本文介绍了如何将人工智能想法转化为实际的软件，特别是通过设计人工智能PoC（概念验证项目）。作者提出了一个三步过程：1) 浏览相关输入，2) 数据向量化，3) 处理向量。通过文本分类和文档分类的实际例子，阐述了设计AI部分的思考方式，强调在构建AI PoC时，数据科学是关键但并非全部，还需考虑问题的特定性和输入的规范化处理。
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…
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
