人工智能需如何跨越“人工智能技術(shù)鴻溝”？

關(guān)于人工智能如何改善我們的生活以及如何讓企業(yè)進(jìn)步的那些故事，每天都會給我們帶來驚喜。人工智能已經(jīng)分析了X射線，為物聯(lián)網(wǎng)供電，并為銷售和營銷團(tuán)隊(duì)推薦下一步最佳行動計(jì)劃。它似乎還有無限的可能性。

但是在每個人工智能成功的故事背后，都有無數(shù)個項(xiàng)目死在實(shí)驗(yàn)室里。這是因?yàn)閷?a href="http://www.ttokpm.com/v/tag/557/" target="_blank">機(jī)器學(xué)習(xí)研究投入生產(chǎn)并且用它為客戶提供真正的價值通常比開發(fā)一個科學(xué)合理的算法更困難。在過去幾年里，我遇到的許多公司都面臨著這個挑戰(zhàn)，我稱之為“跨越人工智能鴻溝”。

在本文中，我將站在你的角度分享我在克服技術(shù)和產(chǎn)品困難時的四大教訓(xùn)，我最近在 ApacheCon 上提出了這些知識點(diǎn)。

人工智能技術(shù)鴻溝

新數(shù)據(jù)。 數(shù)據(jù)是人工智能的關(guān)鍵。例如，如果你想讓聊天機(jī)器人學(xué)習(xí)，你必須向其算法模型提供客戶請求和相應(yīng)的正確響應(yīng)的樣本數(shù)據(jù)。樣本通常是靜態(tài)化、結(jié)構(gòu)化的數(shù)據(jù)，如 CSV 的數(shù)據(jù)格式。

雖然你可以使用靜態(tài)數(shù)據(jù)集構(gòu)建很酷的人工智能演示，但真實(shí)世界中的人工智能算法模型需要新的數(shù)據(jù)進(jìn)行增量式的訓(xùn)練，使其隨著時間的變化而變得更聰明。這就是為什么公司應(yīng)該及早投資機(jī)器學(xué)習(xí)架構(gòu)，不斷收集新的數(shù)據(jù)，并使用它定期更新其人工智能模型。

實(shí)時數(shù)據(jù)的使用面臨著許多工程性挑戰(zhàn)，包括調(diào)度，不停機(jī)模型迭代，穩(wěn)定性和性能監(jiān)控。此外，如果新數(shù)據(jù)出現(xiàn)問題，您需要一種機(jī)制來回溯到先前的狀態(tài)，使我們到下一個點(diǎn)。

保證收集訓(xùn)練數(shù)據(jù)的質(zhì)量。公司應(yīng)該從一開始就考慮數(shù)據(jù)的質(zhì)量 － 特別是由用戶生成的數(shù)據(jù)。機(jī)器學(xué)習(xí)自動化是一件令人興奮的事，但它也可能適得其反。最近推特（Twitter）上有些聊天機(jī)器人變得很無賴，這是一個典型的自動化變差的例子。

在聊天機(jī)器人開始自由交談之前，它是利用公開的經(jīng)過模型化、清洗和過濾的數(shù)據(jù)進(jìn)行訓(xùn)練的。但是在機(jī)器人開始從與真實(shí)的人的不適當(dāng)?shù)慕涣髦羞M(jìn)行學(xué)習(xí)之后，它的推文的語氣迅速地變得更差。GIGO（garbage in， garbage out）是機(jī)器學(xué)習(xí)的基本規(guī)則，所以一個良好的人工智能系統(tǒng)能夠檢測出潛在的問題，并在需要人工干預(yù)的時候向管理員發(fā)出警報(bào)。

人工智能產(chǎn)品鴻溝

優(yōu)化正確的目標(biāo)。人工智能的成功取決于正確地定義你的預(yù)測問題。從一開始，你需要清楚地識別輸入查詢，輸出預(yù)測，并且分辨哪些預(yù)測是好的，哪些預(yù)測是壞的。數(shù)據(jù)科學(xué)家將使用這些評估指標(biāo)來確定人工智能模型的準(zhǔn)確性。

首先定下你的目標(biāo)。你想要最大限度地提高收入，創(chuàng)造更好的用戶體驗(yàn)，自動執(zhí)行手動任務(wù)或者其他任務(wù)？要想成功，現(xiàn)實(shí)世界的人工智能產(chǎn)品必須使用能夠準(zhǔn)確反映業(yè)務(wù)目標(biāo)的評估指標(biāo)。

Netflix 開展推薦算法競賽的故事給大家上了一課。一位新的電影評級算法的創(chuàng)作者被授予100萬美元獎金后，Netflix 無法在現(xiàn)實(shí)世界中大規(guī)模使用該算法，主要是因?yàn)閺?DVD 到視頻流的過渡使原始目標(biāo)失去意義。

設(shè)置指標(biāo)時，請記住三個關(guān)鍵要求。你需要確保：（1） 衡量什么是真正重要的事情；（2） 使用實(shí)時數(shù)據(jù)和新數(shù)據(jù)對結(jié)果進(jìn)行評估；（3） 以一種他們理解的、有價值的方式向利益相關(guān)者解釋結(jié)果。最后一個要求指出了人類和人工智能交互的關(guān)鍵點(diǎn)。

人類與人工智能交互。人類很復(fù)雜。 因此，當(dāng)他們與人工智能進(jìn)行交互時，會遇到在實(shí)驗(yàn)室中處理數(shù)據(jù)集時不會碰到的新挑戰(zhàn)。請注意，如果客戶不信任人工智能，就不會使用它驅(qū)動的產(chǎn)品。雖然你可以通過顯示預(yù)測模型的準(zhǔn)確性來嘗試建立信任，但大多數(shù)消費(fèi)者不能真正去關(guān)注可靠的科學(xué)指標(biāo)。

因此，你需要使用你的產(chǎn)品的用戶體驗(yàn)／用戶界面（UX ／ UI）來克服構(gòu)建信任的困難。例如，當(dāng)蘋果的Siri虛擬助手首次啟動時，它默認(rèn)是男性聲音還是女性聲音具體取決于用戶所在的國家和地區(qū)。谷歌的自駕車型以一副可愛和友好的面孔出現(xiàn)，以安撫那些擔(dān)心自己安全的客戶。記住，人們使用你的算法給你帶來的不是只有挑戰(zhàn)，還會給你提供解決方案。

實(shí)際上跨越人工智能的鴻溝并不是那么令人恐懼。當(dāng)你邁進(jìn)這個鴻溝時，要確保自己能夠制定一個良好的計(jì)劃去跨越它而不是跌落鴻溝。并且記住想要成為人工智能的先行者，你的公司必須要秉承客戶至上的原則。

本文作者 Simon Chan 是 PredictionIO 的前聯(lián)合創(chuàng)始人／首席執(zhí)行官，目前擔(dān)任 Salesforce Einstein 產(chǎn)品經(jīng)營的高級主管。