數(shù)據(jù)顯示大多數(shù)組織正在采用或評估AI

人工智能(AI)已正式進入企業(yè)，已從夢想變成現(xiàn)實。實際上，根據(jù)O'Reilly最近的一項調查，大多數(shù)組織(85%)正在采用或評估AI， 超過一半的組織在生產(chǎn)或分析中使用AI。

人工智能不能很好地適應IT過去使用的相同流程和方法。

這些努力雖然迅速擴大，但仍處于初期階段。成長的痛苦已經(jīng)變得明顯。O'Reilly的分析師指出：“公司需要做更多的事情，才能將AI的工作扎根。” “無論是控制常見風險因素–模型開發(fā)中的偏見，數(shù)據(jù)缺失或條件差，模型在生產(chǎn)中的退化趨勢–還是實例化正式流程以促進數(shù)據(jù)治理，采用者都將在工作中為他們削減工作量建立可靠的AI生產(chǎn)線。”

人工智能不能很好地適應IT組織過去使用的相同流程和方法。適用于評估，測試，實施和擴展非學習系統(tǒng)的最佳實踐和常識性方法可能并不總能轉化。在某些情況下，它們可能適得其反。

[您了解AI的主要類型嗎?另請參閱：定義了 5種人工智能(AI)類型。]

打破常識的8條AI策略技巧

這是八個與直覺相反的技巧，將有助于您的AI不斷發(fā)展。

1.慢下來

在某些組織中，急于向企業(yè)的AI化邁進：如果不加以制止，這將很危險。Cognizant數(shù)據(jù)科學，機器學習和AI副總裁Jerry A.Smith博士說，現(xiàn)代AI智商高，但情商低 。真正的智慧需要兩者。“如果您獲取數(shù)據(jù)并使用AI進行分析并在沒有情感的情況下從中學習并大規(guī)模地進行處理，那么您基本上會在系統(tǒng)中放松精神病患者。”

Smith表示，IT領導者應該花時間確保他們盡早就如何使用AI進行人為討論。

他補充說，執(zhí)行人員通常希望AI來保存它們。“但是最后，如果他們沒有建立正確的框架和策略，那實際上會損害他們。”

[獲得針對IT和業(yè)務領導者的10個關鍵人工智能術語的快速掃描入門： 備忘單：AI詞匯表。]

2.先于工具和文化

TIBCO分析策略副總裁Shawn Rogers表示：“技術是企業(yè)嘗試創(chuàng)新的起點，這并不奇怪 。” “但是，放棄人文和文化方面肯定會注定您會失敗。”

羅杰斯補充說：“要推動AI的成功，需要新的技能，同時要培養(yǎng)一種文化，這種文化可以促進采用和采取行動來實現(xiàn)AL和機器學習(ML)技術的價值。成功需要成功的平衡策略。”

3.計劃迭代

希望開始使用AI的企業(yè)需要從用例入手。但是，開放數(shù)據(jù)湖公司Qubole的首席執(zhí)行官兼聯(lián)合創(chuàng)始人 Ashish Suchoo指出，大多數(shù)AI和ML用例都是隨著時間的推移而不斷演變的 。“至關重要的是，企業(yè)必須投資于執(zhí)行連續(xù)數(shù)據(jù)工程的能力，并提供SQL和編程訪問來訓練和部署模型，” Sosooo說。他曾與他人共同創(chuàng)立了Apache Hive，并建立了Facebook數(shù)據(jù)平臺。

4. DevOps還不夠

大多數(shù)創(chuàng)新的IT商店已經(jīng)在DevOps培訓中。這對于采用AI是必須的，但還不夠。Fractal Analytics技術服務客戶合作伙伴George Mathew說，組織需要添加MLOps 。他說：“這種集成需要在應用程序生命周期的早期進行計劃，并在隨后的各個階段中遵循。”

例如，組織需要考慮對生產(chǎn)中將發(fā)生的AI模型進行再培訓。“這意味著必須建立額外的管道來將AI模型產(chǎn)生的見解(例如預測)與幾周或幾個月后從現(xiàn)場收到的實際數(shù)量進行比較，” Mathew解釋說。

“必須建立額外的管道，以將AI模型產(chǎn)生的見解與數(shù)周或數(shù)月后從現(xiàn)場獲得的實際數(shù)量進行比較。”

5.支撐規(guī)模

早期涉足AI往往會使用一組定義的數(shù)據(jù)來利用一些模型。但是，這些努力可以迅速擴展到難以管理的領域。TIBCO的羅杰斯(Rogers)說：“隨著成功的加快，為不斷發(fā)展的數(shù)據(jù)科學團隊管理生產(chǎn)中的數(shù)百個模型和多個創(chuàng)作環(huán)境會帶來新的挑戰(zhàn)，以適應不斷增長的需求。”