的偏差、缺失或條件差的數(shù)據(jù)、模型在生產(chǎn)中退化的趨勢(shì)),還是實(shí)例化正式流程以促進(jìn)數(shù)據(jù)治理,采用者在建立可靠的人工智能生產(chǎn)線時(shí),都需要為這些做好準(zhǔn)備。”
人工智能無(wú)法完全適應(yīng)IT組織過(guò)去使用的相同流程和方法。適用于評(píng)估、測(cè)試、實(shí)施和擴(kuò)展非學(xué)習(xí)系統(tǒng)的最佳實(shí)踐和常識(shí)性方法可能并不總能很好地進(jìn)行轉(zhuǎn)化。在某些情況下,它們可能適得其反。
以下是有助于企業(yè)采用人工智能技術(shù)的8個(gè)提示:
1.放慢速度
某些企業(yè)急于讓其業(yè)務(wù)采用人工智能技術(shù),如果不加以控制,可能面臨風(fēng)險(xiǎn)。Cognizant公司數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)和人工智能副總裁Jerry A.Smith博士說(shuō),“現(xiàn)代人工智能的智商很高,但情商很低。需要這二者的結(jié)合才能獲得真正的智慧。如果企業(yè)獲取數(shù)據(jù)并使用人工智能進(jìn)行分析,并在沒(méi)有情感的情況下從中學(xué)習(xí)并大規(guī)模地進(jìn)行處理,則可能讓事情越來(lái)越糟糕。”
Smith表示,IT領(lǐng)導(dǎo)者應(yīng)該花費(fèi)一些時(shí)間來(lái)確保他們盡早就如何使用人工智能進(jìn)行討論。
企業(yè)高管通常對(duì)人工智能為業(yè)務(wù)提供幫助給予很大期望。但歸根結(jié)底,如果他們沒(méi)有建立正確的框架和戰(zhàn)略,將會(huì)面臨失敗的結(jié)果。
2. 在關(guān)注工具之前先關(guān)注技能和文化
TIBCO公司分析策略副總裁Shawn Rogers表示:“技術(shù)通常是企業(yè)試圖進(jìn)行創(chuàng)新的起點(diǎn),這并不奇怪。但是,企業(yè)放棄文化方面的因素注定會(huì)失敗。需要新的技能來(lái)推動(dòng)人工智能的成功,同時(shí)也需要一種文化來(lái)促進(jìn)人工智能和機(jī)器學(xué)習(xí)技術(shù)的采用和行動(dòng)。成功需要平衡的戰(zhàn)略。”
3.計(jì)劃迭代
希望使用人工智能的企業(yè)需要從用例入手。但是,開(kāi)放數(shù)據(jù)湖提供商Qubole公司首席執(zhí)行官兼聯(lián)合創(chuàng)始人Ashish Suchoo指出,大多數(shù)人工智能和機(jī)器學(xué)習(xí)用例都是隨著時(shí)間的推移而不斷演變的。他說(shuō),“至關(guān)重要的是,企業(yè)必須投資于執(zhí)行連續(xù)數(shù)據(jù)工程的能力,并提供SQL和編程訪問(wèn)來(lái)訓(xùn)練和部署模型。”他是Apache Hive公司聯(lián)合創(chuàng)始人,并建立了Facebook數(shù)據(jù)平臺(tái)。
4. 采用DevOps還不夠
大多數(shù)創(chuàng)新的IT商店已經(jīng)采用DevOps。這對(duì)于采用人工智能技術(shù)是必需的措施,但還不夠。Fractal Analytics公司技術(shù)服務(wù)客戶合作伙伴George Mathew說(shuō),企業(yè)需要添加MLOps。他說(shuō):“這種集成需要在應(yīng)用程序生命周期的早期進(jìn)行計(jì)劃,并在隨后的各個(gè)階段中進(jìn)行。”
例如,企業(yè)需要考慮在生產(chǎn)中對(duì)人工智能模型進(jìn)行再培訓(xùn)。他解釋說(shuō),“這意味著必須建立一條額外的管道,將人工智能模型產(chǎn)生的洞察力(如預(yù)測(cè))與幾周或幾個(gè)月后從現(xiàn)場(chǎng)收集的實(shí)際數(shù)字進(jìn)行比較。”
5.擴(kuò)大規(guī)模
早期采用人工智能往往會(huì)使用一組定義的數(shù)據(jù)來(lái)利用一些模型。但是,這些努力可以迅速擴(kuò)展到難以管理的領(lǐng)域。TIBCO公司的Rogers說(shuō):“隨著成功率的不斷提高,為不斷發(fā)展的數(shù)據(jù)科學(xué)團(tuán)隊(duì)管理生產(chǎn)中的數(shù)百個(gè)模型和多個(gè)創(chuàng)作環(huán)境會(huì)帶來(lái)新的挑戰(zhàn),以適應(yīng)不斷增長(zhǎng)的需求。”
6.尋找并消除偏見(jiàn)
Cognizant公司的Smith說(shuō),“了解輸入和輸出之間的關(guān)系是人工智能的簡(jiǎn)單部分。很多企業(yè)向人工智能開(kāi)發(fā)團(tuán)隊(duì)施加壓力,要求尋找并消除偏見(jiàn)。例如,不希望有偏見(jiàn)的人工智能算法做出貸款決策。”
但是與此同時(shí),人類本身也可能有偏見(jiàn)。Smith說(shuō):“人們需要掌握其中的人類智能,并確保構(gòu)建人工智能系統(tǒng)的人員在建模中不會(huì)產(chǎn)生偏見(jiàn)。消除偏見(jiàn)無(wú)法在數(shù)據(jù)級(jí)別開(kāi)始或停止。”
7.不能只讓數(shù)據(jù)科學(xué)家負(fù)責(zé)
建立最有效的人工智能系統(tǒng)來(lái)增強(qiáng)人類。Smith說(shuō),“如果想要構(gòu)建一個(gè)系統(tǒng)來(lái)支持人類,那么它就必須以人為本。需要獲得心理學(xué)家(了解客戶行為的人)和社會(huì)學(xué)家(了解企業(yè)客戶如何與社會(huì)互動(dòng)的人)的幫助。人工智能太重要了,不能只讓數(shù)據(jù)科學(xué)家負(fù)責(zé)。”
8.更好地解釋人工智能
可解釋的人工智能(XAI)可以使人類能夠理解、信任和管理人工智能技術(shù),這變得越來(lái)越主流。因此,F(xiàn)ractal Analytics公司的Mathew說(shuō),一些IT組織將在監(jiān)管審核的接收端,詢問(wèn)人工智能模型訓(xùn)練運(yùn)行的詳細(xì)信息,例如使用了哪些數(shù)據(jù)集,如何評(píng)估算法,以及在每個(gè)階段生成了哪些模型度量。
Mathew說(shuō):“這些元素需要在模型在生產(chǎn)中運(yùn)行的整個(gè)時(shí)間段內(nèi)進(jìn)行收集和存儲(chǔ),對(duì)于某些用例而言,甚至超出范圍。解決方案架構(gòu)師需要準(zhǔn)備架構(gòu)來(lái)滿足這些要求,項(xiàng)目負(fù)責(zé)人必須在項(xiàng)目計(jì)劃中包括這些步驟和可交付成果,而構(gòu)建應(yīng)用程序的數(shù)據(jù)科學(xué)家和工程師必須使用此框架。”
企業(yè)在項(xiàng)目開(kāi)始時(shí)對(duì)這項(xiàng)工作進(jìn)行規(guī)劃,并在系統(tǒng)開(kāi)發(fā)生命周期內(nèi)提供必要的支持,這已經(jīng)成為人工智能應(yīng)用程序成功的一個(gè)關(guān)鍵因素。
版權(quán)聲明:本文為企業(yè)網(wǎng)D1Net編譯,轉(zhuǎn)載需注明出處為:企業(yè)網(wǎng)D1Net,如果不注明出處,企業(yè)網(wǎng)D1Net將保留追究其法律責(zé)任的權(quán)利。