如何避免我們的AI癡迷于過(guò)度復(fù)雜的數(shù)據(jù)項(xiàng)目

在數(shù)據(jù)項(xiàng)目中，很多時(shí)候下意識(shí)的反應(yīng)是“盡可能多地投擲AI”。

鑒于AI的承諾，這是可以理解的。但這值得我們退后一步，在匆忙前先考慮問(wèn)題。為了有效地工作，必須以正確的方式將AI用于正確的應(yīng)用程序。

您不會(huì)使用精密的激光來(lái)裁縫服裝。它可以工作，但是會(huì)帶來(lái)不必要的成本和風(fēng)險(xiǎn)，并且與剪刀相比沒(méi)有任何實(shí)質(zhì)性的改進(jìn)。同樣，您不應(yīng)將復(fù)雜的AI用于可以簡(jiǎn)單解決的問(wèn)題。

如果確實(shí)需要處理諸如自動(dòng)駕駛汽車或Google的圖像搜索之類的大量復(fù)雜數(shù)據(jù)，則復(fù)雜AI很有用。但通常不是。

根據(jù)我的經(jīng)驗(yàn)，我看到了許多AI實(shí)例，因?yàn)樗强捎玫淖顝?qiáng)大的工具，而不是最合適的工具。充其量，這可能意味著浪費(fèi)時(shí)間和金錢做一些本來(lái)可以更快，更便宜的事情。在最壞的情況下，這可能意味著項(xiàng)目失敗或用戶不信任的難以理解的系統(tǒng)。

AI復(fù)雜性/故障問(wèn)題

AI應(yīng)用程序不像傳統(tǒng)的軟件應(yīng)用程序那樣運(yùn)行，傳統(tǒng)的軟件應(yīng)用程序被編程為以某種方式對(duì)某些輸入做出響應(yīng)。AI會(huì)攝取數(shù)據(jù)并了解其中的關(guān)系。更高的復(fù)雜性意味著更多的困惑和失敗機(jī)會(huì)。

常見(jiàn)的情況如下：組織有大量來(lái)自機(jī)器的傳感器數(shù)據(jù)-振動(dòng)，溫度，運(yùn)動(dòng)等。它希望使用它來(lái)預(yù)測(cè)機(jī)器何時(shí)可能發(fā)生故障。它構(gòu)建了一個(gè)神經(jīng)網(wǎng)絡(luò)來(lái)處理這些復(fù)雜的數(shù)據(jù)集，將其輸入并了解哪些傳感器測(cè)量組合與即將發(fā)生的故障相關(guān)。這可能是一個(gè)很好的方法，但是這種想法的問(wèn)題在于，它錯(cuò)過(guò)了尋找可能更好的解決方案的機(jī)會(huì)。

每個(gè)問(wèn)題的復(fù)雜程度不同，關(guān)鍵是使機(jī)器學(xué)習(xí)解決方案的復(fù)雜性與問(wèn)題的復(fù)雜性相匹配。學(xué)習(xí)過(guò)機(jī)器學(xué)習(xí)的任何人都將熟悉問(wèn)題復(fù)雜性，模型復(fù)雜性和模型錯(cuò)誤之間的權(quán)衡。

有時(shí)候，復(fù)雜的AI是正確的選擇。例如，圖像識(shí)別或自然語(yǔ)言通常具有太多的復(fù)雜數(shù)據(jù)，無(wú)法簡(jiǎn)單地做事。Google的圖片搜索效果不錯(cuò)，但任何搜索都將很快開(kāi)始顯示超出我們預(yù)期范圍的內(nèi)容。我們可能會(huì)接受以下觀點(diǎn)：在尋找購(gòu)物靈感時(shí)，而不是在發(fā)現(xiàn)需要立即關(guān)閉機(jī)器的情況時(shí)才接受。

絕大多數(shù)問(wèn)題并不那么復(fù)雜。“大量數(shù)據(jù)”與“大量復(fù)雜性”不同。更好的方法是“大量相關(guān)數(shù)據(jù)”。通常，解決當(dāng)前問(wèn)題所需的數(shù)據(jù)僅來(lái)自幾個(gè)傳感器。如果我們花時(shí)間識(shí)別那些關(guān)鍵數(shù)據(jù)集，我們可能會(huì)找到一個(gè)更準(zhǔn)確，更健壯的解決方案，其中包含可以快速構(gòu)建的簡(jiǎn)單模型。