稍微有點(diǎn)想法的公司不是已經(jīng)部署了AI項(xiàng)目就是在部署AI項(xiàng)目的路上。確實(shí)，在全面商業(yè)化的今天，這種激情促進(jìn)了人工智能的普及，也在一定程度上降低了企業(yè)的成本，提高效率。

尤其，有些自動(dòng)化工具的出現(xiàn)，例如谷歌的Auto系列，使得那些非技術(shù)專(zhuān)家也能采用AI的解決方案。

但是，在趕AI浪潮時(shí)髦之前，還是要問(wèn)問(wèn)自己以下三個(gè)問(wèn)題：

任務(wù)是否屬于數(shù)據(jù)驅(qū)動(dòng)型？

是否有足夠的數(shù)據(jù)來(lái)支持AI驅(qū)動(dòng)的解決方案？

是否了解AI的工作原理？

如果對(duì)于上面的三個(gè)問(wèn)題，沒(méi)辦法做到心中有數(shù)，那么就要掂量掂量所做的AI項(xiàng)目是否能夠成功。

如果你能夠?qū)@三個(gè)基本問(wèn)題說(shuō)YES，那么，恭喜你，你可以嘗試構(gòu)建AI解決方案了。

通常來(lái)說(shuō)，啟動(dòng)AI解決方案有三個(gè)基本選項(xiàng)可供參考：

用AI-aaS解決方案，例如Amazon AI（Rekognition），Google Cloud Vision或IBM Watson。它們提供一定的AI功能，主要通過(guò)API實(shí)現(xiàn)文本和圖像識(shí)別。

與第三方應(yīng)用的AI公司合作，這些公司專(zhuān)注于更廣泛，更個(gè)性化的垂直AI服務(wù)。

使用內(nèi)部團(tuán)隊(duì)和數(shù)據(jù)從頭開(kāi)始創(chuàng)建屬于自己的機(jī)器學(xué)習(xí)系統(tǒng)。這主要適用于跨國(guó)公司以及AI對(duì)其核心價(jià)值和收入至關(guān)重要的組織。

采用第二種方案是大多數(shù)企業(yè)的選擇，因?yàn)閷?duì)比收益和風(fēng)險(xiǎn)，第二種方案帶來(lái)的回報(bào)合算。第三種方案風(fēng)險(xiǎn)最大，當(dāng)然帶來(lái)的收益也是最大的，畢竟風(fēng)險(xiǎn)和收益成正比。

那么，如何正確認(rèn)識(shí)一個(gè)AI項(xiàng)目，如何為AI項(xiàng)目選擇最高效的解決方案，讀讀下面幾條經(jīng)驗(yàn)，相信你會(huì)找到答案。

不積跬步無(wú)以至千里

重整傳統(tǒng)業(yè)務(wù)流程徹底向AI轉(zhuǎn)型聽(tīng)起來(lái)確實(shí)很有魄力。但是，從概率上來(lái)講，這種方式失敗的概率也是最大的。

實(shí)際上，最明智的做法是從小項(xiàng)目中獲得經(jīng)驗(yàn)，然后厚積薄發(fā)，為更大，更復(fù)雜人工智能項(xiàng)目奠定堅(jiān)實(shí)的基礎(chǔ)。此外，強(qiáng)烈建議關(guān)注一些成功和成熟的項(xiàng)目，畢竟，他們大多數(shù)具有可靠的投資回報(bào)率。

盡量避免使用有過(guò)多變量和潛在結(jié)果的任務(wù)。在項(xiàng)目中，先把注意力集中在流程的一小部分，而不是整個(gè)流程。即使在今天，用單一的AI解決方案替換完整的流程仍然是非常困難的，更何況是設(shè)計(jì)一套這樣的系統(tǒng)。最好的辦法是采用化整為零：將完整的凌流程分解，然后逐個(gè)擊破。

此外，在開(kāi)展此任務(wù)的時(shí)候，要想想自動(dòng)化的任務(wù)是否允許重復(fù)以及容忍低成本的錯(cuò)誤。

明確自己想要的

每個(gè)人可以對(duì)同一問(wèn)題以及如何解決問(wèn)題有不同的看法。但是，缺乏明確的愿景可能會(huì)阻礙成果的充分實(shí)現(xiàn)。建議多花時(shí)間定義目標(biāo)。明確你想要實(shí)現(xiàn)什么以及為什么？

讓合適的人員參與過(guò)程的定義。這些人員必須是業(yè)務(wù)決策者和數(shù)據(jù)科學(xué)家之，因?yàn)橹挥兴麄儾拍苷嬲私鈽I(yè)務(wù)案例。

如果開(kāi)發(fā)人員不是機(jī)器學(xué)習(xí)專(zhuān)家，如果開(kāi)發(fā)人員和數(shù)據(jù)科學(xué)家之間存在差異。這時(shí)候作為企業(yè)的領(lǐng)導(dǎo)，就需要確保AI易于使用并有一套長(zhǎng)期解決方案。

機(jī)器學(xué)習(xí)可以用很多不同的方法來(lái)進(jìn)行，但是正確的解決方案將取決于對(duì)問(wèn)題的良好理解。如果缺乏必要的人力資源，強(qiáng)烈建議采用外包服務(wù)。實(shí)際上，確定不同過(guò)程需要什么樣的人工智能，以及這些過(guò)程是以?xún)?nèi)部，外包還是合作實(shí)施的方式實(shí)現(xiàn)，是制定戰(zhàn)略的重要一步。

如果在組織內(nèi)部開(kāi)發(fā)AI解決方案，不要忘記學(xué)習(xí)曲線(xiàn)的陡峭性，因?yàn)閷?shí)施方案所需資源的成本可能非常高。例如，一個(gè)簡(jiǎn)單的識(shí)別模型解決方案的開(kāi)發(fā)成本可能非常高。但是在市場(chǎng)上，這些方案依賴(lài)于現(xiàn)有軟件服務(wù)或平臺(tái)。

技術(shù)團(tuán)隊(duì)非常重要

如果外包AI解決方案的開(kāi)發(fā)，那么讓技術(shù)和業(yè)務(wù)專(zhuān)家參與開(kāi)發(fā)過(guò)程是明智之舉。此外，數(shù)據(jù)科學(xué)家，數(shù)據(jù)工程師和操作系統(tǒng)工程師需要團(tuán)結(jié)一致，因?yàn)樗麄兡軌蛱峁┏浞值募夹g(shù)環(huán)境，幫助你完美使用解決方案。

此外，AI解決方案必須具有內(nèi)置的反饋循環(huán)機(jī)制，以便可以糾正AI的預(yù)測(cè)和輸出。

最后，構(gòu)建的AI工具交互界面，必須易于使用，可擴(kuò)展且安全。

AI項(xiàng)目失敗的經(jīng)驗(yàn)教訓(xùn)

根據(jù)我的經(jīng)驗(yàn)，大多數(shù)AI項(xiàng)目出問(wèn)題都因?yàn)橐韵乱蛩卦斐傻模?/p>

在大多數(shù)人工智能項(xiàng)目中，公司傾向于忽視“人”的因素。事實(shí)上，人工智能不只是關(guān)于框架，數(shù)據(jù)和算法，它也與人有關(guān)。行政領(lǐng)導(dǎo)的支持以及關(guān)鍵AI崗位的合適人才非常重要。在開(kāi)發(fā)方面，可以利用人力和機(jī)器智能來(lái)創(chuàng)建機(jī)器學(xué)習(xí)模型。讓人類(lèi)直接參與訓(xùn)練，調(diào)整和測(cè)試特定ML算法的數(shù)據(jù)能夠培養(yǎng)“AI直覺(jué)”。

值得注意的是，成功的項(xiàng)目總有一個(gè)共同點(diǎn)，即新的AI部署始終在一小組員工中進(jìn)行測(cè)試，因?yàn)樗麄兲峁┯嘘P(guān)系統(tǒng)界面的真實(shí)反饋。

數(shù)據(jù)問(wèn)題

大多數(shù)項(xiàng)目都基于機(jī)器學(xué)習(xí)，因此大量的數(shù)據(jù)是必須的。通過(guò)足夠的數(shù)據(jù)，就可以利用模型來(lái)預(yù)測(cè)未來(lái)的決策，而這正是公司所尋求的。

在開(kāi)始人工智能之旅之前，必須確保所有操作系統(tǒng)中的數(shù)據(jù)都流水線(xiàn)化并存儲(chǔ)在大數(shù)據(jù)存儲(chǔ)系統(tǒng)中，方便供AI解決方案使用。

需要多少數(shù)據(jù)？這取決于數(shù)據(jù)的質(zhì)量以及項(xiàng)目的實(shí)際情況。如果沒(méi)有足夠的標(biāo)簽數(shù)據(jù)，就需要開(kāi)始以結(jié)構(gòu)化的方式收集因素和決策，以便可以在不久的將來(lái)將它用于AI平臺(tái)。

另一個(gè)問(wèn)題可能是數(shù)據(jù)集。

擁有正確的數(shù)據(jù)集至關(guān)重要。但是，數(shù)據(jù)集的大小不是真正的問(wèn)題，范圍才是。AI的挑戰(zhàn)不在于實(shí)施，最重要的問(wèn)題是如何訓(xùn)練AI？這就是為什么需要花時(shí)間確保數(shù)據(jù)與AI解決方案兼容的原因。

此外，投資AI轉(zhuǎn)型所需的基礎(chǔ)架構(gòu)硬件也是必須的。機(jī)器學(xué)習(xí)需要高水平的計(jì)算能力，以及高帶寬和存儲(chǔ)系統(tǒng)。

AI提供公司發(fā)展的絕佳機(jī)會(huì)。但是，它也很容易出錯(cuò)，畢竟它是一種新的復(fù)雜技術(shù)。如果你對(duì)某種解決方案感興趣，但是忽略了數(shù)據(jù)和技術(shù)，那就不要在問(wèn)題面前提出承諾，因?yàn)檫@可能是一個(gè)糟糕的解決方案。建議花點(diǎn)時(shí)間思考，不要急于開(kāi)發(fā)人工智能。