人工智能技术离不开“大家”的努力

一些人工智能试点项目在实验室中工作良好，但在现实世界中却表现不佳，因为现实世界要复杂得多且随机得多。同样，一个成功的用例并不能保证人工智能应用于另一种用例时也会表现良好。

人工智能开发商BeyondMinds公司首席执行官Rotem Alaluf说：“现实世界中的人工智能与实验室中的人工智能并不完全相同，其解决方案应该更加完整、稳定以及适应性强。这就像专业选手和业余选手的区别一样。虽然采用的是相同的游戏规则，但是反应和适应意外的技能和能力不同。我们需要了解实验室人工智能技术的局限性，了解在现实世界中如何从中创造价值，并在企业中以可扩展的方式使用。”

人工智能获得成功需要团队的努力

人工智能技术总是离不开数据科学家的参与。人工智能项目实际上是一项团队活动，它需要获得企业管理人员的支持和跨职能业务部门的协作。

Betsy说：“让相关的业务和产品决策者、数据所有者和经理、工程团队和数据科学家协同工作是至关重要的。如果缺少一些利益相关者的支持，成功的可能性就很小。在大型企业中，尤其是那些业务职能分工分明的企业，建立所需的跨职能团队可能很困难。企业需要确保在每个区域的报告链中都得到支持。”

例如，如果数据科学团队与领导人工智能计划的产品团队位于企业的不同部门，那么明智的做法是获得管理数据科学家的管理者的支持，以避免优先排序或资源冲突。

使人工智能计划与产品路线图保持一致

全球专业信息、软件解决方案和服务提供商Wolters Kluwer公司数据科学总监John Langton指出，人工智能计划本身并不是人工智能战略。企业的管理人员必须明白，人工智能不是一种产品，而是新产品的推动者。然而，产品经理往往不能很好地理解这些。

Langton说，“一个成功的人工智能计划需要以产品开发团队、企业管理者和技术领导者之间不断进行的对话为中心，以开发功能完善的人工智能工具。优秀的数据科学家可以向产品团队提供技术方面的可行性，而产品团队可以将市场推向市场和客户专业知识来确保解决实际问题。这还使两个团队都能将人工智能检查点纳入产品路线图中，而不必将其视为一个单独的研发产品。数据科学家和产品团队紧密配合，可以使企业对人工智能应用的结果设定期望。”

监测漂移模型

随着新数据的大量出现，人工智能的模型往往会漂移，随着时间的推移变得越来越不准确，因此它们可能需要调整或重新训练。

网络服务和网络安全解决方案提供商Juniper Networks公司人工智能驱动业务副总裁兼首席技术官Bob Friday说：“要构建成功的人工智能计划，IT团队必须接受人工智能模型的动态特性，并投入时间和精力对其进行训练，就像经验丰富的员工必须培训新员工一样。在这一过程中，企业必须拥有经验丰富的技术团队，以分析人工智能模型的性能和提供的结果。通过提供持续的反馈，人工智能模型将调整它们的逻辑，进而更准确、更有效地解决问题。”

（编辑：开发网_开封站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!