Два простых вопроса, чтобы определить, должны ли и могут ли ваши проблемы быть решены с помощью ИИ
Я консультант по искусственному интеллекту в AI Singapore. Я помогаю командам разрабатывать и внедрять модели ИИ в своих организациях.
Один из вопросов, который часто задают клиенты, звучит так: Может ли моя проблема решиться с помощью ИИ?. Чтобы ответить на этот вопрос, я предлагаю задать два вопроса, чтобы оценить возможность использования ИИ.
Вопрос 1: Можно ли разумно решить проблему с помощью операторов IF и ElSE?
Первый вопрос служит фильтром, чтобы не использовать бензопилу для резки масла.
Нет необходимости использовать ИИ, если проблема решается операторами IF и ELSE (т. е. системой, основанной на правилах). Система, основанная на правилах, более объяснима, дешевле и быстрее в реализации.
ИИ превосходен, когда проблема слишком сложна, чтобы ее можно было решить с помощью систем, основанных на правилах. Например, невозможно написать правила для идентификации собак на фотографиях. ИИ может просматривать тысячи изображений собак, чтобы научиться идентифицировать собак без каких-либо явных правил.
Обратите внимание на разумно в вопросе. ИИ также можно рассмотреть, если для решения требуются тысячи операторов IF и ELSE, поскольку такую сложную систему, основанную на правилах, со временем станет трудно поддерживать и обновлять.
Вопрос 2. Если вы передадите тот же набор данных отраслевому эксперту, сможет ли эксперт сделать достаточноточные прогнозы?
Второй вопрос служит для проверки правильности того, содержит ли набор данных релевантную информацию, необходимую для обучения модели ИИ.
Если вариант использования заключается в прогнозировании госпитализации пациентов с почками, модель ИИ не сможет узнать, содержит ли набор данных только любимый цвет пациентов. Звучит просто и здраво? Не совсем.
«Большая ошибка — теоретизировать, не имея данных. - Шерлок Холмс
Наборы данных могут иметь сотни столбцов, и иногда трудно сказать, действительно ли набор данных содержит релевантную информацию для предполагаемого варианта использования. Когда их спрашивают, компании хотели бы верить, что их наборы данных являются исчерпывающими, но часто оказывается иначе.
Лучший способ определить, содержит ли набор данных релевантную информацию?
- Передайте тот же набор данных отраслевым экспертам и проверьте, могут ли они сделать достаточно точные прогнозы.
- Спросите у отраслевых экспертов, как они думали при составлении прогнозов.
В наборе данных может быть соответствующая информация, если отраслевые эксперты работают хорошо. Однако у отраслевых экспертов есть предварительный опыт и неявные знания, которые могут не быть представлены в наборе данных. Модель ИИ не сможет учиться, если эти знания не представлены в наборе данных.
Например, если вариант использования состоит в том, чтобы предсказать, какие компании, вероятно, не выплатят платежи, отраслевые эксперты могут уже знать, какие печально известные клиенты часто не выполняют платежи. Они, вероятно, будут работать хорошо, даже если им просто дадут список названий компаний, но модель ИИ не будет иметь доступа к тем же неявным и фоновым знаниям.
Определите правильный подход, а затем убедитесь, что соответствующие данные доступны
Могут ли ваши проблемы решить искусственный интеллект? Подумайте об использовании ИИ только тогда, когда простые операторы IF и ELSE не помогут, а затем убедитесь, что вся необходимая информация представлена в наборе данных.
Эта статья была впервые опубликована на AI Singapore’s Makerspace.
