رفتن به متن اصلی
AriaHelpDesk
وبلاگ

انتخاب کاربردهای هوش مصنوعی که به‌صرفه باشند

بیشتر پروژه‌های آزمایشی هوش مصنوعی سر توان فنی شکست نمی‌خورند. سر اقتصاد، سر داده‌ای که هرگز آن‌قدر که فکر می‌کردیم تمیز نبود، یا سر فرایندی که کسی نمی‌خواست عوضش کند شکست می‌خورند.

۷ دقیقه مطالعهاستراتژیهوش مصنوعی

سوالی که معمولا از ما می‌پرسند نسخه‌ای از این است که از کجای هوش مصنوعی شروع کنیم. جواب صادقانه این است که نقطه شروع کمتر از فیلتری که به کار می‌برید اهمیت دارد، چون تفاوت میان پروژه‌ای که به محیط واقعی می‌رسد و پروژه‌ای که بی‌سروصدا متوقف می‌شود، به‌ندرت مدل است.

سه راهی که یک کاربرد از بین می‌رود

  • اقتصادش از اول جور نبود. کار به‌صورت دستی ارزان بود و سیستم برای هر بار اجرا بیشتر از آدمی که جایگزینش می‌شود هزینه دارد.
  • داده آن چیزی نبود که همه فرض می‌کردند. وجود دارد، ولی ناهماهنگ است، مستند نیست، یا در سیستمی گیر افتاده که کسی نمی‌خواهد دستش بزند.
  • فرایند قرار نبود عوض شود. خروجی خوب است و کسی استفاده نمی‌کند، چون استفاده از آن یعنی یک نفر کارش را جور دیگری انجام بدهد و کسی با این موافقت نکرده بود.

توجه کنید هیچ‌کدام از اینها درباره این نیست که فناوری از پس کار برمی‌آید یا نه. آن سوال معمولا ساده‌ترین سوال است و بیشترین توجه را می‌گیرد.

فیلتری که جواب می‌دهد

قبل از نوشتن هر خط کد، هر گزینه را روی سه محور امتیاز بدهید. ارزش: واقعا چقدر زمان یا پول آزاد می‌کند، با عددی که بتوانید جلوی مدیر مالی از آن دفاع کنید. آمادگی داده: آیا همین ماه می‌توانید یک مجموعه ارزیابی قابل قبول جمع کنید، بدون اینکه خودش یک پروژه شود. ریسک: وقتی اشتباه کند چه می‌شود و چه کسی متوجه می‌شود.

هر چیزی که در آمادگی داده امتیاز بدی بگیرد، هنوز پروژه هوش مصنوعی نیست. یک پروژه داده است که پشتش پروژه هوش مصنوعی قرار دارد و ترتیب درست این دو، پول زیادی صرفه‌جویی می‌کند.

از جایی شروع کنید که اشتباه کردن قابل تحمل باشد

بهترین کاربردهای اول معمولا یک آدم در مسیر دارند، خروجی ناقص را تحمل می‌کنند و معیار روشنی دارند برای اینکه بفهمیم کمک کرد یا نه. پیش‌نویس نوشتن به جای تصمیم گرفتن. خلاصه کردن به جای اقدام کردن. پیشنهاد دادن به جای ارسال کردن.

این محافظه‌کاری نیست. واقعیت این است که شکل مسئله، وضع داده و آمادگی تیمتان را از یک سیستم واقعی خیلی سریع‌تر یاد می‌گیرید تا از یک نمونه آزمایشی در محیط تست.

اول تصمیم بگیرید چه چیزی را اندازه می‌گیرید

پیش از ساخت، سر عدد توافق کنید. دقیقه صرفه‌جویی‌شده به ازای هر مورد، سهم پیش‌نویس‌هایی که بدون ویرایش پذیرفته می‌شوند، کاهش زمان تا اولین پاسخ. بنویسیدش و از روز اول اندازه‌گیری را نصب کنید. سیستمی که این عدد را ندارد، وقتی کسی بپرسد چقدر خرج برمی‌دارد قابل دفاع نیست، و آن سوال همیشه می‌آید.