亞馬遜最近推出的SageMaker人工智能服務(wù)，這是一個(gè)令人興奮的新的進(jìn)步，但該計(jì)劃卻并不完美。AI人工智能的創(chuàng)新技術(shù)與解決方案之間存在明顯差距，這些解決方案只有在特定的情況下，才有助于推動(dòng)業(yè)務(wù)增長(zhǎng)。使用像SageMaker這樣的產(chǎn)品就像擁有一輛全新的特斯拉型號(hào)S：這是一輛很棒的車(chē)，但如果你不會(huì)開(kāi)車(chē)的話，它就是一個(gè)巨大的電動(dòng)鎮(zhèn)紙。

我們使用一種名為“精益人工智能”的方法與客戶合作，我們的方法受到了許多其他流行過(guò)程的啟發(fā)，包括IDEO以人為中心的設(shè)計(jì)、敏捷軟件開(kāi)發(fā)、精益啟動(dòng)方法和CRICP-DM。精益人工智能有六個(gè)步驟：理解、設(shè)計(jì)、建模、獲取反饋、部署和驗(yàn)證。在這里，我將集中在三個(gè)關(guān)鍵的部分，任何企業(yè)家將需要遵循優(yōu)化人工智能。

1、工程師：注重實(shí)踐

因?yàn)锳I工程是軟件工程，所以您需要有著良好的實(shí)踐，例如源代碼控制、代碼評(píng)審和干凈的接口等等。許多數(shù)據(jù)科學(xué)家犯了“在沙箱里玩游戲”的錯(cuò)誤，但你應(yīng)該總是像生產(chǎn)一樣去構(gòu)建。我們實(shí)現(xiàn)的最重要的步驟之一就是使用Docker來(lái)利用容器化的數(shù)據(jù)科學(xué)。由此產(chǎn)生的開(kāi)發(fā)人員流程更干凈，更具有協(xié)作性，而且最終的生產(chǎn)力也要高得多。

人們開(kāi)發(fā)軟件的時(shí)間比設(shè)計(jì)人工智能解決方案的時(shí)間要長(zhǎng)得多，將現(xiàn)有的開(kāi)發(fā)和操作的實(shí)踐結(jié)果應(yīng)用于人工智能系統(tǒng)將使您的過(guò)程盡可能高效。

2、模式：從小規(guī)模開(kāi)始，然后擴(kuò)大規(guī)模

當(dāng)把人工智能融入到你的業(yè)務(wù)中時(shí)，可能性似乎是無(wú)窮無(wú)盡的。不要讓你的想象力發(fā)揮到極致，即使你有很大的計(jì)劃，你也要從簡(jiǎn)單地開(kāi)始并擴(kuò)大規(guī)模。采納Insight Data Science的人工智能負(fù)責(zé)人艾曼紐爾阿梅森(Emmanuel Amemen)的建議，Insight Data Science是一個(gè)博士后研究項(xiàng)目，與臉譜(Facebook)和zillow等硅谷大公司有聯(lián)系：最直接、最基本的層面上就能有效解決問(wèn)題，基線模型將始終如一地提供更好的最終產(chǎn)品，特別是對(duì)用戶而言。

我們?cè)谶^(guò)程中使用明確的規(guī)則，以保持簡(jiǎn)單性，特別是當(dāng)應(yīng)用于有監(jiān)督的學(xué)習(xí)問(wèn)題時(shí)，我們認(rèn)為應(yīng)該先確定幾個(gè)特性，以后可以添加更多的特性。我們總是先從分類開(kāi)始，然后再回歸-處理一組值，所以我們可以從更明顯的類錯(cuò)誤中學(xué)習(xí)。

3、獲得反饋：了解(許多)人類的想法

在一天結(jié)束的時(shí)候，人類必需要和你的人工智能進(jìn)行互動(dòng)，并理解它的意義，并且要知道什么時(shí)候人工智能是推薦合理的東西或搜索結(jié)果是相關(guān)的，要讓你的人工智能更快的出現(xiàn)在用戶面前。在我們的研究中，我們發(fā)現(xiàn)了兩種主要的模式：對(duì)人工智能的懷疑和對(duì)原始預(yù)測(cè)后處理的需要。

人工智能模型很少能立即獲得肯定，特別是在那些以前沒(méi)有使用過(guò)機(jī)器學(xué)習(xí)的人當(dāng)中?？山忉尩娜斯ぶ悄苋匀皇且粋€(gè)剛剛起步的領(lǐng)域，但是已經(jīng)有一些很棒的軟件包，比如TreeShap，可以解釋人工智能預(yù)測(cè)的“為什么”，這樣用戶就會(huì)感覺(jué)更舒服了。

我們還發(fā)現(xiàn)，人工智能的原始預(yù)測(cè)往往是不夠的，有必要構(gòu)建一個(gè)允許后期處理的用戶界面，以便用戶可以進(jìn)一步解決業(yè)務(wù)問(wèn)題。我們的客戶之一，一家領(lǐng)先的油田服務(wù)公司，有許多壓縮機(jī)機(jī)組在“壓力”的情況下運(yùn)行。雖然原始的人工智能預(yù)測(cè)正確地預(yù)測(cè)了這些設(shè)備很快就會(huì)失敗，但這對(duì)維護(hù)技術(shù)人員來(lái)說(shuō)并不是什么有用的信息。相反，他們希望找到過(guò)可能失敗的原因。

為了解決這個(gè)問(wèn)題，我們對(duì)原始預(yù)測(cè)的時(shí)間序列進(jìn)行了后處理，并構(gòu)建了一個(gè)用戶界面，只有一個(gè)單元的失敗概率發(fā)生重大變化時(shí)才向技術(shù)人員發(fā)出警報(bào)，這會(huì)減少誤報(bào)警，讓人工智能的效率提高。對(duì)我們來(lái)說(shuō)，用戶界面(UI)和人工智能一樣重要。

人工智能可以幫助企業(yè)將業(yè)務(wù)再提升一個(gè)層次，但現(xiàn)在的人工智能和機(jī)器學(xué)習(xí)仍處于相對(duì)初級(jí)階段，現(xiàn)在利用人工智能開(kāi)發(fā)出來(lái)的技術(shù)，可能得不到企業(yè)家的信任或者是會(huì)被過(guò)度高估而導(dǎo)致不好的結(jié)果，所以，遵循一種有目的、簡(jiǎn)單的、經(jīng)過(guò)測(cè)試的工程實(shí)現(xiàn)方法，比如精益人工智能，來(lái)釋放人工智能的真正潛力，這才是最好的選擇。