当前位置:沃卡惠 > 最新资讯 > 行业资讯

在大型组织中部署AI的最佳实践

在大型组织内开发AI产品与在初创企业内开发独立解决方案或为博士编写代码是完全不同的过程。为此工作。为什么它是一个不同的——而且通常更复杂的——过程有多种原因。

首先,大型组织之所以庞大,是因为它们已经在其运营领域内拥有产品/解决方案。对于此类组织,人工智能通常是一种工具,是改进其现有产品的推动者。其次,几乎没有团队或部门独自推动产品开发。在大型组织中,产品开发需要多个团队协作。

过去三年,我一直在一家大型汽车制造公司开发自动驾驶解决方案。以下是我在构建基于AI的产品方面的一些经验。

在大型组织中部署AI的最佳实践

熟悉该领域或认识熟悉该领域的人

作为AI专家,您很可能一直在开发和优化通用模型,例如深度神经网络,这很棒,因为,嘿,您可以在任何情况下应用它们,对吧?那么,当您进入产品领域时,您很快就会意识到产品性能的评估方式与通用模型的性能评估方式不同。归根结底,产品的好坏取决于它的销量。

例如,如果你在一家汽车公司工作,在你进入自动驾驶解决方案之前,首先你需要了解现有的驾驶辅助产品,它们的能力、痛点、数据收集方法、客户需求、发布流程,甚至是各国的一些法律规定。好消息是在大型组织中,您可以与许多领域专家交谈以获取此类领域知识。

开始很简单,很简单

您正在从事的工作很可能不是同类产品中的首创。您的组织已经为客户提供了一种产品,但它正在寻找一种更高效、成本更低的开发方法。仅仅因为围绕它有一个基于AI的新概念,他们不会丢弃现有产品并从头开始部署最先进的 AI 解决方案。

因此,用最先进的纯数据解决方案替代产品,尤其是复杂的工程产品,短期内几乎不会发生。但是,您仍然可以利用您的AI专业知识进入现有开发。关键是开始简单,非常简单。一旦你对上述领域有了很好的理解,你就可以确定一两个问题,用简单的、现成的机器学习方法来解决。

将此视为您的“最小可行产品”,但在本例中将“产品”替换为“ml方法”。这样做有两个好处。首先,您可以通过使用数据和形式化问题来检查基于AI的解决方案是否有意义,而无需花费太多精力构建复杂模型。其次,简单的模型通常更容易解释,因此对您的非 AI 领域专家同行来说不那么吓人。

先建立信任,再建立传输管道

到目前为止,您已经努力了解该领域,使用您的简单AI模型展示了产品的几个方面的一些改进,并解释了为什么您的模型对您的领域工程师同事和业务部门有意义。在某种程度上,在这一点上,你已经与他们建立了信任。使用这种信任来构建连续的传输管道。

传输管道是从您的AI解决方案到产品模拟和测试环境的接口。在这样的测试和模拟环境中,产品的性能是通过一组关键性能指标来评估的。令您惊讶的是,这些指标通常与标准的机器学习评估指标不同。这需要另一篇文章来解释 ML 评估指标和系统性能指标之间的相互作用,但让我说这些指标最重要。

从那时起,拥有一个快速集成到测试和仿真环境中的管道并使用系统性能指标进行评估将指导您的模型开发。它会给你一些提示,告诉你什么类型的模型和架​​构是有意义的。换句话说,它将构建您的开发流程,避免您花费时间和精力来构建对产品没有明显好处的复杂模型。

最后,正如您可能已经从以上几点中提炼出来的那样,在大型组织内成功部署AI解决方案需要与他人进行大量良好、有效的沟通。您可能需要参加许多会议才能围绕产品目标进行调整。对于许多 AI 开发人员来说,这感觉像是一种开销,但它确实是核心,并且从一开始就接受它会使开发过程更加愉快!

猜你喜欢

微信公众号

微信公众号