Moment, il y a beaucoup d'entrepreneurs avant-gardistes qu'ils veulent dans le domaine de l'intelligence artificielle, mais peu fournissent un aperçu complet sur cette question, et en prenant en compte certains des risques. En fait, avant d'entrer dans le projet AI, vous devez vous poser les questions suivantes à l'esprit. Ces réflexions peuvent réduire les risques, gagner du temps et de l'argent, et une partie de la mise en place et l'exploitation de projets d'intelligence artificielle plus en douceur.
1. Ciblé il?
Quelle que soit la capacité d'encodage ou d'analyse de données, le personnel de haut niveau joue un rôle clé dans la stratégie des projets d'intelligence artificielle. Que la société sera faite par une proposition de valeur différente de perturber son propre marché? Est-ce que la société de poursuivre le plus haut niveau? la société est peut-être de maintenir le niveau de l'Etat dans un marché concurrentiel? Cependant, je veux rattraper son retard pour devenir un leader?
Je commençais à voir une sorte de tendance.
Si l'équipe ne dispose pas des instructions, il sera à moi les données sans but, la recherche d'histoires. Si l'équipe est pas d'objectifs clairs et cohérents, ne fera que continuer à chasser une cible en mouvement, car les données continuent d'entrer, il peut risquer de réécrire l'histoire. Voilà pourquoi le développement du projet avant la stratégie de départ doit être suffisamment précis, mesurables, peut être réalisé, il y a une corrélation, et la limite de temps.
« D'autres personnes le font, » c'est une raison terrible d'entrer projet AI.
Source: pexels.com/@rawpixel
2. encore assez de données?
Tous les projets d'intelligence artificielle nécessitent de grandes quantités de données peuvent être: vulgaire de dire que, en l'absence de l'algorithme profonde compréhension du passé est impossible de comprendre le présent et l'avenir. En raison de grands changements, nous ne pouvons pas donner un nombre précis de points de données. Mais pour moins de 800 clients mis en place bientôt et des entreprises en démarrage, les gens, et évidemment ne pas les ressources nécessaires pour commencer projet d'intelligence artificielle.
S'il n'y a pas suffisamment de données ou les données doivent être collectées à l'intérieur, mais cela peut prendre beaucoup de temps (comme les événements majeurs de restructuration), ou sources externes de données recueillies par (par exemple, des parapluies de prévision de la demande d'utiliser les données météo gratuite). Cependant, il est important, les données uniques sont précieuses solutions d'intelligence artificielle, plutôt que la modélisation sophistiquée.
3. Les jeux de données ont tort?
En venant en est sorti des ordures est des ordures.
Tout bon chef de données pensé: Il devrait ressembler à un produit physique, comme regard sur les données de la qualité des produits doivent être vérifiés avant et après la production du produit. Par exemple, seulement la moitié de la détérioration ou de bacon tomates, et il ne peut pas être produit du jambon, de la laitue et la tomate sandwich. Si l'algorithme données manquantes ou erronées, vous ne pouvez pas exécuter l'algorithme pour prédire les résultats peu fiables.
En fait, lorsque vous créez l'algorithme, 80% des travaux impliqués dans l'extraction de données, le nettoyage des données, des données et de remplissage des spécifications de données, qui peuvent être simples pour éviter les erreurs systématiques.
Même si ......
4. Collecte de données est un salaud il?
Amazon, vous allez à nouveau? Quelle est la probabilité est-il? !
Dans le cas de sans surveillance, l'algorithme peut être développé systématiquement des décisions injustes, même de comprendre les raisons, ce qui rend l'algorithme des questions plus éthiques que jamais. Par conséquent, l'équipe doit veiller à ce que l'impact de l'algorithme pestiférée (pas d'impact) pour donner à l'humanité ne sera pas systématiquement biaisé. Cela peut se faire en examinant deux choses: la cartographie des données que la réalité, et ne reflète pas la réalité de l'existence d'un préjudice.
Plus facile à dire qu'à faire difficile.
Embaucher des employés divers peuvent trouver des cartes liées à l'origine sociale, mais compte tenu de la structure actuelle des sujets STEM (science, technologie, ingénierie et mathématiques), ce qui est difficile à réaliser. Alternativement, vous pouvez louer un « détective de parti pris », cette licorne rare à la fois la bonne science des données et des sciences humaines de savoir, de trouver les inconnues inconnues dans la boîte noire, qui est l'intelligence artificielle de quelque chose peut créer.
5. faire ce projet avec quelqu'un?
Talent dans le domaine de l'intelligence artificielle est très rare, et que la technologie monopole géant. Selon les derniers rapports, à l'heure actuelle, le monde est seulement 22000 experts au niveau de doctorat pour développer l'algorithme de pointe. Les grandes entreprises technologiques ont pas travaillé le talent de location est cher, très cher.
Cependant, cela ne devrait pas devenir un obstacle à l'équipe très entrepreneuriale pour créer de belles choses. Comme mentionné ci-dessus, une bonne intelligence artificielle est plus sur un ensemble de données uniques au lieu d'un algorithme unique. Maintenant, les analystes de données, les développeurs et les partenaires peuvent utiliser beaucoup d'auto-apprentissage de la bibliothèque de base de la connaissance ouverte, et vous pouvez bientôt atteindre un certain succès, de convaincre le patron de recrutement fou (conseils de tensorflow début).
Au cours des prochaines années, il est probable que tout le monde comprendra quelques-unes des données scientifiques, ou parce que ce sera un grand nombre d'employés ont une compétence collective (par exemple, savoir comment utiliser Office est une compétence nécessaire).
6. La nécessité de changer la hiérarchie de celui-ci?
Même si une entreprise a des dizaines de propriétaires de processus d'affaires talentueux (généralement indésirables, mais cruciaux), les développeurs, les scientifiques de données et d'experts au niveau de doctorat, mais sera très difficile si le manque de coopération entre eux, veulent réaliser un projet.
Tout d'abord, si les gens ne se concentrent pas, la satisfaction au travail des employés sera faible, car il avait le même but de personnes travaillant ensemble peuvent rendre les gens plus motivés. En second lieu, les données scientifiques nécessaires communications d'affaires de données statistiques météo, l'informatique et du monde des affaires, de sorte que ces besoin d'espace ouvert. Troisièmement, si tous ces employés talentueux ont joué pour un propriétaire différent, alors il est probable une cible différente, une mauvaise compréhension et de la politique de bureau.
IT combats internes et les combats ne conduire à des inefficiences au sein de l'entreprise.
La clé est de la gestion du changement.
7. Les employés deviendront luddites ne (crainte du chômage contre la population de la machine)?
Tout le monde a entendu l'automatisation de la machine et la redondance histoire du travail, et la plupart de ces histoires sont vraies. Une fois que l'intelligence artificielle, a annoncé le projet, ce qui peut signifier qu'il ya un certain degré d'organisation craint l'intérieur. « Ce travail va le remplacer? » « Dois-je suivre une formation complémentaire ou mis à pied? » « Avant de prendre une décision de remplacer ou non le ministère à un autre ?. »
Peu de gens ont reçu le changement de bienvenue, cela doit être réalisé par le haut vers le bas et la consultation de l'éducation ascendante, ce qui peut prendre du temps, mais il est nécessaire.
Le soutien aux parties à s'organiser est cruciale pour le succès du projet.
En plus du soutien interne occasionnelle, il doit y avoir une culture d'entreprise complète, pas seulement un caprice de la science des données.
Source: pexels.com/@rawpixel
8. Il y a la structure organisationnelle raisonnable, il?
Pour l'organisation de ce problème, vous pouvez faire beaucoup de métaphore, comme iceberg, le football, les ingénieurs civils italiens, les économistes et les sociologues ...... ici ou jambon utilisation, la laitue et la tomate en sandwich cette analogie: dans le quand les tomates, la laitue et du bacon au milieu de ces deux morceaux de pain, qui est comme être dans un pays avec des centaines d'employés, le processus prend quelques heures de temps de développement. La science des données et à peu près la même cette analogie:
travail des algorithmes moins de 10%.
En fait, l'écosystème où l'algorithme repose sur une collecte de données, la validation des données, la gestion workflow, l'infrastructure de service ......
Mais cela fait partie seulement de ce grand écosystème, ce système comprend: API (interface de programmation d'application), le stockage de données, des solutions DataViz, la surveillance des processus, la sécurité du réseau ......
Si un tel cadre au sein de l'organisation n'existe pas, il n'a pas d'importance, il est plus facile de commencer à partir de zéro. Cependant, s'il y a l'infrastructure existante, vous devrez peut-être faire quelques sacrifices.
9. Il y a des obstacles réglementaires il?
À l'heure actuelle, partout dans le monde ont été des dizaines de discussions de haut niveau sur les questions de l'intelligence artificielle et les exigences réglementaires. falsification profondeur, la reconnaissance faciale, mode sombre, les armes autonomes de biais systémique, et aura ainsi un large impact, si elle est décochée, est susceptible de nuire à des millions de personnes. Bientôt, le niveau du gouvernement pour répondre à ces questions atteindra des milliers de fois, et plus susceptibles d'adopter des lois pour assurer l'équité, la transparence et la sécurité de l'algorithme.
Il est également prévu.
Cependant, ce moyen libre de projets d'intelligence artificielle souvent inconnus dans le domaine juridique, et peuvent faire l'objet d'un examen complet de la loi dans un instant. Non seulement de revoir la législation en vigueur, mais aussi de comprendre les lois et règlements sont en cours d'élaboration, qui a fait l'objet de l'attention de la communauté des affaires, à l'avenir aussi bien.
10. ont assez de temps pour faire?
Recueillir les bonnes données, embaucher les bonnes personnes, les systèmes de recombinaison et les employés ont besoin de beaucoup de temps. Par conséquent, une des sociétés délabrées veulent transition vers l'intelligence artificielle de sauver l'entreprise elle-même, cette approche est très stupide.
En effet, si une entreprise est en temps sensible à la crise, l'intelligence artificielle de ne peut pas être la solution.
Cela indique que: lors de l'élaboration des stratégies pour éviter la pensée réactionnaire est nécessaire, parce que cette approche devrait permettre à l'entreprise de survivre dans son mémoire pour inverser la situation.
Revenons donc à des domaines stratégiques, complétant ainsi le cycle.
pouces Message attention
Ensemble, nous partageons l'apprentissage et le développement de l'IA sec
Amnesty International salue l'attention de la pendaison toute la plate-forme de la classe médiatique « lecture technique de base »
