[[276859]]

一個(gè)人工智能項(xiàng)目中，最重要的究竟是數(shù)據(jù)、算法還是處理過程?

有人認(rèn)為，數(shù)據(jù)就宛如人工智能的汽油，重點(diǎn)應(yīng)該是干凈的數(shù)據(jù)、數(shù)據(jù)科學(xué)和對數(shù)據(jù)含義的深刻理解。

有些人說，沒有來龍去脈的數(shù)據(jù)是沒有意義的，這些數(shù)據(jù)的來龍去脈可以是其他數(shù)據(jù)、模型/算法或處理流程。

讓我們以一種簡潔的方式探究這些人工智能的要素，以發(fā)現(xiàn)每種視角的優(yōu)點(diǎn)。

數(shù)據(jù)

數(shù)據(jù)是起點(diǎn)，因?yàn)樗欠浅Ｓ杏玫馁Y產(chǎn)。

不管真假，人們都認(rèn)為數(shù)據(jù)承載著知識(shí)，而利用這些知識(shí)將有利于那些善于研究數(shù)據(jù)的人。

對人工智能來說，從數(shù)據(jù)開始，并通過從中學(xué)習(xí)來利用優(yōu)勢，是有意義的。在數(shù)據(jù)量大、速度快的時(shí)代，使用數(shù)據(jù)來訓(xùn)練人工智能十分便捷。

企業(yè)在商業(yè)智能方面有著悠久的歷史，很多工作都圍繞著數(shù)據(jù)展開。對于人工智能來說也沒什么不同。

原始數(shù)據(jù)一般通過數(shù)據(jù)采集獲得，隨后的數(shù)據(jù)清洗、數(shù)據(jù)標(biāo)注相當(dāng)于對數(shù)據(jù)進(jìn)行加工，然后輸送到人工智能算法和模型里進(jìn)行調(diào)用。

人工智能訓(xùn)練所用的數(shù)據(jù)如果沒有保證足夠的多樣化和無偏性，就有可能產(chǎn)生人為的"AI偏見"等問題。

國內(nèi)的京東眾智、百度眾包、阿里眾包等都是專注于AI數(shù)據(jù)的智能眾包平臺(tái)。

算法

理解算法相對于自然環(huán)境下的靜態(tài)數(shù)據(jù)的優(yōu)勢是很重要的。

事實(shí)上，組織可以通過優(yōu)化其業(yè)務(wù)的算法獲得優(yōu)勢。找到合適的公式、統(tǒng)計(jì)模型或預(yù)測是真正的商業(yè)藝術(shù)。

這些算法受到組織的保護(hù)，通常被認(rèn)為是成功的秘密武器。

雖然它們依賴于干凈的數(shù)據(jù)，但數(shù)學(xué)或邏輯中隱含的規(guī)則才是許多行業(yè)的真正區(qū)別所在。

如果沒有精算師和他們寶貴的算法，保險(xiǎn)業(yè)將何去何從?人工智能也不例外。

機(jī)器學(xué)習(xí)的常用算法包括決策樹、隨機(jī)森林算法、邏輯回歸、SVM、樸素貝葉斯、K最近鄰算法、K均值算法、Adaboost算法、神經(jīng)網(wǎng)絡(luò)、馬爾可夫。

人工智能的算法按照模型訓(xùn)練方式和解決任務(wù)的不同可以分為好幾類，其中需要考慮的因素包括數(shù)據(jù)本身的數(shù)量、質(zhì)量和特點(diǎn)，具體業(yè)務(wù)場景中的問題，計(jì)算時(shí)間及精度要求等。

處理過程

正確的步驟或任務(wù)、適當(dāng)?shù)姆绞綄τ谌〉玫慕Y(jié)果質(zhì)量是至關(guān)重要的。

無論處理過程(process)是靜態(tài)的、可重復(fù)的，還是動(dòng)態(tài)的、緊急的，都沒有區(qū)別。

知道下一步的最佳行動(dòng)是獲得最佳業(yè)務(wù)結(jié)果的關(guān)鍵。

好的處理過程就是在正確的時(shí)間使用正確的數(shù)據(jù)和算法。

由于流程的精確性，業(yè)務(wù)結(jié)果肯定是準(zhǔn)確的，并且可以通過使用各種形式的監(jiān)督的透明反饋周期進(jìn)行適當(dāng)?shù)恼{(diào)整。

三者缺一不可?

真正的結(jié)論是，要想獲得長期的成功，你需要這三者。人們可以先從其中一個(gè)要素開始，接著添加其他要素。

隨著機(jī)器學(xué)習(xí)逐漸展現(xiàn)出其威力，許多人工智能項(xiàng)目都是從數(shù)據(jù)開始的。

但隨著人工智能的發(fā)展，算法和處理過程也將成為不可忽視的要素。

基于數(shù)據(jù)的人工智能目前運(yùn)行良好，隨著問題的復(fù)雜性和范圍的擴(kuò)大，算法和處理流程的重要性將會(huì)凸顯。

如同三角形需要三條邊來穩(wěn)定形狀，人工智能也將需要全部的三要素來完善自身。