3 fasi di un progetto AI in italiano semplice
Questo articolo parla delle fasi tecniche di un progetto AI. Mostra un processo attuabile , incluso chi assumere e quando. Non presuppone alcuna conoscenza preliminare e mira a essere scritto semplicemente.
Prima di iniziare il primo passo, è necessario assicurarsi che valga la pena perseguire l’intelligenza artificiale per la propria organizzazione. Sentire che è necessario utilizzare l’IA per rimanere pertinenti va bene per la motivazione iniziale e non dovrebbe mai servire come giustificazione finale.
Invece, considera di definire il caso d’uso, di indicare il problema che risolve, di stimare il potenziale ROI e di valutare l’accesso a talenti e risorse. Il successo dipende anche dal buy-in organizzativo per creare l’ambiente giusto .
Se decidi di andare avanti, ci sono 3 grandi fasi. Le fasi appaiono in un ordine numerato, sebbene nella pratica vi sia sovrapposizione tra le fasi. Probabilmente dovrai anche tornare a un passaggio precedentemente completato per renderlo migliore.
Immaginiamo ora che stiamo iniziando un progetto di intelligenza artificiale insieme.
- Ottieni dati di alta qualità
Iniziamo raccogliendo una risorsa preziosa: i dati.
Ottenere dati di alta qualità è di gran lunga il passo più importante in tutto il nostro progetto. Ed è spesso il più ignorato .
Se la nostra organizzazione non ha già dati, iniziamo raccogliendone alcuni. Le fonti di dati includono Internet, i nostri utenti e sensori. La raccolta spesso inizia come un evento unico e nel tempo viene eseguita in modo regolare.
Una volta che otteniamo alcuni dati, è probabilmente spazzatura. E un detto comune sull’intelligenza artificiale è “immondizia, immondizia”. I nostri risultati sono limitati dalla qualità dei nostri dati.
I dati dal mondo reale sono disordinati. È incompleta. Ha degli errori. È spesso duplicato. E dobbiamo affrontare questi problemi prima di andare oltre. Dobbiamo prima pulire i dati della spazzatura in dati di alta qualità.
In questa fase, avrai bisogno di qualcuno come un analista di dati o uno scienziato di dati . Se desideri raccogliere dati su una pianificazione regolare, aggiungi un ingegnere del software e possibilmente un amministratore del database . - Esegui esperimenti
Non sappiamo mai cosa funzionerà fino a quando non funziona.
Possiamo immaginare che un particolare tipo di AI funzionerà per i nostri dati e quindi non riuscirà a fornire i risultati desiderati. E possiamo immaginare che un tipo diverso non funzionerà bene e si comporta oltre i nostri sogni più sfrenati.
Il punto è che le teorie e le intuizioni vanno solo così lontano. Dobbiamo sporcarci le mani per vedere cosa funziona davvero nella pratica. Fortunatamente, è facile provare molti tipi diversi in qualche luogo tra poche ore e alcuni giorni.
Ci sono limiti reali al modo in cui la migliore performance attuale. A volte l’attuale migliore non è abbastanza buono per andare avanti. È meglio scoprirlo prima di iniziare con il sollevamento pesante del terzo gradino. Pensa a questa fase come a rischiare l’investimento.
Nel tempo, quando i ricercatori inventano nuovi tipi di IA, i risultati naturalmente migliorano. E una volta ottenuti grandi risultati, siamo pronti per passare al passaggio successivo.
In questa fase, avremo bisogno di qualcuno come un ingegnere di machine learning o uno scienziato di dati . Idealmente, questa sarebbe la stessa persona responsabile del primo passo perché c’è un avanti e indietro tra il primo e il secondo passo. Probabilmente otterremo risultati migliori pulendo ulteriormente i nostri dati. - Costruisci per il mondo reale
Creiamo valore inserendo ciò che funziona nel mondo reale.
Finora, i nostri esperimenti sono stati una tantum. Questo approccio funziona bene per i test rapidi e non funziona bene per ripetere più volte. E in genere vogliamo che la nostra IA ripeti regolarmente alcune attività.
La soluzione è costruire un’infrastruttura in grado di gestire grandi dossi, errori imprevisti e attacchi dannosi. Questo processo è un lavoro serio. Abbiamo sicuramente bisogno di una squadra ora, mentre i due passaggi precedenti potrebbero essere potenzialmente eseguiti da un individuo.
La prima preoccupazione dovrebbe essere la difesa dagli attaccanti. Le organizzazioni che creano valore dall’intelligenza artificiale di solito possiedono dati sensibili. Una violazione dei dati può affondare un’organizzazione più piccola o danneggiare in modo permanente la fiducia dei suoi clienti . È una battaglia in corso: mentre gli attaccanti imparano più modi per attaccare, i difensori devono imparare più modi per difendersi. Quindi, le difese devono essere aggiornate regolarmente da qualcuno come un ingegnere della sicurezza o un analista della sicurezza .
Se la sicurezza informatica costituisce le difese, i tubi formano la spina dorsale dell’infrastruttura. Trasportano dati da un luogo all’altro come tubi che trasportano acqua. Occasionalmente, un tubo potrebbe iniziare a perdere o a bloccarsi. Abbiamo bisogno di ingegneri di dati per assicurarci che i dati continuino a scorrere senza problemi attraverso i tubi.
Abbiamo anche bisogno di un posto dove archiviare tutti questi dati che fluiscono attraverso i tubi. Potremmo voler eseguire nuovi esperimenti sui vecchi dati o potremmo voler raccogliere regolarmente nuovi dati. I database offrono un modo affidabile per archiviare i dati per uso futuro. Un amministratore del database si assicura che tutti i dati siano contabilizzati e memorizzati correttamente.
Un’altra parte importante sta mettendo l’IA da qualche parte dove può essere utilizzata. Questo potrebbe essere metterlo su un server cloud dove può essere utilizzato tramite un browser Internet come Chrome. O potrebbe essere in un’applicazione software installata come Microsoft Word. Dipende dal caso d’uso. Gli sviluppatori Web sono i più adatti per i primi e gli ingegneri software per i secondi.
Infine, abbiamo bisogno di un modo per vedere i risultati dell’IA. Pensa a mezzi come un sito Web, una dashboard o un’app. Un designer UX si assicura che il prodotto soddisfi l’utente, indipendentemente dal mezzo. I siti Web e le dashboard possono utilizzare gli sviluppatori front-end . Le app richiedono sviluppatori mobili .
Tieni presente che tutte le infrastrutture richiedono manutenzione nel tempo. Proprio come un’auto si guasta nel tempo senza riparazioni, così anche l’infrastruttura AI. Investire in anticipo nella manutenzione mantiene il progetto senza intoppi con interruzioni minime.
Potremmo trovare un candidato che può indossare più cappelli, almeno all’inizio della costruzione dell’infrastruttura. Ad esempio, gli ingegneri del software possono spesso fungere da amministratori di database. Con il passare del tempo, il progetto ha probabilmente senso coinvolgere qualcuno dedicato alla manutenzione del database.
Sommario
Innanzitutto, assicurati che valga la pena perseguire l’intelligenza artificiale per la tua organizzazione. Se sei pronto per andare avanti, valuta in quale fase ti trovi attualmente:
Raccogli quanti più dati possibili di alta qualità
Eseguite esperimenti per vedere cosa fa il lavoro e ciò che fa , non funziona
Metti ciò che funziona nel mondo reale con l’ infrastruttura
Ogni fase richiede competenze diverse. Assumi in modo appropriato in base alla fase in cui è attualmente la tua organizzazione.
Preparati a mantenere l’infrastruttura come faresti con una macchina cara. Fallo controllare regolarmente e investi in riparazioni che prevengono problemi più costosi lungo la strada - di Erica Yates