成功的人工智能计划有什么要求

来源：博观科技日期：2022-01-25 16:53:09

　　人工智能和机器学习技术已被企业的各个组织所采用，从制造业到保险业，从金融业到零售业，以推进业务流程以提高熟练度和生产力等。

　　无论如何，对于某些没有足够资源来部署有效人工智能程序的企业主和小型企业，绝对不建议使用智能算法。与世界其他地方一样，人工智能的问题也占1％。

　　尽管（例外）大型公司可以从其可用的大量数据以及业务，技术和管理专业知识的组合中获利，但大多数中小型企业却没有这种运气。

　　为了防止公司的人工智能部署工作被浪费或延误，超出预期，必须制定业务计划并在执行其人工智能解决方案之前做好准备，这一点很重要。

　　麻省理工学院信息系统研究中心的一项新研究表明，卓有成效的人工智能程序需要一种称为人工智能对齐的方法。自2019年以来，CISR已检查了52种人工智能解决方案，它们被称为具有一定程度自主权的应用分析模型。其中31个已经大规模实施。

　　CISR首席研究科学家Barbara Wixom，昆士兰大学演讲者Ida Someh和弗吉尼亚大学老师Rober tGregory发现，有效的人工智能程序实现了三个相互依存的一致性状态，现实世界与人工智能模型之间应该具有科学一致性。人工智能程序必须经过训练才能与真实世界对话，并且卓有成效的模型必须准确无误。

　　应用程序一致性：人工智能模型和解决方案之间应具有应用程序一致性。一个人工智能模型不仅要精确，还需要实现目标并与意外结果保持战略距离。

　　利益相关者的一致性：解决方案和合作伙伴需求之间应该有利益相关者的一致性。该计划应在投资者，经理，客户，监管机构，一线工人和客户等利益相关者网络中产生收益。

　　除了这些要求，在实施人工智能程序时还应考虑其他事项。

　　考虑概念验证和最小可行产品（MVP）开发

　　很多时候，组织可能希望在选择执行它之前就知道潜在的人工智能解决方案是否真的可以提供。如果组织选择了现成的解决方案或PoC（理念证明）或最小可行产品（MVP）升级，则可以免费试用该解决方案。

　　最小可行产品（MVP）项目与执行成本高昂的全面人工智能解决方案不同，它不需要花费很长时间并快速传达结果，因此组织可以在关注长期开发项目之前对投资回报率（ROI）进行严格评估。

　　选择重要的方法和模型

　　解决以上所有问题后，这是一个理想的机会，从技术上讲，选择最适合的解决方案来解决最近发现的问题。

　　在此过程的后期进行此操作似乎很奇怪，但是当人们了解到以下的进步具有深远的适应能力时，这预示着很好的预兆，而只考虑一个方面就只会缩小可能性的范围。无论如何，任何涉及此问题的人都将考虑在项目的先前步骤中使用的正确工具。

　　保证最终用户采用

　　与某些其他常规框架相比，人工智能的安排可能会有些不同，因此可能需要培训最终用户以使用该系统。为了改进该系统并使最终用户易于使用该系统，要求提供易于理解的UI计划和后期支持培训，以使用户拥有稳定的学习曲线。