Кога произведувате вештачка интелигенција, има бројни предизвици со кои можете да се соочите, како што се како да го примените вашиот модел со вештачка интелигенција на процес или луѓе, стабилизирање на податоците и моделите, како да го одржите вашиот модел прецизен во променливите средини и со текот на времето, скалирање и како да растете. или да ги зголемите можностите на вашиот модел со вештачка интелигенција.
Вградување на вештачката интелигенција
Успешното машинско учење Proof of Concept (PoC) со нов алгоритам е само 10% од напорот потребен за да се произведе и да се добие вистинска вредност од него. Останатите 90% може да се поделат на работи што треба да ги направите за да направите употреблив производ и работи што треба да ги направите за да направите корисен производ.
За да направите употреблив производ, треба да ја зумирате техничката имплементација за да го направите производот достапен за вашите корисници. За да биде корисен, треба да погледнете како да го вградите производот во процес за корисниците. Прво, сепак, која е точно разликата помеѓу PoC и употребливиот производ?
Како прво, PoCs не се наменети за производство. Производите треба да работат постојано, во секое време и под променливи околности. За време на вашиот PoC, ги наоѓате податоците што ги барате, правите копија и почнувате да ги чистите и анализирате. Во производството, вашиот извор на податоци треба да биде поврзан со платформа за податоци во реално време, безбедно и безбедно; протокот на податоци треба да се манипулира автоматски и да се споредува со/комбинира со други извори на податоци.
За време на вашиот PoC, вие или го имате луксузот да можете да разговарате со вашите идни корисници и да работите со нив за да дизајнирате решение, или воопшто немате корисници, а дизајнирате техничко решение. За производ, имате корисници кои треба да го разберат тоа решение и луѓе одговорни за одржување на техничкото решение. Така, производот бара обука, ЧПП и/или линии за поддршка за да може да се користи. Понатаму, вие само креирате нова верзија за вашиот случај за една употреба во PoC. Производите бараат ажурирања и кога ќе го претставите вашиот производ за повеќе клиенти, потребен ви е начин да го тестирате и распоредите вашиот код за производство (CI/CD цевководи).
„Во Itility, ги развивме нашата Itility Data Factory и AI Factory кои ги покриваат градежните блокови и основната платформа за кој било од нашите проекти. Ова значи дека го имаме употребливиот агол покриен од самиот почеток, за да можеме да се фокусираме на корисниот агол (кој е повеќе зависен од клиентите и случаите на употреба)“, изјавија од компанијата.
Апликација за откривање штетници - од PoC до употреблив производ
„Фазата доказ за концепт на нашата апликација за откривање штетници се состоеше од модел кој може да ја изврши тесната задача за класификација и броење муви на стапица за лепак врз основа на слики направени од членовите на тимот на стаклена градина. Во случај да пропуштиле слика или ако нешто тргнало наопаку, би можеле да се вратат назад и да земат друга, или директно да ја поправат во контролната табла. Потребни беа доста рачни проверки.
„Нашиот PoC-свет беше едноставен, базиран на еден уред, еден корисник и еден единствен клиент. Меѓутоа, за да го направиме употреблив производ, требаше да зголемиме и поддржиме повеќе клиенти. Потоа, се поставува прашањето како да се чуваат податоците одвоени и безбедни. Покрај тоа, секој поединечен клиент/машина бара поставување и стандардна конфигурација. Значи, како да конфигурирате/поставите 20 нови клиенти? Како да знаете кога да изградите административен интерфејс и да го автоматизирате вклучувањето? Кај 2 клиенти, 20 или 200?“
Се разбира, можеби имате прашања, како на пример „како броењето муви му помага на мојот клиент? Како да се создаде вредност од овие информации? Како да препорачате одлуки и да преземете акција? Како оваа апликација за вештачка интелигенција се вклопува во деловниот процес?'. Првиот чекор е да ја промените вашата референтна рамка од техничка/податочна перспектива на перспектива на крајниот корисник. Ова значи да го продолжите разговорот со вашиот клиент и да видите како докажаниот PoC се вклопува во секојдневните процеси.
„Исто така, треба внимателно да го следите процесот подолг временски период, треба да се приклучите на оперативните и тактички состаноци за навистина да разберете какви активности се преземаат секој ден врз основа на кои информации, колку време се троши за да се направи што и резонирањето. зад одредени дејствија. Без да разберете како информациите од вашиот модел се користат за создавање деловна вредност, нема да дојдете до корисен производ.
„Во нашиот случај, откривме кои информации се користени за донесување одлуки. На пример, откривме дека за некои штетници е поважно да се следи неделниот тренд (за кој не ви требаат супер високи прецизности), додека други бараат акција при првиот знак на штетници (што значи дека е подобро да се има двојка на лажни позитиви отколку да има дури и еден лажно негативен).
„Дополнително, откривме дека нашиот клиент претходно имал „лошо“ искуство со слична алатка, тврдејќи дека има точности што не може да ги испорача во пракса. Зошто би им верувале на нашите? Овој проблем со довербата го сфативме директно и ги направивме точноста и транспарентноста клучна карактеристика на производот. Ги искористивме овие информации за да го направиме нашиот производ корисен со прилагодување на апликацијата на работните методи на крајниот корисник и со зголемување на транспарентноста во интеракцијата, давајќи му на корисникот поголема контрола врз апликацијата“, продолжува компанијата.
Кој е најголемиот предизвик?
„Во нашето сценарио за броење муви, можеме да зборуваме за нашиот резултат за точност сè што сакаме. Меѓутоа, за да биде корисен, на корисникот (специјалист за стаклена градина) му требаат повеќе од проценти. Она што е потребно е да го доживеете и да научите да му верувате. Најлошото нешто што може да се случи е кога вашите корисници ќе ги споредат вашите резултати со нивните рачни резултати и има (големо) несовпаѓање. Вашиот углед е уништен и нема простор да ја вратите довербата. Ние се спротивставивме на ова со додавање софтвер на производот што го поттикнува корисникот да ги бара тие несогласувања и да ги исправи.
„Нашиот пристап е да го направиме корисникот дел од решението за вештачка интелигенција наместо да го претставиме како систем што ќе го замени специјалистот. Специјалистот го претвораме во оператор. Вештачката интелигенција ги зголемува нивните способности и специјалистите остануваат под контрола со континуирано подучување и насочување на вештачката интелигенција да дознае повеќе и да прави корекции кога околината или другите променливи се движат. Како оператор, специјалистот е составен дел од решението – подучување и обука на ВИ со конкретни активности.
Кликнете овде за да видите видео со повеќе детали за пристапот насочен кон операторот.