作者:Arnault
编译:ronghuaiyang
导读
如何把你的人工智能想法转化为可用的软件。
建立一个 AI PoC 是困难的。在这篇文章中,我将解释我的思维过程,使我的人工智能 PoCs 成功。
“我的闹钟能不能利用交通信息及时叫醒我去上班?”我们都想过求助于人工智能来解决我们的一个问题。概念证明(PoC)的目标是测试是否值得在其中投入时间。构建 PoC 是困难的,但构建 AI PoC 则更加困难,因为它需要大量的技能。
在构建 AI PoC 时,数据科学只是工作的一小部分,但它是最重要的技能之一。很容易找到一些非常好的教程来教你如何解决一个特定的任务,如何构建一个检测算法来停车入库。如何部署一个 flask app 到云上。但是,为你的特定问题设计一个解决方案要困难得多,这主要是因为你需要后知后觉地将问题重新组织成标准化的任务。
在这篇文章中,我将解释我实现这一目标的方法。
首先,我将回顾一下人工智能系统是什么样子的。然后,我将描述我设计一个人工智能的 3 个步骤的过程。最后,我们将看到两个示例,一个简单的示例和一个完整的带有 python 实现的示例。
人工智能系统概述
作为一个例子,我将使用一个分类文件的系统来说。它回答的问题是,“这是什么类型的文件?答案是类似于“电子发票”或“待办事项”这样的类。
AI 工作流程包含 5 个步骤:
- 收到问题:“这是什么类型的文件?”
- 在用户或上下文中添加补充数据:“用户拥有什么类型的文件?”
- 使用数据回答问题:“这个文件属于哪种类型?”,"这是能源发票"
- 存储结果:添加新文件到数据库
- 回答客户的问题:“这是能源发票”
你可以把它分成 3 个任务或语义块:
- 处理客户:接受问题,让他等待……示例:HTTP 服务器
- 数据调取:与“公司知识库”沟通,增加或接收相关数据。与数据库的通信
- AI 部分:回答这个问题的 AI 本身,以及上下文。例子:专家系统,支持向量机,神经网络…