Produktizējot AI, var saskarties ar daudzām problēmām, piemēram, kā piemērot savu AI modeli procesam vai cilvēkiem, stabilizēt datus un modeļus, kā saglabāt modeli precīzu mainīgā vidē un laika gaitā, mērogošanu un kā attīstīties. vai paplašiniet sava AI modeļa iespējas.
AI iegulšana
Veiksmīga mašīnmācīšanās koncepcijas pierādījuma (PoC) palaišana ar jaunu algoritmu ir tikai 10% no piepūles, kas nepieciešamas, lai to ražotu un iegūtu no tā faktisko vērtību. Atlikušos 90% var iedalīt lietās, kas jādara, lai izgatavotu lietojamu produktu, un lietām, kas jādara, lai izgatavotu noderīgu produktu.
Lai padarītu lietojamu produktu, jums ir jāpietuvina tehniskais izpildījums, kas nodrošina produkta pieejamību lietotājiem. Lai tas būtu noderīgs, jums vajadzētu aplūkot produkta iegulšanu lietotāju vajadzībām paredzētā procesā. Tomēr, pirmkārt, kāda ir atšķirība starp PoC un lietojamu produktu?
Pirmkārt, PoC nav paredzēti ražošanai. Produktiem ir jādarbojas visu laiku, jebkurā laikā un mainīgos apstākļos. PoC laikā jūs atrodat meklētos datus, izveidojat kopiju un sākat tos tīrīt un analizēt. Ražošanā jūsu datu avotam ir jābūt savienotam ar datu platformu reāllaikā, droši un droši; ar datu straumi ir jāmanipulē automātiski un jāsalīdzina/apvieno ar citiem datu avotiem.
PoC laikā jums ir iespēja sarunāties ar saviem nākamajiem lietotājiem un strādāt ar viņiem, lai izstrādātu risinājumu, vai arī jums vispār nav lietotāju, un jūs izstrādājat tehnisko risinājumu. Produktam ir lietotāji, kuriem šis risinājums ir jāsaprot, un cilvēki, kas ir atbildīgi par tehniskā risinājuma darbību. Tādējādi, lai produkts būtu lietojams, ir nepieciešama apmācība, bieži uzdotie jautājumi un/vai atbalsta līnijas. Turklāt jūs vienkārši izveidojat jaunu versiju savam vienam lietošanas gadījumam PoC. Produktiem ir nepieciešami atjauninājumi, un, kad esat izlaidis savu produktu vairākiem klientiem, jums ir nepieciešams veids, kā pārbaudīt un izvietot savu kodu ražošanai (CI/CD konveijeri).
“Uzņēmumā Itility mēs esam izstrādājuši Itility Data Factory un AI Factory, kas aptver jebkura mūsu projekta pamatelementus un pamatplatformu. Tas nozīmē, ka izmantojamais leņķis ir aptverts jau no paša sākuma, lai mēs varētu koncentrēties uz lietderīgo leņķi (kas ir vairāk atkarīgs no klienta un lietošanas gadījuma),” norādīja uzņēmums.
Kaitēkļu noteikšanas lietotne — no PoC līdz lietojamam produktam
“Mūsu kaitēkļu noteikšanas lietotnes koncepcijas pierādījuma fāze sastāvēja no modeļa, kas var veikt šauru uzdevumu klasificēt un skaitīt mušas uz līmes slazda, pamatojoties uz siltumnīcu komandas locekļu uzņemtajiem attēliem. Ja viņi palaida garām kādu attēlu vai kaut kas nogāja greizi, viņi var atgriezties un uzņemt citu vai labot to tieši informācijas panelī. Bija vajadzīgas diezgan dažas manuālas pārbaudes.
“Mūsu PoC pasaule bija vienkārša, pamatojoties uz vienu ierīci, vienu lietotāju un vienu klientu. Tomēr, lai padarītu to par lietojamu produktu, mums bija jāpalielina un jāatbalsta vairāki klienti. Tad rodas jautājums par to, kā saglabāt datus nošķirtus un aizsargātus. Turklāt katram klientam/iekārtai ir nepieciešama iestatīšana un noklusējuma konfigurācija. Tātad, kā konfigurēt/iestatīt 20 jaunus klientus? Kā jūs zināt, kad izveidot administratora saskarni un automatizēt ieiešanu? Pie 2 klientiem, 20 vai 200?”
Protams, jums var rasties jautājumi, piemēram, “kā mušu skaitīšana palīdz manam klientam?” Kā no šīs informācijas radīt vērtību? Kā ieteikt lēmumus un rīkoties? Kā šī AI lietojumprogramma iekļaujas biznesa procesā? Pirmais solis ir mainīt atsauces sistēmu no tehniskā/datu perspektīvas uz galalietotāja perspektīvu. Tas nozīmē, ka jāturpina saruna ar savu klientu un jāredz, kā pārbaudītais PoC iekļaujas ikdienas procesos.
“Ir arī ilgāku laiku rūpīgi jāseko līdzi procesam, jāpievienojas operatīvajām un taktiskajām sanāksmēm, lai tiešām saprastu, kādas darbības katru dienu tiek veiktas, pamatojoties uz kādu informāciju, cik daudz laika tiek tērēts ko darīt, un argumentāciju. aiz noteiktām darbībām. Neizprotot, kā informācija no jūsu modeļa tiek izmantota biznesa vērtības radīšanai, jūs nenokļūsit pie noderīga produkta.
“Mūsu gadījumā mēs atklājām, kāda informācija tika izmantota lēmumu pieņemšanai. Piemēram, mēs atklājām, ka dažiem kaitēkļiem svarīgāk bija sekot iknedēļas tendencēm (kurām nav nepieciešama īpaši augsta precizitāte), savukārt citiem ir jārīkojas, parādoties pirmajām kaitēkļa pazīmēm (tas nozīmē, ka labāk ir pāris kļūdaini pozitīvu rezultātu, nekā iegūt kaut vienu viltus negatīvu).
“Turklāt mēs atklājām, ka mūsu klientam iepriekš ir bijusi “slikta” pieredze ar līdzīgu rīku, apgalvojot, ka tā precizitāte praksē nav iespējama. Kāpēc lai viņi uzticētos mūsējiem? Mēs pievērsāmies šai uzticības problēmai un padarījām precizitāti un caurspīdīgumu par galveno produkta funkciju. Mēs izmantojām šo informāciju, lai padarītu mūsu produktu noderīgu, pielāgojot aplikāciju gala lietotāja darba metodēm, un palielinot mijiedarbības caurspīdīgumu, dodot lietotājam lielāku kontroli pār aplikāciju,” turpina uzņēmums.
Kāds ir lielākais izaicinājums?
“Mūsu mušu skaitīšanas scenārijā mēs varam runāt par savu precizitātes rādītāju visu, ko vēlamies. Taču, lai tas būtu noderīgs, lietotājam (siltumnīcu speciālistam) vajag vairāk nekā procentus. Tas ir jāpiedzīvo un jāiemācās tam uzticēties. Sliktākais, kas var notikt, ir tad, ja lietotāji salīdzina jūsu rezultātus ar saviem manuālajiem rezultātiem un rodas (liela) neatbilstība. Jūsu reputācija ir sagrauta, un nav vietas, lai atgūtu uzticību. Mēs to novērsām, produktam pievienojot programmatūru, kas mudina lietotāju meklēt šīs neatbilstības un tās labot.
“Tādējādi mūsu pieeja ir padarīt lietotāju par daļu no AI risinājuma, nevis pasniegt to kā sistēmu, kas aizstās speciālistu. Mēs pārvēršam speciālistu par operatoru. AI paplašina viņu spējas, un speciālisti turpina kontrolēt, nepārtraukti mācot un virzot AI, lai uzzinātu vairāk un veiktu korekcijas, kad vide vai citi mainīgie mainās. Speciālists kā operators ir neatņemama risinājuma sastāvdaļa – mākslīgā intelekta mācīšana un apmācība ar konkrētām darbībām.
Noklikšķiniet šeit lai skatītu videoklipu ar sīkāku informāciju par uz operatoru orientēto pieeju.