Kurumsal bir yapay zeka projesi oluşturmak için önce bu 10 soruyu dikkate almanız gerekir
Günümüzde pek çok ileriye dönük girişimci yapay zeka alanında çalışmak istiyor, ancak çok az kişi bu konuya kapsamlı bir bakış atıp bazı riskleri hesaba katabiliyor. Aslında bir yapay zeka projesine girmeden önce kendinize bu soruları kalbinizde sormanız gerekiyor. Bu düşünceler riskleri azaltabilir, zamandan ve paradan tasarruf sağlayabilir ve yapay zeka projelerinin kurulumunu ve işletimini daha sorunsuz hale getirebilir.
1. Hedef net mi?
Kodlama veya veri analizi becerilerine bakılmaksızın, üst düzey personel yapay zeka projelerinin stratejisinde kilit bir rol oynar. Şirket, farklı değer önerileri önererek kendi pazarını bozacak mı? Şirket en yüksek seviyeyi takip ediyor mu? Belki de şirket rekabetçi bir pazarda seviyesini korumak istiyor? Hâlâ yetişip lider olmak istiyor musunuz?
Belirli bir eğilimi fark etmeye başlayın.
Ekipte talimat yoksa, hikayeleri bulmak için amaçsızca verileri araştıracaktır. Takımın net ve tutarlı bir hedefi yoksa, yalnızca hareketli hedefleri kovalamaya devam eder. Veriler girmeye devam ettikçe, geçmişi yeniden yazma riskine girebilir. Bu nedenle proje başlamadan önce geliştirilen strateji yeterince spesifik, ölçülebilir, ulaşılabilir, ilgili ve zamana bağlı olmalıdır.
"Herkes bunu yapıyor" bir yapay zeka projesine girmek için korkunç bir sebep.
Resim kaynağı: pexels.com/@rawpixel
2. Yeterli veri var mı?
Tüm yapay zeka projeleri, aramak için çok fazla veriye ihtiyaç duyar: kabaca konuşursak, algoritmalar geçmişi keskin bir şekilde anlamadan bugünü ve geleceği anlayamaz. Büyük değişiklikler nedeniyle belirli sayıda veri noktası verilemez. Ancak köklü olmayan ve 800'den az müşterisi olan start-up'lar için, yapay zeka projelerini başlatacak kaynaklara sahip olmadığı açıktır.
Yeterli veri yoksa, ya dahili olarak toplanmalıdır, ancak bu çok zaman alabilir (örneğin, büyük bir yeniden yapılandırma olayı) veya harici kaynaklardan toplanabilir (örneğin, şemsiye talebini tahmin etmek için ücretsiz hava durumu verileri kullanılır). Bununla birlikte, benzersiz verilerin en yeni modelleme değil, değerli bir yapay zeka çözümü olması önemlidir.
3. Veri setinde hatalar var mı?
İçeri giren çöp, çıkan da çöp.
Herhangi bir iyi veri sorumlusu, verilerin fiziksel ürünler gibi ele alınması ve ürünlerin kalitesinin üretimden önce ve sonra kontrol edilmesi gerektiğine inanır. Örneğin, domatesler bozulmuşsa veya pastırmanın sadece yarısı kalmışsa, jambon, marul ve domatesli sandviç yapılamaz. Algoritma eksikse veya veriler yanlışsa, algoritma çalıştırılamaz ve tahmin sonuçları güvenilir değildir.
Aslında, bir algoritma oluştururken işin% 80'i veri çıkarma, veri temizleme, veri doldurma ve basit sistematik hataları önleyebilecek veri spesifikasyonunu içerir.
Yine de......
4. Veri seti sarsıntı olacak mı?
Amazon, yine burada mısın? Ne kadar olası? !
Kimsenin dikkatini çekmediğinde, algoritma sistematik olarak adil olmayan kararlar verebilir ve hatta nedenleri anlayabilir, bu da algoritmayı etik konulara her zamankinden daha fazla dahil eder. Bu nedenle ekip, insanlar üzerinde etkisi (herhangi bir etkisi olan) olabilecek algoritmaların önyargılardan etkilenmemesini sistematik olarak sağlamalıdır. Bu, iki şeyi kontrol ederek yapılabilir: Veriler yalnızca gerçekliği haritalandırır ve gerçekte var olan önyargıları yansıtmaz.
Söylemesi yapmaktan daha kolay.
Çeşitlendirilmiş çalışanları işe almak, ilgili sosyal geçmişlerin haritalandırmasını keşfedebilir, ancak STEM kurslarının (bilim, teknoloji, mühendislik ve matematik) mevcut yapısı göz önüne alındığında, bunu başarmak zordur. Ya da, hem veri biliminde hem de beşeri bilimlerde yetkin olan ve bilinmeyeni kara kutuda, yani yapay zekanın yaratabileceği şeyi bulabilen ender bir tek boynuzlu at olan "önyargı dedektifi" kiralayabilirsiniz.
5. Bu projeyi birlikte yapan oldu mu?
Yapay zeka alanındaki yetenekler az ve teknoloji devleri tarafından tekelleştiriliyor. En son rapora göre, şu anda dünyada yalnızca 22.000 doktora düzeyinde uzman en yeni algoritmalar geliştirebilir. Büyük teknoloji şirketleri tarafından istihdam edilmeyen yetenekleri işe almak pahalı ve çok pahalıdır.
Ancak bu, girişimci bir ekibin güzel şeyler yaratmasına engel olmamalıdır. Daha önce de belirtildiği gibi, iyi yapay zeka, benzersiz algoritmalardan çok benzersiz verilerle ilgilidir. Artık herhangi bir veri analisti, geliştiricisi ve ortağı kendilerine temel bilgileri öğretmek için birçok açık kitaplığı kullanabilir ve kısa bir süre sonra şirket patronlarını çılgın işe almaya ikna etmek için bazı başarılar elde edebilirler (TensorFlow ile başlamanız önerilir).
Önümüzdeki birkaç yıl içinde, herkesin bazı veri bilimlerini anlaması çok muhtemeldir, çünkü bu çok sayıda çalışan için kolektif bir beceri haline gelebilir (örneğin, Office'in nasıl kullanılacağını bilmek gerekli bir beceridir).
6. Hiyerarşiyi değiştirmeniz gerekiyor mu?
Bir şirketin düzinelerce yetenekli iş süreci sahibi (genellikle popüler olmayan ancak kritik), geliştiricileri, doktora düzeyinde uzmanları ve veri bilimcileri olsa bile, işbirliği olmadan bir projeyi tamamlamak çok zor olacaktır.
Öncelikle yetenekler yoğunlaşmazsa çalışanın iş tatmini çok düşük olacaktır çünkü aynı amaca sahip kişiler birlikte çalışmak insanları daha motive edebilir. İkincisi, veri bilimi tüm hava koşullarında iş iletişimi için veri istatistikleri, hesaplamalar ve iş koşulları gerektirir, bu nedenle bu insanların açık alana ihtiyacı vardır. Üçüncüsü, eğer tüm bu yetenekli çalışanlar farklı patronlar için çalışırsa, o zaman farklı hedefler, yanlış anlamalar ve ofis politikalarının ortaya çıkması muhtemeldir.
BT çatışmaları ve şirket kavgaları yalnızca verimsizliğe yol açacaktır.
Anahtar, yönetim yaklaşımını değiştirmektir.
7. Çalışanlar Luddite olacak mı (işsizlikten korkan ve makinelere karşı çıkan insanlar)?
Herkes makine otomasyonu ve iş gücü fazlalığı hakkında hikayeler duymuştur ve bu hikayelerin çoğu doğrudur. Bir yapay zeka projesi duyurulduktan sonra, bu organizasyon içinde belirli bir derecede korku anlamına gelebilir. "Bu işin yerini alacak mı?" "Daha fazla eğitim almam mı yoksa işten çıkarılmam mı gerekiyor?" "Önceki kararı veren departman başka bir departmanla değiştirilmeli mi?".
Değişiklikler insanlar tarafından nadiren hoş karşılanır. Bu, yukarıdan aşağıya eğitim ve aşağıdan yukarıya istişarelerle başarılmalıdır. Bu zaman alabilir, ancak gereklidir.
Organizasyondaki tüm tarafların desteğini almak, projenin başarısı için kritiktir.
Ara sıra verilen dahili desteğe ek olarak, yalnızca bir veri bilimi hevesi değil, eksiksiz bir şirket kültürü olmalıdır.
Resim kaynağı: pexels.com/@rawpixel
8. Makul bir organizasyon yapısı var mı?
Organizasyon yapısı sorusu için yapılabilecek buzdağı, futbol, İtalyan inşaat mühendisleri, ekonomistler ve sosyologlar gibi pek çok metafor var ... Burada jambon, marul ve domatesli sandviç metaforunu kullanıyoruz: Bu iki dilim ekmeğin arasına domates, marul ve domuz pastırması konulduğunda, yüzlerce çalışan ve saatlerce araştırma ve geliştirme süresiyle bir süreç içinde olmak gibidir. Veri bilimi aşağı yukarı bu benzetmeyle aynıdır:
Algoritmanın çalışması% 10'dan az.
Aslında, algoritmanın içinde bulunduğu ekosistem, veri toplama, veri doğrulama, iş akışı yönetimi, hizmet altyapısı ...
Ancak bu, bu büyük ekosistemin yalnızca bir parçasıdır, bu sistem şunları içerir: API (uygulama programlama arayüzü), veri depolama, DataViz çözümü, süreç izleme, ağ güvenliği ...
Organizasyon içinde böyle bir yapı yoksa fark etmez, sıfırdan başlamak daha kolaydır. Bununla birlikte, mevcut bir mimari varsa, bazı fedakarlıklar yapılması muhtemeldir.
9. Düzenleyici engeller var mı?
Şu anda, dünya çapında yapay zeka ve yasal gereklilikler konusunda düzinelerce üst düzey tartışma yapıldı. Derin sahtecilik, yüz tanıma, karanlık mod, otonom silah sistemik önyargısı, vb. Çok çeşitli etkilere sahip olacak ve kontrol edilmezse milyonlarca insana zarar verebilir. Yakında, bu konularla ilgili hükümet düzeyindeki tartışmalar binlerce kez ulaşacak ve algoritmanın adaletini, güvenliğini ve şeffaflığını sağlamak için birden fazla yasanın çıkarılması muhtemeldir.
Bu da bekleniyor.
Ancak bu, yapay zeka projelerinin genellikle bilinmeyen yasal alanlara sürüklendiği ve belirli bir anda tam yasal denetime tabi tutulabileceği anlamına geliyor. Sadece mevcut düzenlemeleri gözden geçirmekle kalmamalıyız, aynı zamanda formüle edilen düzenlemeleri de anlamalıyız Bu her zaman kurumsal dünyanın odak noktası olmuştur ve gelecekte de aynı olacaktır.
10. Yeterli zaman var mı?
Doğru verileri toplamak, doğru kişileri işe almak, sistemi ve çalışanları yeniden düzenlemek çok zaman alıyor. Dolayısıyla yapay zeka şirketine dönüşerek kendini kurtarmayı başaramayan bir şirket için aptallıktır.
Aslında, bir şirket zamana duyarlı bir kriz içindeyse, yapay zeka çözüm olmayabilir.
Bu, bir strateji formüle ederken gerici düşünmekten kaçınmanın gerekli olduğunu gösterir, çünkü bu yaklaşım, şirketin kısa ömürlü hayatta kalmasında umarım durumu tersine çevirmesine izin verir.
Bu döngüyü tamamlamak için stratejik alana geri dönün.
Yorum Beğen Takip Et
AI öğrenme ve geliştirmenin kuru mallarını paylaşalım
Tam platform yapay zeka dikey öz medya "temel okuma tekniği" ni takip etmeye hoş geldiniz
