社区编辑申请
注册/登录
如何定义和搭建可靠人工智能系统的规则?
人工智能 机器学习
几十年来的发展普及,让初创公司和创业者已经养成了将人工智能和机器学习融入几乎每一个项目的习惯。大家利用人工智能和机器学习目的是提高效率和速度,但你知道吗,不可靠的人工智能系统也许弊大于利。

 本文转载自公众号“读芯术”(ID:AI_Discovery)

几十年来的发展普及,让初创公司和创业者已经养成了将人工智能和机器学习融入几乎每一个项目的习惯。大家利用人工智能和机器学习目的是提高效率和速度,但你知道吗,不可靠的人工智能系统也许弊大于利。

随着人工智能普遍化,越来越多的机构正在追求实现模型搭建和数据预测,但很少有人恰当地运用人工智能。据Gartner预测,到2022年,85%的AI项目会因为数据、算法或项目管理团队的偏见而产生错误的结果。就像产品需要设计系统、信息传递需要品牌图书一样,收集数据和搭建AI模型也需要组件和过程来确保一致性。

本文我们就将讨论人工智能在组织和个人项目中的好处,人工智能不应该出现在每个项目中的原因,以及如何搭建可靠的人工智能系统。

什么是人工智能系统?

人工智能系统是有效地使用和扩展人工智能的过程基础架构。就像设计系统一样,AI系统包含从组织搭建到维护的完整过程。可靠的AI系统是准确无偏的,安全并能节省收集数据到部署算法的时间。

在搭建AI系统之前要处理的4件事

人工智能和机器学习可以完成这么多复杂的任务,但组织和个人在产品和服务投入人工智能和机器学习前需要注意以下一些问题:

  • 使用案例:任何系统——无论多么智能——都不是全能的,人工智能应该致力于解决具体案例的问题而不是笼统问题。在每一种情况下,在试图搭建人工智能系统之前,必须明确需解决的问题,然后努力解决这个特定的问题。试图用人工智能来解决世界上所有的问题绝对是不切实际的。
  • 隐私:任何时候都应遵守数据隐私法。为搭建牢固的智能系统,组织和个人可能需要来自客户、顾客、员工和其他人的大量数据,但并不是每个数据都可访问以供使用。一些数据受到一系列名为数据隐私法的法律保护,若是违反则会产生严重的法律后果。

在尝试从客户或员工处收集或使用任何类型的数据之前,请确保你具有这样做的权限。如果没有收集和使用某些数据所需的权限,请要求客户或员工签署合同,明确授予你收集或使用他们的数据的权限。

  • 安全:人工智能中的安全性涉及利用人工智能来识别和阻止网络威胁,其中所需的人工干预比传统安全方法通常预期或需要的要少,这种安全的重要性在于保护任何使用该系统的人的机密数据。任何一个宁愿牺牲用户机密数据的安全智能系统都需要受到审查。
  • 偏见和不平等:任何寻求开发由人工智能或机器学习驱动的产品或提供服务的组织或个人都有唯一的责任,确保他们正在开发的产品或服务向拥有访问该系统的合法权利的各种人提供所需的服务。该系统在任何时候都不应有性别、肤色、种族或族裔方面的偏见,所提供的服务应以应有的比例平等提供。

一个智能系统的质量取决于用于训练它的数据质量。为了确保智能系统中的偏见和不平等得到很好的处理,请确保使用各类所需的良好数据对其进行训练。

如何知道是否应该使用AI

人工智能和机器学习已经存在很长一段时间了,几乎每个人都知道这些技术的能力和潜力,请看看下面这组数据:

  • 54%的高管表示,在企业中实施人工智能解决方案已经提高了生产率。
  • 61%的拥有创新战略的企业高管表示,他们正在使用人工智能来识别数据中可能错过的机会。
  • 36%的高管表示,人工智能的主要目标是通过自动化任务来解放员工,使他们更具创造力。

人工智能的快速发展,令开发人员和雇主渴望在他们自己的项目中应用人工智能系统。在某种意义上这样做已经取得了惊人的成就,他们现在可以消除人为错误,在某些任务上更精准,许多工作能够自动化,预测未来的价值,并能探测到欺诈活动和潜在的问题。

然而,人们忘记了并非所有的问题都可以通过人工智能来解决,有些事情最好不要受到人工智能的干扰。

不要屈服于机器学习热

正如阿比吉特·纳斯卡尔所说:“人工智能不会摧毁这个星球,不负责任的人类智能则会这样做。”

人工智能和机器学习非常有用,但不适用于每个项目。用机器学习来解决简单的问题就像用链锯来切面包一样。一些问题只需简单的编程逻辑来解决,而另一些问题则需要复杂得多的解决方案。

如果有简单的替代方案可以解决你的问题,就选那个,可以用OOP轻易解决的问题就不要浪费时间和精力去搭建一个智能系统。

此外,在开始人工智能项目之前,确保你已经仔细地了解了人工智能带来的问题和潜在风险。就这些问题和风险确保你限定的路径,并保持开放的心态。

如果你决定使用人工智能,请遵循以下规则

定义实现AI系统的路径:任何试图将在新的或现有的项目中搭建或实施人工智能系统的组织或个人,首先应该识别他们想要用人工智能解决的问题。人工智能是用来解决问题的,不是随便用来增加项目审美性的玩物。

第二点要做的就是熟悉AI的特定分支的概念,你必须使用它来完成你的工作。当这一切都完成后,数据收集和保留计划就必须到位。我们已经确定,任何智能系统都只能与用于培训它的数据一样智能,你的数据收集和保留策略应该是一流而且非常强大的。

最后,无论你正在搭建或实现什么系统,都应该谨慎细致对待。该系统应该通过数据输入很好地平衡学习和发展并且解决它要解决的问题。

  • 处理人工智能的道德问题:由于人工智能的使用受到许多关注,最实际的方法将是采用一套通常称为人工智能道德的原则。这些道德是一套标准化的原则,确保我们使用人工智能的目的是普遍可接受的,并遵守所有关于人工智能使用的隐私法律。遵守人工智能道德规范也会使你成为一个专业的开发人员或组织。
  • 知道好的人工智能系统是什么样的:由于人工智能的主要目的是使工作更简便快速,好的人工智能系统应该满足使工作更容易和更快的标准,以令人印象深刻的准确性或精确性完成复杂的任务,并最终提高任何给定组织的生产力。简言之,一个好的AI系统可以毫不费力地完成它所分配的任务,并主要解决它所要解决的问题。

尽管人工智能的能力惊人,但如果不当使用,有时会弊大于利,一个平庸的人工智能系统不会起到帮助作用。而如果它的力量得到适当的利用,许多人类无法有效完成的复杂任务可以通过人工智能系统轻松地完成。

请善用人工智能。

 

 

责任编辑:华轩 来源: 读芯术
相关推荐

2022-08-02 20:26:16

人工智能制造业

2022-07-26 11:27:40

人工智能AIOps

2022-07-21 15:00:19

人工智能机器学习数据隐私

2022-06-08 14:30:14

人工智能算法偏差供应链

2021-04-01 15:30:35

人工智能

2022-03-14 10:20:15

人工智能学习高效

2021-07-19 10:33:21

2021-02-18 10:44:51

人工智能AI机器学习

2022-05-25 10:03:38

机器人智能家居

2022-07-20 11:32:09

人工智能人工智能算法

2022-07-01 12:33:45

2022-06-09 00:14:57

人工智能机器计算军事智能

2022-07-22 18:47:30

AIOmniverse

2022-07-22 15:01:49

人工智能智能制造

2022-06-09 16:35:31

人工智能安全数据暴露

2022-06-20 11:05:58

2022-07-04 15:29:59

人工智能机器计算机

2022-07-21 08:00:00

人工智能开发机器学习

2022-07-12 10:29:16

网络安全人工智能机器学习

2022-06-26 23:41:40

人工智能机器算法

同话题下的热门内容

专访字节跳动王明轩:机器翻译和人工翻译实质是两个赛道 | T前线人工智能(AI)、机器学习(ML)和深度学习(DL):有什么区别?合成数据:机器学习的未来机器学习必备:如何防止过拟合?​用 PySpark ML 构建机器学习模型机器学习中必学的四种交叉验证技术一文综述「联邦图机器学习」,概念、技术、应用全都有Wandb不可缺少的机器学习分析工具

编辑推荐

90%的码农即将失业,谷歌AI写的机器学习代码竟完爆程序员!使用TensorFlow构建LSTM模型详细教程深度学习和普通机器学习之间有何区别?一文读懂深度学习与机器学习的差异2018年值得关注的10种机器学习工具
我收藏的内容
点赞
收藏

51CTO技术栈公众号