人工智能技術(shù)已經(jīng)應(yīng)用在企業(yè)的業(yè)務(wù)中，并且已從夢想變成現(xiàn)實。實際上，根據(jù)O'Reilly公司最近的一項調(diào)查，大多數(shù)組織(85%)正在采用或評估人工智能，超過一半的組織在生產(chǎn)或分析中使用人工智能。

[[331053]]

然而，人工智能不能很好地適應(yīng)IT過去使用的相同流程和方法。雖然這些努力迅速擴(kuò)大，但仍處于初期階段。成長的痛苦已經(jīng)變得顯而易見。O’Reilly公司分析師指出：“企業(yè)需要做更多的工作，才能將人工智能的工作扎根。無論是控制常見的風(fēng)險因素(模型開發(fā)中的偏差、缺失或條件差的數(shù)據(jù)、模型在生產(chǎn)中退化的趨勢)，還是實例化正式流程以促進(jìn)數(shù)據(jù)治理，采用者在建立可靠的人工智能生產(chǎn)線時，都需要為這些做好準(zhǔn)備。”

人工智能無法完全適應(yīng)IT組織過去使用的相同流程和方法。適用于評估、測試、實施和擴(kuò)展非學(xué)習(xí)系統(tǒng)的最佳實踐和常識性方法可能并不總能很好地進(jìn)行轉(zhuǎn)化。在某些情況下，它們可能適得其反。

以下是有助于企業(yè)采用人工智能技術(shù)的8個提示：

1. 放慢速度

某些企業(yè)急于讓其業(yè)務(wù)采用人工智能技術(shù)，如果不加以控制，可能面臨風(fēng)險。Cognizant公司數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)和人工智能副總裁Jerry A.Smith博士說，“現(xiàn)代人工智能的智商很高，但情商很低。需要這二者的結(jié)合才能獲得真正的智慧。如果企業(yè)獲取數(shù)據(jù)并使用人工智能進(jìn)行分析，并在沒有情感的情況下從中學(xué)習(xí)并大規(guī)模地進(jìn)行處理，則可能讓事情越來越糟糕。”

Smith表示，IT領(lǐng)導(dǎo)者應(yīng)該花費一些時間來確保他們盡早就如何使用人工智能進(jìn)行討論。

企業(yè)高管通常對人工智能為業(yè)務(wù)提供幫助給予很大期望。但歸根結(jié)底，如果他們沒有建立正確的框架和戰(zhàn)略，將會面臨失敗的結(jié)果。

2. 在關(guān)注工具之前先關(guān)注技能和文化

TIBCO公司分析策略副總裁Shawn Rogers表示：“技術(shù)通常是企業(yè)試圖進(jìn)行創(chuàng)新的起點，這并不奇怪。但是，企業(yè)放棄文化方面的因素注定會失敗。需要新的技能來推動人工智能的成功，同時也需要一種文化來促進(jìn)人工智能和機(jī)器學(xué)習(xí)技術(shù)的采用和行動。成功需要平衡的戰(zhàn)略。”

3. 計劃迭代

希望使用人工智能的企業(yè)需要從用例入手。但是，開放數(shù)據(jù)湖提供商Qubole公司首席執(zhí)行官兼聯(lián)合創(chuàng)始人Ashish Suchoo指出，大多數(shù)人工智能和機(jī)器學(xué)習(xí)用例都是隨著時間的推移而不斷演變的。他說，“至關(guān)重要的是，企業(yè)必須投資于執(zhí)行連續(xù)數(shù)據(jù)工程的能力，并提供SQL和編程訪問來訓(xùn)練和部署模型。”他是Apache Hive公司聯(lián)合創(chuàng)始人，并建立了Facebook數(shù)據(jù)平臺。

4. 采用DevOps還不夠

大多數(shù)創(chuàng)新的IT商店已經(jīng)采用DevOps。這對于采用人工智能技術(shù)是必需的措施，但還不夠。Fractal Analytics公司技術(shù)服務(wù)客戶合作伙伴George Mathew說，企業(yè)需要添加MLOps。他說：“這種集成需要在應(yīng)用程序生命周期的早期進(jìn)行計劃，并在隨后的各個階段中進(jìn)行。”

例如，企業(yè)需要考慮在生產(chǎn)中對人工智能模型進(jìn)行再培訓(xùn)。他解釋說，“這意味著必須建立一條額外的管道，將人工智能模型產(chǎn)生的洞察力(如預(yù)測)與幾周或幾個月后從現(xiàn)場收集的實際數(shù)字進(jìn)行比較。”

5. 擴(kuò)大規(guī)模

早期采用人工智能往往會使用一組定義的數(shù)據(jù)來利用一些模型。但是，這些努力可以迅速擴(kuò)展到難以管理的領(lǐng)域。TIBCO公司的Rogers說：“隨著成功率的不斷提高，為不斷發(fā)展的數(shù)據(jù)科學(xué)團(tuán)隊管理生產(chǎn)中的數(shù)百個模型和多個創(chuàng)作環(huán)境會帶來新的挑戰(zhàn)，以適應(yīng)不斷增長的需求。”

6. 尋找并消除偏見

Cognizant公司的Smith說，“了解輸入和輸出之間的關(guān)系是人工智能的簡單部分。很多企業(yè)向人工智能開發(fā)團(tuán)隊施加壓力，要求尋找并消除偏見。例如，不希望有偏見的人工智能算法做出貸款決策。”

但是與此同時，人類本身也可能有偏見。Smith說：“人們需要掌握其中的人類智能，并確保構(gòu)建人工智能系統(tǒng)的人員在建模中不會產(chǎn)生偏見。消除偏見無法在數(shù)據(jù)級別開始或停止。”

7. 不能只讓數(shù)據(jù)科學(xué)家負(fù)責(zé)

建立最有效的人工智能系統(tǒng)來增強(qiáng)人類。Smith說，“如果想要構(gòu)建一個系統(tǒng)來支持人類，那么它就必須以人為本。需要獲得心理學(xué)家(了解客戶行為的人)和社會學(xué)家(了解企業(yè)客戶如何與社會互動的人)的幫助。人工智能太重要了，不能只讓數(shù)據(jù)科學(xué)家負(fù)責(zé)。”

8. 更好地解釋人工智能

可解釋的人工智能(XAI)可以使人類能夠理解、信任和管理人工智能技術(shù)，這變得越來越主流。因此，F(xiàn)ractal Analytics公司的Mathew說，一些IT組織將在監(jiān)管審核的接收端，詢問人工智能模型訓(xùn)練運行的詳細(xì)信息，例如使用了哪些數(shù)據(jù)集，如何評估算法，以及在每個階段生成了哪些模型度量。

Mathew說：“這些元素需要在模型在生產(chǎn)中運行的整個時間段內(nèi)進(jìn)行收集和存儲，對于某些用例而言，甚至超出范圍。解決方案架構(gòu)師需要準(zhǔn)備架構(gòu)來滿足這些要求，項目負(fù)責(zé)人必須在項目計劃中包括這些步驟和可交付成果，而構(gòu)建應(yīng)用程序的數(shù)據(jù)科學(xué)家和工程師必須使用此框架。”

企業(yè)在項目開始時對這項工作進(jìn)行規(guī)劃，并在系統(tǒng)開發(fā)生命周期內(nèi)提供必要的支持，這已經(jīng)成為人工智能應(yīng)用程序成功的一個關(guān)鍵因素。