AI專案這些致命錯誤,你都犯過嗎?
譯者| 布加迪
審校| 孫淑娟
#由於資料是人工智慧(AI)的核心,因此AI和機器學習(ML)系統需要足夠的優質數據來學習也就不足為奇了。一般需要大量優質數據,對於監督學習方法特別如此,才能正確訓練AI或ML系統。具體需要多少數據,取決於所實施的AI的模式、所使用的演算法以及內部數據與第三方數據等其他因素。比如說,神經網路需要大量資料來訓練,而決策樹或貝葉斯分類器不需要那麼多資料就能獲得高品質結果。
於是,你可能認為數據越多越好,對吧?請再想想。擁有大量數據(甚至EB級數據)的組織意識到,擁有更多數據並不代表如期望的那樣可以解決問題。確實,數據越多,問題越多。擁有的資料越多,需要清理和準備的資料就越多,需要標記和管理的資料就越多,需要加強安全、做好保護、減少偏差及其他措施的資料就越多。當開始增加資料量時,小專案會迅速變成大專案。事實上,大量數據往往會扼殺項目。
很顯然,識別業務問題與整理資料以解決該問題之間缺少的步驟是,確定需要哪些資料、實際需要其中的多少資料。需要足夠的數據,但切忌過多:不多不少剛剛好。遺憾的是,組織常常還沒有了解數據,就貿然上手AI計畫。組織要回答許多問題,包括弄清楚資料在哪裡、已經有多少資料、處於什麼狀態、資料的哪些特徵最重要、內外資料的使用、資料存取難題、增強現有資料方面的要求,以及其他關鍵因素和問題。如果不回答這些問題,AI專案可能會失敗,甚至淹沒在資料汪洋中。
1.更好地了解數據
為了了解自己需要多少數據,先要了解數據在AI項目的結構中所處的位置。有一種直觀的方式可幫助我們了解從數據中獲得的不斷增加的價值,那就是「DIKUW金字塔」(有時也叫「DIKW 金字塔」),它顯示了數據基礎如何透過資訊、知識、理解和智慧,幫助獲取更大的價值。
憑藉著堅實的資料基礎,你可以在下一個資訊層獲得更深的洞察力,這可以幫助你回答有關該資料的基本問題。一旦在數據之間建立了基本的聯繫以獲得資訊洞察力,就可以在該資訊中找到模式,了解各部分資訊如何連接在一起,從而獲得更深入的洞察力。組織可以在知識層的基礎上,進一步了解這些模式為何會出現,以獲得更多價值,幫助了解底層模式。最後,你可以在智慧層透過深入了解資訊決策的因果關係,從資訊中獲得最大的價值。
最近的這股AI浪潮最關注的是知識層,因為機器學習在資訊層之上提供了辨識模式的洞察力。遺憾的是,機器學習在理解層遇到了瓶頸,因為找出模式不足以進行推理。我們有機器學習,卻沒有了解模式為何會出現的機器推理。每當你與聊天機器人互動時,都能看到這個限制。雖然基於機器學習的自然語言處理(NLP)非常擅長理解人的語音、推測意圖,但它在試圖理解和推理時遇到了限制。比如說,如果你問語音助理明天要不要穿雨衣,它不明白你在問天氣。人類要向機器提供這種洞察力,因為語音助理不知道雨實際上是什麼。
2.保持資料意識,以避免失敗
#大數據已教導我們如何處理大量資料。不僅涉及資料如何存儲,還涉及如何處理、操作和分析所有這些資料。機器學習能夠處理組織收集的種種不同類型的非結構化數據、半結構化數據或結構化數據,從而增添了更多的價值。的確,最近的這股AI浪潮其實是大數據驅動的分析浪潮。
但正是因為這個原因,有些組織在AI方面遭遇重創。它們不是從以數據為中心的角度運行AI項目,而是專注於功能方面。為了駕馭AI專案並避免致命錯誤,組織不僅要更好地理解AI和機器學習,還要更好地理解大數據的幾個「V」。這不僅關乎有多少數據,還關乎數據的性質。大數據的其中幾個V包括:
- 數量:擁有的大數據的絕對數量。
- 速度:大數據變化的速度。成功運用AI意味著將AI運用於高速資料。
- 多樣性:資料可以有多種不同的格式,包括資料庫等結構化資料、發票等半結構化資料以及電子郵件、影像和視訊檔案等非結構化資料。成功的AI系統可以處理這種多樣性。
- 真實性:這是指數據的品質和準確性以及你對該數據的信任程度。垃圾進垃圾出,在數據驅動的AI系統中尤其如此。因此,成功的AI系統需要能夠處理變化很大的資料品質。
憑藉著數十年來管理大數據專案的經驗,AI方面取得成功的組織主要在大數據方面取得了成功。那些目睹AI專案失敗的組織常常以應用程式開發的思維來解決AI問題。
3.錯誤數據過多、正確數據不足在扼殺AI項目
#雖然AI項目起步是正確的,但缺乏必要的數據以及缺乏了解、未解決實際問題在扼殺AI項目。組織在沒有真正了解所需的數據和數據品質的情況下繼續前進,這帶來了真正的挑戰。
組織犯下這個資料錯誤的原因之一是,除了使用敏捷或應用程式開發方法外,它們在進行AI專案時沒有任何真正的方法。然而成功的組織已意識到,使用以數據為中心的方法將數據理解作為專案方法的第一個階段。 CRISP-DM方法已經存在了20多年,它將資料理解指定為確定業務需求後接下來要做的事情。基於CRISP-DM,並結合敏捷方法,AI認知專案管理(CPMAI)方法在第二個階段需要資料理解。其他成功的方法同樣需要在專案早期理解數據,因為AI專案畢竟是數據專案。如果在不了解數據的情況下開展項目,如何在數據基礎上建立成功的項目?這肯定是你要避免的致命錯誤。
原文連結:https://www.forbes.com/sites/cognitiveworld/2022/08/20/are-you-making-these-deadly-mistakes-with-your -ai-projects/?sh=352955946b54
#以上是AI專案這些致命錯誤,你都犯過嗎?的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

DMA在C 中是指DirectMemoryAccess,直接內存訪問技術,允許硬件設備直接與內存進行數據傳輸,不需要CPU干預。 1)DMA操作高度依賴於硬件設備和驅動程序,實現方式因係統而異。 2)直接訪問內存可能帶來安全風險,需確保代碼的正確性和安全性。 3)DMA可提高性能,但使用不當可能導致系統性能下降。通過實踐和學習,可以掌握DMA的使用技巧,在高速數據傳輸和實時信號處理等場景中發揮其最大效能。

使用C 中的chrono庫可以讓你更加精確地控制時間和時間間隔,讓我們來探討一下這個庫的魅力所在吧。 C 的chrono庫是標準庫的一部分,它提供了一種現代化的方式來處理時間和時間間隔。對於那些曾經飽受time.h和ctime折磨的程序員來說,chrono無疑是一個福音。它不僅提高了代碼的可讀性和可維護性,還提供了更高的精度和靈活性。讓我們從基礎開始,chrono庫主要包括以下幾個關鍵組件:std::chrono::system_clock:表示系統時鐘,用於獲取當前時間。 std::chron

交易所內置量化工具包括:1. Binance(幣安):提供Binance Futures量化模塊,低手續費,支持AI輔助交易。 2. OKX(歐易):支持多賬戶管理和智能訂單路由,提供機構級風控。獨立量化策略平台有:3. 3Commas:拖拽式策略生成器,適用於多平台對沖套利。 4. Quadency:專業級算法策略庫,支持自定義風險閾值。 5. Pionex:內置16 預設策略,低交易手續費。垂直領域工具包括:6. Cryptohopper:雲端量化平台,支持150 技術指標。 7. Bitsgap:

在C 中處理高DPI顯示可以通過以下步驟實現:1)理解DPI和縮放,使用操作系統API獲取DPI信息並調整圖形輸出;2)處理跨平台兼容性,使用如SDL或Qt的跨平台圖形庫;3)進行性能優化,通過緩存、硬件加速和動態調整細節級別來提升性能;4)解決常見問題,如模糊文本和界面元素過小,通過正確應用DPI縮放來解決。

C 在實時操作系統(RTOS)編程中表現出色,提供了高效的執行效率和精確的時間管理。 1)C 通過直接操作硬件資源和高效的內存管理滿足RTOS的需求。 2)利用面向對象特性,C 可以設計靈活的任務調度系統。 3)C 支持高效的中斷處理,但需避免動態內存分配和異常處理以保證實時性。 4)模板編程和內聯函數有助於性能優化。 5)實際應用中,C 可用於實現高效的日誌系統。

C 中使用字符串流的主要步驟和注意事項如下:1.創建輸出字符串流並轉換數據,如將整數轉換為字符串。 2.應用於復雜數據結構的序列化,如將vector轉換為字符串。 3.注意性能問題,避免在處理大量數據時頻繁使用字符串流,可考慮使用std::string的append方法。 4.注意內存管理,避免頻繁創建和銷毀字符串流對象,可以重用或使用std::stringstream。

在C 中測量線程性能可以使用標準庫中的計時工具、性能分析工具和自定義計時器。 1.使用庫測量執行時間。 2.使用gprof進行性能分析,步驟包括編譯時添加-pg選項、運行程序生成gmon.out文件、生成性能報告。 3.使用Valgrind的Callgrind模塊進行更詳細的分析,步驟包括運行程序生成callgrind.out文件、使用kcachegrind查看結果。 4.自定義計時器可靈活測量特定代碼段的執行時間。這些方法幫助全面了解線程性能,並優化代碼。

在MySQL中,添加字段使用ALTERTABLEtable_nameADDCOLUMNnew_columnVARCHAR(255)AFTERexisting_column,刪除字段使用ALTERTABLEtable_nameDROPCOLUMNcolumn_to_drop。添加字段時,需指定位置以優化查詢性能和數據結構;刪除字段前需確認操作不可逆;使用在線DDL、備份數據、測試環境和低負載時間段修改表結構是性能優化和最佳實踐。
