如何自信地部署人工智能(AI)

2024-01-24 19:28
文章标签 ai 部署 人工智能 自信

本文主要是介绍如何自信地部署人工智能(AI),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

提升业务价值的人工智能方法

人工智能 (AI) 已经在变革业务、降低成本、最大限度地提高收入并增强客户体验。许多组织开始注意到:到 2025 年,AI 市场规模预计将增长到 3909 亿美元,而且该领域的行业也呈现出类似的发展趋势——例如,到 2023 年,汽车 AI 预计将同比增长 35%,而制造业 AI 可能会增长 72.2 亿美元。我们看到各组织也在加速采用 AI 项目。据研究机构 Gartner 报告称,企业平均采用的 AI 项目数预计从 2019 年的 4 个上升至 2022 年的 35 个。 即使有如此巨大的增长,部署 AI 的挑战依然存在。根据顶级行业分析师的说法,大多数(约 80%)的 AI 项目在试验阶段或概念验证阶段就止步不前,从未进入生产阶段。在许多情况下,是由于缺乏高质量数据所致。在这一 AI 所作决策将具有越来越深远影响的时代,许多企业仍然难以实现合乎道德和负责任的 AI,而他们面临的障碍,往往是缺乏资源或内部人才来建立公正的模型。企业在扩展和自动化方面也面临着艰巨的挑战。尽管技术主管热衷于将开发运维 (DevOps) 应用于 AI,但他们仍要费力地设计一种解决方案来实现端到端机器学习 (ML) 管道的自动化。 预先开发正确的工具和策略将有助于克服这些挑战,使企业获得开展部署的信心和扩展的潜力。

训练、部署和调整 ML 模型的技术和工具

如果说自信地部署 AI 有什么关键要点的话,那就是:一切在于数据。您深知,您需要高质量的训练数据来推出有效的模型。因此,预先定义数据策略(包括数据管道)对于成功至关重要。为了说明这一点,让我们一步一步来了解什么是合理的 ML 管道:

采集和标注数据

许多数据科学家和机器学习工程师表示,他们花费约 80% 的时间来整理数据。这是个沉重的负担,但如果没有训练数据,模型将无法正常工作。随后是模型构建过程,从收集和标注训练数据开始。 您需要从制定明确的数据采集策略开始。思考您的目标使用场景,并确保您的数据集可代表各个使用场景。制定一个用于收集各种数据集的明确计划。例如,如果您要为自动驾驶汽车构建 AI,则可能需要能够代表不同地理位置、天气和一天中不同时段的数据。 接下来,您要实施数据标注流程,在大多数情况下,这个流程需要来自不同人群的人工标注者。标签越准确,最终模型的预测就会越精确。多样的视角将使您能够涵盖更广泛的用途和边缘案例。 在数据采集和标注阶段,制定正确的工具计划至关重要。确保将质量保证检查也整合到您的流程当中。鉴于此步骤占用 AI 项目的大部分时间,因此与该领域的数据合作伙伴开展合作尤为有益。

训练和验证模型

准备好训练数据后,您要使用该数据来训练模型。大多数 ML 模型利用监督式学习方式,这意味着您需要使用人工来进行实地监测。人工监测员将通过检查来确保模型做出准确的预测。这个阶段通常很关键,但工作负担较轻。如果在此阶段发现模型不能正常工作,您要返回之前的步骤并确保您的训练数据确实是您需要的数据。进行优化,重点关注该模型应带来的业务价值。

自信地部署并调整模型

模型达到所需的准确程度后,即可启动。部署后,模型将开始面对真实世界的数据。继续评估模型的输出;如果模型无法输出正确的数据,再将数据转回到验证阶段。有益的做法是坚持使用人机协同来手动检查模型的准确性,并在出现低置信度预测或错误时提供校正后的反馈。 请记住,部署后要定期调整模型。据咨询机构麦肯锡 (McKinsey) 报告,有 33% 的实时 AI 部署需要进行“至关重要的”每月数据更新,以便随着市场条件的变化保持准确性阈值。我们在 2020 年《AI 全景报告》中报告过,75% 的组织表示,他们必须至少每季度更新一次 AI 模型。无论如何,应该持续监测每个模型的数据偏差,以确保模型不会随着时间的流逝而降低效率甚至过时。

真实成功案例

自信部署AI

 企业正在利用 AI 开展许多非常有趣的工作。以下示例表明,拥有集成数据管道对自信地部署尤为重要。

农业

2017 年,约翰·迪尔 (John Deere) 收购了蓝河科技 (Blue River Technologies),准备与之联手进行农药使用方式的彻底变革。他们的 AI 模型使用无人机和计算机视觉算法来识别农田中的杂草。这样做可以使农药只喷洒在杂草上而避开田间的所有农作物。他们以往的农药支出约为每年 200 亿美元,但通过这些努力,有望将农药成本减少 90%。 该 AI 项目采用的方法是精确图像分割。该方法需要在像素级别上标注数据,以确定图像的哪个部分是杂草,哪个部分是农作物。可以想象,这个标注过程非常复杂,并且要耗费很多时间。该过程既需要全面的工具界面,又需要具有深厚的图像分割专业知识的人工校正员。

制造业

制造业正在使用 AI 来实现物流和供应链的自动化。例如,诺基亚使用机器学习技术提醒装配操作员注意质量偏差。具体来说,就是指出生产过程中存在的不一致之处。AI 还可以作为智能工厂监测系统的一部分来监测和跟踪包裹,从而缩短交货时间并防止库存过多,它还可以监测吞吐量和停机时间等从成本角度来看非常重要的因素。 制造业中的数据工作流高度依赖制造业的类型和供应链的性质。可能需要从各种机器和传感器收集数据并进行汇总,以创建易于人类理解的分析。

汽车行业

汽车 AI 有许多值得强调的趋势,包括自动化和安全性,语音帮助,以及个性化,等等。自动驾驶汽车可能是最受关注的领域,因为它们能够极大地改变我们的日常生活。 当我们考察那些与构建 AI 赋能的全自动车辆有关的 ML 工作流时,会发现它们变得越来越复杂。要有效地训练算法,需要有大量的传感器数据(例如摄像机、LIDAR 和 RADAR)。在这一领域,工具增强对于构建安全、高效的 AI 至关重要。 不过,这一点不仅限于自动驾驶汽车。日产汽车尼桑 (Nissan) 使用机器学习增加从试驾体验中转化的人数,通过不断分析 1,000 多个数据点,将试驾体验的转化数量增加了 900% 以上。 这些示例表明,许多 AI 使用场景需要复杂的数据管道来支持准确的模型。对于此类案例,成功与失败的差别很可能在于预先制定了正确的数据策略。

这篇关于如何自信地部署人工智能(AI)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/640749

相关文章

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

闲置电脑也能活出第二春?鲁大师AiNAS让你动动手指就能轻松部署

对于大多数人而言,在这个“数据爆炸”的时代或多或少都遇到过存储告急的情况,这使得“存储焦虑”不再是个别现象,而将会是随着软件的不断臃肿而越来越普遍的情况。从不少手机厂商都开始将存储上限提升至1TB可以见得,我们似乎正处在互联网信息飞速增长的阶段,对于存储的需求也将会不断扩大。对于苹果用户而言,这一问题愈发严峻,毕竟512GB和1TB版本的iPhone可不是人人都消费得起的,因此成熟的外置存储方案开

AI绘图怎么变现?想做点副业的小白必看!

在科技飞速发展的今天,AI绘图作为一种新兴技术,不仅改变了艺术创作的方式,也为创作者提供了多种变现途径。本文将详细探讨几种常见的AI绘图变现方式,帮助创作者更好地利用这一技术实现经济收益。 更多实操教程和AI绘画工具,可以扫描下方,免费获取 定制服务:个性化的创意商机 个性化定制 AI绘图技术能够根据用户需求生成个性化的头像、壁纸、插画等作品。例如,姓氏头像在电商平台上非常受欢迎,

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

从去中心化到智能化:Web3如何与AI共同塑造数字生态

在数字时代的演进中,Web3和人工智能(AI)正成为塑造未来互联网的两大核心力量。Web3的去中心化理念与AI的智能化技术,正相互交织,共同推动数字生态的变革。本文将探讨Web3与AI的融合如何改变数字世界,并展望这一新兴组合如何重塑我们的在线体验。 Web3的去中心化愿景 Web3代表了互联网的第三代发展,它基于去中心化的区块链技术,旨在创建一个开放、透明且用户主导的数字生态。不同于传统

AI一键生成 PPT

AI一键生成 PPT 操作步骤 作为一名打工人,是不是经常需要制作各种PPT来分享我的生活和想法。但是,你们知道,有时候灵感来了,时间却不够用了!😩直到我发现了Kimi AI——一个能够自动生成PPT的神奇助手!🌟 什么是Kimi? 一款月之暗面科技有限公司开发的AI办公工具,帮助用户快速生成高质量的演示文稿。 无论你是职场人士、学生还是教师,Kimi都能够为你的办公文

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

阿里开源语音识别SenseVoiceWindows环境部署

SenseVoice介绍 SenseVoice 专注于高精度多语言语音识别、情感辨识和音频事件检测多语言识别: 采用超过 40 万小时数据训练,支持超过 50 种语言,识别效果上优于 Whisper 模型。富文本识别:具备优秀的情感识别,能够在测试数据上达到和超过目前最佳情感识别模型的效果。支持声音事件检测能力,支持音乐、掌声、笑声、哭声、咳嗽、喷嚏等多种常见人机交互事件进行检测。高效推

AI hospital 论文Idea

一、Benchmarking Large Language Models on Communicative Medical Coaching: A Dataset and a Novel System论文地址含代码 大多数现有模型和工具主要迎合以患者为中心的服务。这项工作深入探讨了LLMs在提高医疗专业人员的沟通能力。目标是构建一个模拟实践环境,人类医生(即医学学习者)可以在其中与患者代理进行医学

AI行业应用(不定期更新)

ChatPDF 可以让你上传一个 PDF 文件,然后针对这个 PDF 进行小结和提问。你可以把各种各样你要研究的分析报告交给它,快速获取到想要知道的信息。https://www.chatpdf.com/