目次
反復についての考え方: 方法論と ML 運用
失敗は成功の母
ホームページ テクノロジー周辺機器 AI 失敗した AI プロジェクトの分析から何が学べるでしょうか?

失敗した AI プロジェクトの分析から何が学べるでしょうか?

Apr 08, 2023 pm 06:21 PM
機械学習 ai

AI プロジェクトの失敗は、多くの場合、大きなトラブルとは関係がなく、細部によって決まります。あらゆるエキサイティングな可能性に直面して、企業は最初に AI プロジェクトを立ち上げるとき、多くの場合自信に満ちています。ただし、特定の実装プロセス中に実際上の問題が発生すると、この熱意は簡単に消えてしまい、AI プロジェクトが棚上げされたり、最終的には失敗に終わったりする可能性があります。失敗を引き起こす一般的な問題の 1 つは、組織がプロジェクトの長期コストを正確に考慮していないことです。経営陣はプロジェクトの初期費用のみを計算し、その後のメンテナンスや更新費用には注意を払っていませんでした。

調査会社 Cognilytica は、数百の失敗した AI プロジェクトの包括的な分析を実施し、多くの組織が AI プロジェクトのライフサイクルの継続性を認識していないことに気づきました。組織は多くの場合、データの準備、クリーニング、モデルのトレーニング、データのラベル付け、モデルの評価、反復要件など、プロジェクトの最初の数回の反復にのみ予算を割り当てますが、継続的な反復では予算を維持できません。さらに、組織はモデルとデータの減衰を継続的に監視し、必要に応じてモデルを再トレーニングし、将来のさらなる拡張と反復を考慮する必要があります。時間が経つにつれて、これは必然的に、AI プロジェクトに対する組織の期待投資収益率に逸脱、さらには不均衡をもたらすことになります。

失敗した AI プロジェクトの分析から何が学べるでしょうか?

モデルの継続的な反復のコストを検討するとき、誰もがどのような思考プロセスを経験しましたか?ほとんどの組織が直面している課題は、AI プロジェクトを 1 回限りの概念実証またはパイロット アプリケーションと見なす傾向があり、モデルの継続的な評価と再トレーニングのために資金、リソース、人材の一部を確保することを考慮していないことです。しかし、典型的なデータ駆動型プロジェクトとして、AI は決して 1 回限りの投資ではありません。人々は、モデルが運用開始されると、モデルの反復と開発に資金、リソース、人的資源を割り当て続ける必要があることに気づいていないかもしれません。

したがって、モデル構築のコストのみを考慮している組織は、プロジェクトの開始後にさまざまな問題に遭遇することになります。 AI プロジェクトのコストと投資収益率を例に挙げると、AI プロジェクトの所有者は、モデルの維持にどれだけのコストがかかるか、その後のデータの準備やモデルの反復にどれだけのリソースを投資する意思があるかに注意を払う必要があります。

成功する AI プロジェクトに共通することの 1 つは、その機能が一度にすべて提供されるわけではないということです。対照的に、成功したプロジェクトは、AI ソリューションを明確な開始点と終了点のない継続的な反復サイクルとして捉えます。サイバーセキュリティ プロジェクトが 1 回限りのプロジェクトではないのと同様に、AI などのデータ駆動型プロジェクトも、変化する現実とデータの変化に確実に適応するために継続的に運用する必要があります。データ ドリフトとモデル ドリフトは避けられないため、最初はうまく機能したモデルでも時間の経過とともに徐々に失敗する可能性があります。さらに、組織自体が発展するにつれて、AI アプリケーションの専門知識とスキル、ユースケース、モデルとデータは更新され、変化し続けます。

さらに、世界経済や世界構造も予期せぬ形で変動しています。その結果、非常に複雑な AI プロジェクトを含む長期計画プロジェクトでは、必然的にそれに応じた調整が必要になります。小売業者は確かに、過去 2 年間に見られたサプライチェーンと労働市場のショックを予想できなかったでしょうし、企業も在宅勤務への急速な移行を予想できませんでした。現実世界やユーザーの行動が急速に変化すると、必然的にデータも変化するため、モデルも変化する必要があります。このため、データ ドリフトとモデル ドリフトを十分に考慮して、モデルを継続的に監視して反復する必要があります。

反復についての考え方: 方法論と ML 運用

組織がモデルの拡張または強化を計画する場合、元のモデルの反復メカニズムと一致する必要もあります。たとえば、北米の企業が購買パターン予測モデルを他の市場に拡張したい場合、新しいデータのニーズに適応するためにモデルとデータを継続的に反復する必要があります。

これらの要因は、モデルがデータ ソースやその他の重要な要素を正しく識別できるようにするために、組織が反復のための追加資金を提供し続ける必要があることを意味します。 AI で成功している組織は、AI プロジェクトの拡張を成功裏に完了するには、経験的に証明された反復的かつ機敏な手法に従う必要があることも認識しています。アジャイルな方法論とデータ中心のプロジェクト管理のアイデアに依存して、Cross-Industry Data Mining Process Standard (CRISP-DM) などは、反復的なプロジェクトで特定の重要なステップを見逃さないように AI 機能を強化し始めています。

AI市場の継続的な発展に伴い、「ML Ops」と呼ばれる新たな機械学習モデルの運用管理も求められ始めています。 ML Ops は、モデルの開発と使用、機械学習の運用とデプロイメントのライフサイクル全体に焦点を当てています。 ML Ops の手法とソリューションは、組織が継続的に進化する領域で AI モデルを管理および監視できるように設計されています。 ML Ops は、DevOps の開発中心のプロジェクト反復/開発アイデアと、刻々と変化する大規模なデータセットの管理における DataOps の管理経験を完全に吸収し、巨人の肩の上に立っているとも言えます。

ML Ops の目標は、モデル ドリフト、モデル ガバナンス、バージョン管理などの可視性に関するガイダンスを組織に提供し、それによって AI プロジェクトの反復を支援することです。 ML Ops は、誰もがこれらの問題をより適切に管理できるように支援します。現在、市場にはさまざまな ML Ops ツールが溢れていますが、ML Ops は DevOps と同様に、考えなしに問題を解決するためにお金を費やすのではなく、組織が自ら物事を行うことを主に強調しています。 Ml Ops のベスト プラクティスは、モデル ガバナンス、バージョン管理、検出、監視、透明性、モデルのセキュリティ/反復などの一連の側面をカバーしています。 ML Ops ソリューションは、同じモデルの複数のバージョンを同時にサポートし、特定のニーズに応じて動作をカスタマイズすることもできます。このようなソリューションは、厳密なガバナンスとセキュリティ管理原則を確保しながら、誰がどのモデルにアクセスできるかを追跡、監視、決定します。

AI 反復の現実的なニーズを考慮して、ML Ops はモデルの構築および管理環境全体の重要な部分になり始めています。将来的には、これらの機能が AI および ML ツール セット全体の一部となり、クラウド ソリューション、オープンソース製品、ML 機械学習プラットフォームなどのアプリケーション シナリオに徐々に導入されることが予想されます。

失敗は成功の母

ML Ops および AI プロジェクトの成功は、ベスト プラクティスのサポートと指導から切り離すことはできません。問題が原因で AI プロジェクトが失敗するのではなく、問題を正確に解決できないことが失敗の根本原因です。組織は、AI プロジェクトを反復的で段階的なプロセスとして捉え、AI 向けコグニティブ プロジェクト管理 (CPMAI) 手法と進化する ML Ops ツールを通じて、自社に合ったベスト プラクティスを徹底的に検討する必要があります。大きく考え、小さく始めて、継続的反復の概念を AI プロジェクトのライフサイクル全体を通して実行する必要があります。これらの失敗は決して物語の終わりではなく、新たな始まりです。

以上が失敗した AI プロジェクトの分析から何が学べるでしょうか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

このウェブサイトの声明
この記事の内容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰属します。このサイトは、それに相当する法的責任を負いません。盗作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡ください。

ホットAIツール

Undresser.AI Undress

Undresser.AI Undress

リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover

AI Clothes Remover

写真から衣服を削除するオンライン AI ツール。

Undress AI Tool

Undress AI Tool

脱衣画像を無料で

Clothoff.io

Clothoff.io

AI衣類リムーバー

AI Hentai Generator

AI Hentai Generator

AIヘンタイを無料で生成します。

ホットツール

メモ帳++7.3.1

メモ帳++7.3.1

使いやすく無料のコードエディター

SublimeText3 中国語版

SublimeText3 中国語版

中国語版、とても使いやすい

ゼンドスタジオ 13.0.1

ゼンドスタジオ 13.0.1

強力な PHP 統合開発環境

ドリームウィーバー CS6

ドリームウィーバー CS6

ビジュアル Web 開発ツール

SublimeText3 Mac版

SublimeText3 Mac版

神レベルのコード編集ソフト(SublimeText3)

vue.jsのストリングをオブジェクトに変換するためにどのような方法が使用されますか? vue.jsのストリングをオブジェクトに変換するためにどのような方法が使用されますか? Apr 07, 2025 pm 09:39 PM

vue.jsのオブジェクトに文字列を変換する場合、標準のjson文字列にはjson.parse()が推奨されます。非標準のJSON文字列の場合、文字列は正規表現を使用して処理し、フォーマットまたはデコードされたURLエンコードに従ってメソッドを削減できます。文字列形式に従って適切な方法を選択し、バグを避けるためにセキュリティとエンコードの問題に注意してください。

リモートシニアバックエンジニア(プラットフォーム)がサークルが必要です リモートシニアバックエンジニア(プラットフォーム)がサークルが必要です Apr 08, 2025 pm 12:27 PM

リモートシニアバックエンジニアの求人事業者:サークル場所:リモートオフィスジョブタイプ:フルタイム給与:$ 130,000- $ 140,000職務記述書サークルモバイルアプリケーションとパブリックAPI関連機能の研究開発に参加します。ソフトウェア開発ライフサイクル全体をカバーします。主な責任は、RubyonRailsに基づいて独立して開発作業を完了し、React/Redux/Relay Front-Endチームと協力しています。 Webアプリケーションのコア機能と改善を構築し、機能設計プロセス全体でデザイナーとリーダーシップと緊密に連携します。肯定的な開発プロセスを促進し、反復速度を優先します。 6年以上の複雑なWebアプリケーションバックエンドが必要です

vue.js文字列タイプの配列をオブジェクトの配列に変換する方法は? vue.js文字列タイプの配列をオブジェクトの配列に変換する方法は? Apr 07, 2025 pm 09:36 PM

概要:Vue.js文字列配列をオブジェクト配列に変換するための次の方法があります。基本方法:定期的なフォーマットデータに合わせてマップ関数を使用します。高度なゲームプレイ:正規表現を使用すると、複雑な形式を処理できますが、慎重に記述して考慮する必要があります。パフォーマンスの最適化:大量のデータを考慮すると、非同期操作または効率的なデータ処理ライブラリを使用できます。ベストプラクティス:コードスタイルをクリアし、意味のある変数名とコメントを使用して、コードを簡潔に保ちます。

Laravelの地理空間:インタラクティブマップと大量のデータの最適化 Laravelの地理空間:インタラクティブマップと大量のデータの最適化 Apr 08, 2025 pm 12:24 PM

700万のレコードを効率的に処理し、地理空間技術を使用したインタラクティブマップを作成します。この記事では、LaravelとMySQLを使用して700万を超えるレコードを効率的に処理し、それらをインタラクティブなマップの視覚化に変換する方法について説明します。最初の課題プロジェクトの要件:MySQLデータベースに700万のレコードを使用して貴重な洞察を抽出します。多くの人は最初に言語をプログラミングすることを検討しますが、データベース自体を無視します。ニーズを満たすことができますか?データ移行または構造調​​整は必要ですか? MySQLはこのような大きなデータ負荷に耐えることができますか?予備分析:キーフィルターとプロパティを特定する必要があります。分析後、ソリューションに関連している属性はわずかであることがわかりました。フィルターの実現可能性を確認し、検索を最適化するためにいくつかの制限を設定しました。都市に基づくマップ検索

MySQLインストール後にデータベースのパフォーマンスを最適化する方法 MySQLインストール後にデータベースのパフォーマンスを最適化する方法 Apr 08, 2025 am 11:36 AM

MySQLパフォーマンスの最適化は、インストール構成、インデックス作成、クエリの最適化、監視、チューニングの3つの側面から開始する必要があります。 1。インストール後、INNODB_BUFFER_POOL_SIZEパラメーターやclose query_cache_sizeなど、サーバーの構成に従ってmy.cnfファイルを調整する必要があります。 2。過度のインデックスを回避するための適切なインデックスを作成し、説明コマンドを使用して実行計画を分析するなど、クエリステートメントを最適化します。 3. MySQL独自の監視ツール(ShowProcessList、ShowStatus)を使用して、データベースの健康を監視し、定期的にデータベースをバックアップして整理します。これらの手順を継続的に最適化することによってのみ、MySQLデータベースのパフォーマンスを改善できます。

インストール後にMySQLの使用方法 インストール後にMySQLの使用方法 Apr 08, 2025 am 11:48 AM

この記事では、MySQLデータベースの操作を紹介します。まず、MySQLWorkBenchやコマンドラインクライアントなど、MySQLクライアントをインストールする必要があります。 1. mysql-uroot-pコマンドを使用してサーバーに接続し、ルートアカウントパスワードでログインします。 2。CreatedAtaBaseを使用してデータベースを作成し、データベースを選択します。 3. createTableを使用してテーブルを作成し、フィールドとデータ型を定義します。 4. INSERTINTOを使用してデータを挿入し、データをクエリし、更新することでデータを更新し、削除してデータを削除します。これらの手順を習得することによってのみ、一般的な問題に対処することを学び、データベースのパフォーマンスを最適化することでMySQLを効率的に使用できます。

VueおよびElement-UIカスケードドロップダウンボックスVモデルバインディング VueおよびElement-UIカスケードドロップダウンボックスVモデルバインディング Apr 07, 2025 pm 08:06 PM

VueとElement-UIカスケードドロップダウンボックスv-Modelバインディング共通ピットポイント:V-Modelは、文字列ではなく、カスケード選択ボックスの各レベルで選択した値を表す配列をバインドします。 SelectedOptionsの初期値は、nullまたは未定義ではなく、空の配列でなければなりません。データの動的読み込みには、非同期でデータの更新を処理するために非同期プログラミングスキルを使用する必要があります。膨大なデータセットの場合、仮想スクロールや怠zyな読み込みなどのパフォーマンス最適化手法を考慮する必要があります。

MySQLを解決する方法は開始できません MySQLを解決する方法は開始できません Apr 08, 2025 pm 02:21 PM

MySQLの起動が失敗する理由はたくさんあり、エラーログをチェックすることで診断できます。一般的な原因には、ポートの競合(ポート占有率をチェックして構成の変更)、許可の問題(ユーザー許可を実行するサービスを確認)、構成ファイルエラー(パラメーター設定のチェック)、データディレクトリの破損(テーブルスペースの復元)、INNODBテーブルスペースの問題(IBDATA1ファイルのチェック)、プラグインロード障害(エラーログのチェック)が含まれます。問題を解決するときは、エラーログに基づいてそれらを分析し、問題の根本原因を見つけ、問題を防ぐために定期的にデータをバックアップする習慣を開発する必要があります。

See all articles