Khi sản xuất AI, có rất nhiều thách thức bạn có thể gặp phải, chẳng hạn như cách áp dụng mô hình AI của bạn vào quy trình hoặc con người, ổn định dữ liệu và mô hình, cách giữ cho mô hình của bạn chính xác trong môi trường thay đổi và theo thời gian, mở rộng quy mô và cách phát triển hoặc tăng cường khả năng của mô hình AI của bạn.
Nhúng AI
Việc chạy một Proof of Concept (PoC) bằng máy học thành công với một thuật toán mới chỉ bằng 10% nỗ lực cần thiết để sản xuất nó và nhận được giá trị thực tế từ nó. 90% còn lại có thể được chia thành những việc bạn cần làm để tạo ra một sản phẩm có thể sử dụng được và những việc bạn cần làm để tạo ra một sản phẩm hữu ích.
Để tạo ra một sản phẩm có thể sử dụng được, bạn cần phóng to việc triển khai kỹ thuật để cung cấp sản phẩm cho người dùng của bạn. Để làm cho nó hữu ích, bạn nên xem xét việc nhúng sản phẩm vào một quy trình cho người dùng. Tuy nhiên, trước tiên, sự khác biệt chính xác giữa PoC và một sản phẩm có thể sử dụng là gì?
Trước hết, PoC không dành cho sản xuất. Sản phẩm cần hoạt động mọi lúc, mọi nơi và trong những trường hợp thay đổi. Trong PoC của bạn, bạn tìm thấy dữ liệu bạn đang tìm kiếm, tạo một bản sao và bắt đầu dọn dẹp và phân tích dữ liệu đó. Trong quá trình sản xuất, nguồn dữ liệu của bạn phải được kết nối với nền tảng dữ liệu trong thời gian thực, an toàn và bảo mật; luồng dữ liệu phải được thao tác tự động và so sánh / kết hợp với các nguồn dữ liệu khác.
Trong PoC của mình, bạn có thể nói chuyện với người dùng tương lai của mình và làm việc với họ để thiết kế một giải pháp, hoặc bạn không có người dùng nào cả và bạn đang thiết kế một giải pháp kỹ thuật. Đối với một sản phẩm, bạn có những người dùng cần hiểu giải pháp đó và những người chịu trách nhiệm duy trì hoạt động của giải pháp kỹ thuật. Do đó, một sản phẩm yêu cầu đào tạo, Câu hỏi thường gặp và / hoặc đường dây hỗ trợ để có thể sử dụng được. Hơn nữa, bạn chỉ cần tạo một phiên bản mới cho một ca sử dụng của mình trong PoC. Sản phẩm yêu cầu cập nhật và khi bạn đã triển khai sản phẩm của mình cho nhiều khách hàng, bạn cần có cách để kiểm tra và triển khai mã của mình cho sản xuất (đường ống CI / CD).
“Tại Itility, chúng tôi đã phát triển Nhà máy Dữ liệu Tiện ích và Nhà máy AI bao gồm các khối xây dựng và nền tảng cơ bản cho bất kỳ dự án nào của chúng tôi. Điều này có nghĩa là chúng tôi đã đề cập đến góc hữu dụng ngay từ đầu, để chúng tôi có thể tập trung vào góc hữu ích (phụ thuộc vào khách hàng và trường hợp sử dụng nhiều hơn), ”công ty tuyên bố.
Ứng dụng phát hiện dịch hại - từ PoC đến sản phẩm có thể sử dụng
“Giai đoạn Bằng chứng về Khái niệm của Ứng dụng Phát hiện Dịch hại của chúng tôi bao gồm một mô hình có thể thực hiện nhiệm vụ hẹp là phân loại và đếm ruồi trên bẫy keo dựa trên hình ảnh do các thành viên trong nhóm nhà kính chụp. Trong trường hợp họ bỏ lỡ một bức ảnh hoặc nếu có sự cố, họ có thể quay lại và chụp một bức ảnh khác hoặc trực tiếp sửa nó trong bảng điều khiển. Khá cần một số kiểm tra thủ công.
“Thế giới PoC của chúng tôi rất đơn giản, dựa trên một thiết bị, một người dùng và một khách hàng duy nhất. Tuy nhiên, để biến nó thành một sản phẩm có thể sử dụng được, chúng tôi cần mở rộng quy mô và hỗ trợ nhiều khách hàng. Sau đó, câu hỏi làm thế nào để giữ cho dữ liệu được tách biệt và an toàn nảy sinh. Hơn nữa, mỗi khách hàng / máy riêng biệt yêu cầu thiết lập và cấu hình mặc định. Vậy, làm thế nào để cấu hình / thiết lập 20 khách hàng mới? Làm thế nào để bạn biết khi nào nên xây dựng giao diện quản trị và tự động hóa việc giới thiệu? Với 2 khách hàng, 20 hay 200? ”
Tất nhiên, bạn có thể có câu hỏi, chẳng hạn như 'đếm ruồi giúp khách hàng của tôi như thế nào? Làm thế nào để tạo ra giá trị từ thông tin này? Làm thế nào để đề xuất các quyết định và thực hiện hành động? Làm thế nào để ứng dụng AI này phù hợp với quy trình kinh doanh? '. Bước một là thay đổi hệ quy chiếu của bạn từ góc độ kỹ thuật / dữ liệu sang góc độ người dùng cuối. Điều này có nghĩa là tiếp tục cuộc trò chuyện với khách hàng của bạn và xem PoC đã được chứng minh phù hợp với các quy trình hàng ngày như thế nào.
“Bạn cũng phải theo dõi chặt chẽ quy trình trong một thời gian dài hơn, bạn cần tham gia các cuộc họp vận hành và chiến thuật để thực sự hiểu những hành động được thực hiện hàng ngày dựa trên thông tin nào, dành bao nhiêu thời gian để làm việc gì và lý luận. đằng sau những hành động nhất định. Nếu không hiểu thông tin từ mô hình của bạn được sử dụng như thế nào để tạo ra giá trị kinh doanh, bạn sẽ không nhận được một sản phẩm hữu ích.
“Trong trường hợp của chúng tôi, chúng tôi đã phát hiện ra thông tin nào được sử dụng để đưa ra quyết định. Ví dụ: chúng tôi phát hiện ra rằng đối với một số loài gây hại, điều quan trọng hơn là tuân theo xu hướng hàng tuần (mà bạn không cần độ chính xác quá cao) trong khi những loài khác yêu cầu hành động ngay khi có dấu hiệu đầu tiên của dịch hại (có nghĩa là tốt hơn nên có một vài con dương tính giả hơn là có dù chỉ một âm tính giả).
“Ngoài ra, chúng tôi phát hiện ra rằng khách hàng của chúng tôi trước đây đã có trải nghiệm 'tồi tệ' với một công cụ tương tự được cho là có độ chính xác mà nó không thể cung cấp trong thực tế. Tại sao họ tin tưởng của chúng tôi? Chúng tôi đã giải quyết vấn đề lòng tin này ngay lập tức và coi tính chính xác và minh bạch là đặc điểm chính của sản phẩm. Chúng tôi đã sử dụng thông tin này để làm cho sản phẩm của mình trở nên hữu ích bằng cách điều chỉnh ứng dụng cho phù hợp với phương pháp làm việc của người dùng cuối và bằng cách tăng tính minh bạch trong tương tác, cho phép người dùng kiểm soát ứng dụng nhiều hơn, ”công ty tiếp tục.
Thách thức lớn nhất là gì?
“Trong kịch bản đếm ruồi của chúng tôi, chúng tôi có thể nói về điểm số chính xác của chúng tôi tất cả những gì chúng tôi muốn. Tuy nhiên, để trở nên hữu ích, người dùng (một chuyên gia về nhà kính) cần nhiều hơn tỷ lệ phần trăm. Điều cần thiết là trải nghiệm nó, và học cách tin tưởng nó. Điều tồi tệ nhất có thể xảy ra là khi người dùng của bạn so sánh kết quả của bạn với kết quả thủ công của chính họ và có sự khác biệt (lớn). Danh tiếng của bạn bị hủy hoại và không còn chỗ để lấy lại niềm tin. Chúng tôi đã chống lại điều này bằng cách thêm phần mềm vào sản phẩm để khuyến khích người dùng tìm kiếm những điểm khác biệt đó và sửa chúng.
“Do đó, cách tiếp cận của chúng tôi là biến người dùng trở thành một phần của giải pháp AI thay vì trình bày nó như một hệ thống sẽ thay thế chuyên gia. Chúng tôi biến chuyên gia thành một nhà điều hành. AI đang tăng cường khả năng của họ và các chuyên gia vẫn nắm quyền kiểm soát bằng cách liên tục giảng dạy và hướng dẫn AI tìm hiểu thêm và thực hiện các chỉnh sửa khi môi trường hoặc các biến số khác bị ảnh hưởng. Với tư cách là người điều hành, chuyên gia là một phần không thể thiếu của giải pháp - giảng dạy và đào tạo AI bằng các hành động cụ thể ”.
Nhấp chuột tại đây để xem video có thêm thông tin chi tiết về phương pháp lấy người điều hành làm trung tâm.