O que aprendi depois de vários projetos de IA

Alexandre Gonfalonieri Blocked Desbloquear Seguir Seguindo 12 de janeiro Fonte

As empresas estão agora sobrecarregadas com as vendas de IA, promovendo o potencial da tecnologia para automatizar tarefas, cortar custos e melhorar o desempenho.

Alguns de vocês provavelmente estão pensando em integrar uma solução baseada em IA em sua organização. Bem, a boa notícia é que você não precisa ser um especialista em IA, mas precisa entender como a IA funciona e como você pode integrá-la com precisão. Feito isso, você pode automatizar os principais processos, coletar e extrair dados para detectar padrões e resultados.

Antes de entrar no grupo da IA, por favor, faça a si mesmo estas três perguntas:

  • Os dados da sua tarefa são direcionados?
  • Você tem dados adequados e suficientes para suportar uma solução orientada por IA?
  • Você tem uma compreensão de como a IA funciona?

Comece pequeno

Pode ser tentador iniciar sua transformação de IA tentando reinventar completamente seu processo de negócios. No entanto, esta é a melhor maneira de falhar. É mais sensato obter experiência de projetos menores que criarão uma base sólida para avançar para interações humanas e desafios de IA maiores e mais complexos. Além disso, recomendo concentrar-se em projetos que tenham casos de usuários maduros com um ROI comprovado.

Não escolha um processo ou tarefa complexa com muitas variáveis, pontos de decisão, partes interessadas e possíveis resultados.

Na AI, é melhor se concentrar em pequenas partes de um processo do que em todo o processo. Quanto mais concentrado o problema que você está tentando resolver, mais fácil será o desenvolvimento da IA. Dadas as capacidades atuais, é muito difícil substituir um processo complexo completo por uma única solução de IA, projetar esse sistema pode ser assustador. No entanto, esse mesmo processo pode ser dividido em partes menores e algumas delas podem ser facilmente automatizadas.

As organizações devem questionar se a tarefa que desejam “automatizar” permite a repetição e o baixo custo dos erros. As tarefas que satisfazem esses critérios específicos são excelentes pontos de partida para a implementação da IA.

Sabe exatamente o que você quer

Em muitos projetos, notei que os tomadores de decisão não têm uma visão clara de qual é seu objetivo com a IA. Os indivíduos podem ter diferentes perspectivas sobre o mesmo problema e como resolvê-lo. No final, a falta de uma visão clara pode impedir a plena realização dos benefícios. Minha recomendação é sempre gastar tempo definindo o objetivo. O que você está tentando alcançar e por quê?

Você também precisa ter as pessoas certas no processo de definição. De fato, tem que ser uma conversa entre os tomadores de decisão de negócios e os cientistas de dados que realmente entendem o caso de negócio e que podem identificar a metodologia certa e trabalhar melhor com ela.

De fato, seus desenvolvedores não são especialistas em aprendizado de máquina. Há uma diferença entre desenvolvedores e cientistas de dados. Eles podem ser ambos, mas não presuma que todos os seus desenvolvedores podem criar modelos. Ao mesmo tempo, você precisa ter certeza de que o AI será fácil de usar e representará uma solução de longo prazo.

Há muitas maneiras diferentes de se fazer aprendizado de máquina, e a solução correta dependerá de um bom entendimento do problema. Se você não tiver os recursos humanos necessários, recomendo fortemente que você aplique os serviços de uma agência de desenvolvimento especializada em IA. De fato, descobrir que tipo de IA é necessário para diferentes processos e se estes serão realizados internamente, terceirizados ou em parceria é um passo importante para o desenvolvimento de uma estratégia.

Se você decidir desenvolver uma solução de IA dentro de sua organização, não se esqueça de que a curva de aprendizado é íngreme e os recursos necessários para construir a sua própria podem ser muito altos. Vale a pena dar uma olhada no mercado de variantes plug-and-play que se baseiam em serviços de software existentes ou plataformas que já são familiares para as empresas e sua força de trabalho. Esses produtos funcionam imediatamente ou exigem alguns dias a algumas semanas de integração antes de começarem a funcionar.

A desvantagem é que você ainda precisará de uma equipe técnica para personalizar uma solução.

Depois de estabelecer uma definição clara do que a IA deve alcançar, você precisa criar um roteiro com os resultados. Se você decidir terceirizar o desenvolvimento de uma solução de inteligência de projeto, seria sensato ter um especialista técnico e comercial (potencialmente um usuário final) envolvido no processo de desenvolvimento. Além disso, os cientistas de dados, engenheiros de dados e engenheiros de sistemas operacionais precisam se unir como uma equipe para fornecer uma solução que possa ser usada perfeitamente em seu ambiente técnico.

Além disso, é obrigatório que sua solução de IA tenha ciclos de feedback integrados, de modo que as previsões e saídas da AI possam ser corrigidas pelos funcionários que supervisionam as operações. Finalmente, você precisa criar uma interface para possivelmente interagir com sua nova ferramenta de inteligência artificial. Nesse contexto, tem que ser fácil de usar, escalável e seguro.

Recentemente, trabalhei para uma empresa que queria desenvolver um modelo de reconhecimento de imagem para identificar produtos em vídeos para fins de marketing. O AI fez exatamente o que foi criado para fazer. No entanto, a empresa teve problemas com a solução devido à interface complexa. Foi feito basicamente para usuários técnicos …

Melhores maneiras de falhar um projeto de IA

Com base em minha experiência, a maioria dos projetos de IA se tornou problemática devido aos seguintes elementos:

Na maioria dos projetos de IA, as empresas tendem a ignorar o fator humano. De fato, AI não é apenas sobre frameworks, fontes de dados e algoritmos – é também sobre pessoas . Sua organização deve ter suporte de liderança executiva e o talento certo em importantes funções de inteligência artificial. Quando se trata de desenvolvimento, convido você a se familiarizar com o conceito “Human in the loop”. Este conceito aproveita a inteligência humana e da máquina para criar modelos de aprendizado de máquina. Nesta abordagem, os seres humanos estão diretamente envolvidos no treinamento, ajuste e teste de dados para um algoritmo ML particular.

Percebi que projetos de sucesso sempre têm uma coisa em comum. A nova implantação da AI é sempre testada dentro de um pequeno grupo de funcionários que fornecerão feedback honesto sobre a interface do sistema.

3 maneiras de iniciar uma solução de inteligência artificial

Para as suas necessidades de IA, surgiram três opções básicas:

  1. Use uma solução AI-aaS, como o Amazon AI (Rekognition), o Google Cloud Vision ou o IBM Watson. Eles oferecem uma gama restrita de funções de inteligência artificial, ativadas principalmente por meio de APIs para reconhecimento de texto e imagem.
  2. Colabore com empresas de IA aplicadas por terceiros que se especializam em uma gama mais ampla e personalizada de serviços de AI vertical.
  3. Crie seu próprio sistema de aprendizado de máquina a partir do zero, usando sua própria equipe e dados. Esta é a opção mais complicada e é principalmente para empresas multinacionais e / ou organizações onde a IA é essencial para o seu valor e receita essenciais.

Percebi que a maioria das empresas com quem trabalhei costumava começar com a segunda solução. É uma boa maneira de ganhar experiência e não perder tempo contra seus concorrentes.

A questão dos dados

A maioria dos projetos é baseada no aprendizado de máquina e requer dados … muito disso. Com decisões e dados suficientes, surgem padrões que podem ser aproveitados para fazer previsões para decisões futuras, que é o que as empresas mais buscam.

Antes de iniciar sua jornada de IA, você precisa garantir que seus dados de todos os sistemas operacionais sejam canalizados e armazenados em um grande armazenamento de dados para consumo pelas soluções de inteligência artificial.

Quantos dados você precisa? Depende, mas esteja preparado para ter pelo menos centenas de exemplos de decisões e os fatores que os afetaram.

Seus dados também precisam ser rotulados de forma estruturada – campos em um sistema, banco de dados ou uma planilha com linhas e colunas.

Dados rotulados : um grupo de amostras que foram marcadas com um ou mais rótulos. A rotulagem normalmente leva um conjunto de dados não rotulados e aumenta cada parte desses dados não rotulados com tags significativas que são informativas.

Pode acontecer que uma organização não tenha dados rotulados suficientes. Nesse contexto, você precisa começar a reunir os fatores e as decisões de maneira estruturada, para poder usá-lo para alimentar a plataforma de inteligência artificial no futuro próximo.

Outro problema poderia ser o conjunto de dados.

Um conjunto de dados (ou conjunto de dados ) é uma coleção de dados .

Ter o conjunto de dados certo é crucial. No entanto, o tamanho do conjunto de dados não é o problema real, é o escopo. O desafio com a IA não é tanto com a implementação; a grande questão será como você treina a IA? É por isso que você precisa gastar tempo para garantir que seus dados sejam compatíveis com uma solução de IA.

Em geral, você precisa modernizar suas tecnologias de gerenciamento de dados simultaneamente. Os dados são a base para estratégias bem-sucedidas de inteligência artificial – garantir que sua integração de dados, banco de dados e data warehouses estejam prontos para alimentar suas iniciativas de IA.

Fonte

Além disso, você deve investir no hardware de infraestrutura necessário para uma transformação de IA bem-sucedida. O aprendizado de máquina, e especialmente o aprendizado profundo, exige um novo nível de poder computacional, bem como armazenamento e rede de alta largura de banda, baixa latência.

AI representa uma fantástica oportunidade para as empresas. No entanto, é fácil cometer erros, uma vez que é uma tecnologia nova e complexa. Por exemplo, se você está interessado em soluções que de alguma forma subestimam a importância do seu negócio, ignoram os dados, são orientados para a tecnologia e prometem antes do problema, provavelmente é uma solução ruim para a sua organização. É importante levar o seu tempo e não apressar o desenvolvimento da IA.