ai人工智能开发
软件开发经理可能希望更多地专注于AI开发，而不仅仅是找到最新的算法。 热情只会使组织到目前为止。 从长远来看，软件开发经理将需要找到一种方法来改善其组织开发AI应用程序的方式。 应用程序开发人员和高管之间的沟通也需要转变，以建立与监管机构和客户的信任。
由管理团队确定合适的渠道，以将AI文化整合到他们的开发团队中，并成功地将IT组织的所有要素整合为各方的和谐关系。
专注于任务，而不是技术
西北大学计算机科学和新闻学教授，叙事科学首席科学家克里斯蒂安·哈蒙德（Kristian Hammond）说，IT高管沉迷于信息：人工智能将改变一切，但步伐还不够快，克里斯蒂安·哈蒙德（Kristian Hammond）说道。叙事。 随着高管努力跟上步伐，这可能导致恐惧，紧迫感和尴尬。 结果，许多高管就他们的AI文化和战略应该如何进行了毫无用处的对话。
与此同时，工程团队希望转向机器学习 ，供应商在其产品中推出了新的AI功能。 哈蒙德（Hammond）认为，从长远来看，人工智能将产生深远的影响，但许多人工智能项目将一路失败。
相反，IT高管应该做的是退后一步，专注于业务所需的功能，而不是发亮的新技术。 哈蒙德说：“问'这项技术有什么作用，对我有什么作用？'。 “功能取决于业务需求。”
外卖经理需要考虑的一个问题是，当他们尝试改善或创建应用程序时，如何从AI技术（例如分析，深度学习或文本处理）中受益。 哈蒙德说：“总是回到我们试图解决的业务问题以及与之相关的任务上。” 同样重要的是要认识到达到特定结果所需的条件以及对企业有用的功能。
成功需要正确的算法来处理业务可访问的数据。 并非总是很清楚数据对于特定用例而言是否足够干净，或者是否可以将其用于满足法规要求的新算法中。
高管还需要调查他们是否有有用的数据。 “我的猜测是，对于超过80％的问题，您没有数据，”哈蒙德说。 看起来数据存在于表面上，但是在拥有数据和以编程方式获得数据之间有很大的不同。
规模是另一个重要的考虑因素。 如果任务仅每季度执行一次，那么当下午可以由几个人完成任务时，就没有必要聘请工程师来解决AI问题。
将敏捷文化带入AI
英特尔AI产品软件产品负责人Jason Knight说，要有效地适当扩展机器学习和深度学习的能力，就需要有效构建的AI应用程序开发管道。 这种方法可以使Facebook每天执行300万亿次AI推理。 好消息是有很多可用的工具，但是对于软件开发经理来说，确定如何将其中的一部分组织到有效的AI管道中可能是一个挑战。 考虑跟踪数据和模型来源的方法以确保在需要时可以解释AI模型也很重要。
在某些方面，人工智能开发可以借鉴企业在敏捷应用程序开发流程中的现有经验。 工程师可能已经具有版本控制，测试和部署这些应用程序的背景。 但是，企业也需要弄清楚如何将这些现有实践扩展到数据。
例如，工程师精通如何使用GitHub等代码存储库对应用程序代码进行版本控制。 另一方面 ， CIO需要弄清楚如何对数据进行版本控制。 确定如何跟踪数据来源也很重要，这需要您知道数据的来源，并且知道何时可能包含可能影响根据此数据构建的AI模型的偏差。 但是，这些见解仍然相对较新。 奈特说：“不要过早与任何供应商紧密地联系在一起。”
建立AI基础架构
所有上述要求可以将AI的采用限制为单个部门或业务部门。 IDC欧洲软件部门副总裁Philip Carnelley表示：“人工智能将影响每个行业。 “但是目前，只有百分之几的公司在整个企业范围内都拥有人工智能。”
Carnelley指出希思罗机场的努力是一个模型，以模仿如何在企业中成功实施AI文化。 机场以最大容量运行，当天气问题导致航班延误和取消时，这可能会导致严重问题。 具体来说，一个挑战是，飞机降落时，与新人员进行边境管制可能需要大约半小时。
机场开始将所有数据提要放入一个数据湖中，以便他们可以创建响应速度更快的业务流程。 “他们拥有所有这些来源多年，但从未将它们整合在一起，”卡内利说。 “他们要做的是使用集成数据，并在顶部使用AI来改变行李处理等其他领域。”
当心新员工
阻碍AI增长的主要问题已从政策和战略转向数据问题，以及员工缺乏技能和员工抵制。 排名第一的技能问题与数据科学家的招聘有关。 IDC接受调查的高管中，只有少数几位表示他们聘用了经验丰富的数据科学家，他们对统计数据有着深刻的了解。 作为替代方案，其他企业转而求助于具有流行机器学习和深度学习框架的动手知识的软件工程师来构建其AI应用程序。 卡内利说：“这是一种可行的方法。”
与招聘应届大学毕业生的企业相比，企业可能希望考虑一种内部人员配备的方法 。 卡内利说，与他交谈过的一位首席信息官试图培训应届大学毕业生来构建AI应用程序，但是一旦他们有了一点经验，他们就会去找更好的工作。
结果，该首席信息官现在将其年长的员工接受了适当的背景培训，并对其进行了交叉培训，从而提高了员工保留率，并从这些人的投资中获得了更高的回报。
“我们认为那些能够蓬勃发展的人可以将信息转化为竞争优势。” 建立数据管道包括流程，组织和技术挑战。 “您必须在所有方面解决这个问题，”卡内利说。
使高管保持循环
伦敦一家AI设计公司After After Flood的创始人Max Gadney说，企业在AI文化方面面临的另一个新挑战在于AI科学家与高管之间的紧张交流。 AI中使用的基础算法可能难以解读，这给如何解释AI模型如何达到特定决策或如何促进系统性偏差提出了挑战。 解决此问题的方法需要更好的沟通实践和数据科学家的对话，这些科学家一直在建立模型直至董事会会议室。 加德尼说：“企业和董事会需要问这些问题，但是现在没有办法了。”
解决这一挑战的一种方法涉及将信任建立为设计问题。 企业需要考虑如何以一种表面不完美的方式显示用于创建算法的数据来源。 如果他们这样做，将使确定数据和基于它们的算法在哪些地方运行良好，以及在哪些方面业务，法规要求或消费者失败的方面变得更加容易。
如果企业围绕数据集的可靠性和有用性在企业中创建更好的标签，则企业可以做到这一点。 当新的AI应用程序是基于不完美的数据构建时，高管了解这一点很重要。 Gadney说：“人们非常需要了解这些系统是基于不完美的数据构建的。”
一家公司可能会注意到，用于批准贷款的算法可能会产生偏差 ，例如，即使从未使用种族来创建算法，也会针对基于邮政编码的特定种族产生偏见 。 如果图形与董事会共享，则还应包括参与其创建的AI研究人员的姓名。
这样的步骤将使高管们更容易获得有关数据问题的直接解释 ，从而消除了中层管理人员的筛选条件。 “那些无名英雄正在努力工作，需要与常常不知道他们坐在哪里的老板保持联系，”加德尼说。 “在某些时候，人工智能太复杂了，无法用图形解释。 让专家们的声音进入董事会非常重要。”
这些建议并不能解决所有AI文化问题，但有助于进行尽职调查并确定开发人员在数据处理方面遇到的困难。 这绝非易事，尤其是如果办公文化希望将问题归咎于个人。 加德尼说：“必须让某人负责，但他们需要知道，如果他们对事情诚实，就不会失去工作。”
ai人工智能开发
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
