Gamindami dirbtinį intelektą, galite susidurti su daugybe iššūkių, pvz., kaip pritaikyti dirbtinio intelekto modelį procesui ar žmonėms, stabilizuoti duomenis ir modelius, užtikrinti, kad modelis būtų tikslus besikeičiančioje aplinkoje ir laikui bėgant, mastelio keitimas ir kaip augti. arba padidinkite savo AI modelio galimybes.
AI įterpimas
Sėkmingo mašininio mokymosi koncepcijos įrodymo (PoC) vykdymas naudojant naują algoritmą yra tik 10 % pastangų, reikalingų norint jį produktyviai sukurti ir iš jo gauti tikrąją vertę. Likusius 90% galima suskirstyti į dalykus, kuriuos turite padaryti, kad pagamintumėte tinkamą produktą, ir į dalykus, kuriuos turite padaryti, kad pagamintumėte naudingą produktą.
Kad gaminys būtų tinkamas naudoti, turite priartėti prie techninio įgyvendinimo, kad produktas būtų prieinamas jūsų vartotojams. Kad jis būtų naudingas, turėtumėte pažvelgti į produkto įtraukimą į naudotojams skirtą procesą. Tačiau pirmiausia, kuo tiksliai skiriasi PoC ir tinkamas naudoti produktas?
Visų pirma, PoC nėra skirti gamybai. Produktai turi veikti visą laiką, bet kuriuo metu ir besikeičiančiomis aplinkybėmis. PoC metu surandate ieškomus duomenis, padarote kopiją ir pradedate juos išvalyti bei analizuoti. Gamyboje jūsų duomenų šaltinis turi būti prijungtas prie duomenų platformos realiuoju laiku, saugiai ir saugiai; duomenų srautas turi būti automatiškai valdomas ir lyginamas su kitais duomenų šaltiniais / su jais.
Savo PoC metu jūs arba turite prabangą kalbėtis su būsimais vartotojais ir dirbti su jais kurdami sprendimą, arba apskritai neturite vartotojų ir kuriate techninį sprendimą. Produkto naudotojai turi suprasti tą sprendimą ir žmones, atsakingus už techninio sprendimo palaikymą. Taigi, kad produktas būtų tinkamas naudoti, jį reikia apmokyti, DUK ir (arba) pagalbos linijų. Be to, jūs tiesiog sukuriate naują versiją savo vieno naudojimo atvejui PoC. Produktus reikia atnaujinti, o kai išleidote produktą keliems klientams, jums reikia būdo išbandyti ir įdiegti savo kodą gamybai (CI / CD konvejeriai).
„Itility“ sukūrėme „Itility Data Factory“ ir „AI Factory“, kurios apima bet kurio mūsų projekto blokus ir pagrindinę platformą. Tai reiškia, kad naudojamą kampą turime padengti nuo pat pradžių, kad galėtume sutelkti dėmesį į naudingą kampą (kuris labiau priklauso nuo kliento ir naudojimo atvejo)“, – teigė bendrovė.
Kenkėjų aptikimo programa – nuo PoC iki tinkamo produkto
„Mūsų kenkėjų aptikimo programos koncepcijos įrodymo fazė susideda iš modelio, kuris gali atlikti siaurą užduotį – klasifikuoti ir skaičiuoti muses klijų gaudyklėje pagal šiltnamių komandos narių nuotraukas. Jei jie praleido nuotrauką arba kažkas nutiko, jie gali grįžti ir padaryti kitą arba tiesiogiai ją pataisyti prietaisų skydelyje. Reikėjo nemažai tikrinti rankiniu būdu.
„Mūsų PoC pasaulis buvo paprastas, pagrįstas vienu įrenginiu, vienu vartotoju ir vienu klientu. Tačiau, kad jis taptų tinkamu produktu, turėjome išplėsti ir palaikyti kelis klientus. Tada iškyla klausimas, kaip išlaikyti duomenis atskirtus ir saugius. Be to, kiekvienam klientui / mašinai reikia sąrankos ir numatytosios konfigūracijos. Taigi, kaip sukonfigūruoti / nustatyti 20 naujų klientų? Kaip žinoti, kada sukurti administratoriaus sąsają ir automatizuoti prisijungimą? Pas 2 klientus, 20 ar 200?
Žinoma, jums gali kilti klausimų, pavyzdžiui, „kaip musių skaičiavimas padeda mano klientui? Kaip iš šios informacijos sukurti vertę? Kaip rekomenduoti sprendimus ir imtis veiksmų? Kaip ši AI programa dera verslo procese?“. Pirmas žingsnis – pakeisti atskaitos sistemą iš techninės / duomenų perspektyvos į galutinio vartotojo perspektyvą. Tai reiškia, kad reikia tęsti pokalbį su savo klientu ir pamatyti, kaip patikrintas PoC tinka kasdieniams procesams.
„Taip pat reikia įdėmiai sekti procesą ilgesnį laiką, reikia jungtis į operatyvinius ir taktinius pasitarimus, kad iš tikrųjų suprastum, kokie veiksmai remiantis kokia informacija atliekami kiekvieną dieną, kiek laiko sugaištama ką daryti, argumentuotai. už tam tikrų veiksmų. Nesuprasdami, kaip informacija iš jūsų modelio naudojama kuriant verslo vertę, nepasieksite naudingo produkto.
„Mūsų atveju išsiaiškinome, kokia informacija buvo naudojama priimant sprendimus. Pavyzdžiui, išsiaiškinome, kad kai kuriems kenkėjams svarbiau sekti savaitės tendenciją (kurioms nereikia itin didelio tikslumo), o kitiems reikia imtis veiksmų, kai atsiranda pirmasis kenkėjo požymis (tai reiškia, kad geriau turėti porą). klaidingų teigiamų rezultatų, nei turėti nors vieną klaidingą neigiamą).
„Be to, mes išsiaiškinome, kad mūsų klientas anksčiau turėjo „blogos“ patirties su panašiu įrankiu, tvirtindamas, kad jo tikslumas negalėjo pasiekti praktiškai. Kodėl jie turėtų pasitikėti mūsiškiais? Šią pasitikėjimo problemą išsprendėme tiesiogiai ir pagrindine produkto savybe pavertėme tikslumą ir skaidrumą. Šią informaciją panaudojome siekdami, kad mūsų produktas būtų naudingas, pritaikant aplikaciją prie galutinio vartotojo darbo metodų, bei padidinant sąveikos skaidrumą, suteikiant vartotojui daugiau galimybių valdyti programą“, – tęsia bendrovė.
Koks didžiausias iššūkis?
„Savo musių skaičiavimo scenarijuje galime kalbėti apie savo tikslumo balą tiek, kiek norime. Tačiau, kad būtų naudingas, vartotojui (šiltnamių specialistui) reikia daugiau nei procentų. Reikia tai patirti ir išmokti tuo pasitikėti. Blogiausia, kas gali nutikti, kai naudotojai palygina jūsų rezultatus su savo neautomatiniais rezultatais ir atsiranda (didelis) neatitikimas. Jūsų reputacija sugriauta ir nėra kur atgauti pasitikėjimo. Priešingai, į produktą įtraukėme programinę įrangą, kuri skatina vartotoją ieškoti tų neatitikimų ir juos ištaisyti.
„Todėl mūsų požiūris yra padaryti vartotoją AI sprendimo dalimi, o ne pristatyti jį kaip sistemą, kuri pakeis specialistą. Specialistą paverčiame operatoriumi. Dirbtinis intelektas plečia savo gebėjimus, o specialistai ir toliau kontroliuoja, nuolat mokydami ir nukreipdami dirbtinį intelektą, kad jis išmoktų daugiau ir pataisytų, kai aplinka ar kiti kintamieji kinta. Specialistas, kaip operatorius, yra neatsiejama sprendimo dalis – dirbtinio intelekto mokymas ir mokymas konkrečiais veiksmais.
Spauskite čia norėdami pamatyti vaizdo įrašą, kuriame pateikiama daugiau informacijos apie į operatorių orientuotą metodą.