人工智能秀：亚马逊数据科学负责人探讨了企业犯下的三大人工智能错误

 
在产品，服务和流程中构建人工智能可以使您变得更聪明，更快，更具有竞争力。但是，使用机器学习构建智能系统并不像购买会计软件包或企业资源计划系统那样。
亚马逊机器学习解决方案实验室数据科学负责人拉里·皮兹特(Larry Pizette)在VentureBeat最新版的AI Show中表示，这就是为什么高管在采用AI时需要与工程师一样多的培训的原因。这也是了解公司在启动AI项目时犯下的主要错误的关键。
Pizette说：“我认为经常错过的部分是向商业人员教授，因为人们总是考虑数据科学家和软件开发人员学习这些技能。” “商务人士也需要学习。”
作为领导亚马逊机器学习解决方案小组数据科学的角色的一部分，Pizette已与超过175家公司合作开展了AI项目。这段经历教会了他关于有效和无效的一两件事。
高管习惯于购买软件系统，但AI与传统系统不同。商业策略中的机器学习组件不是购买能够完成A或B工作的静态解决方案，而是更像是购买流程或思考业务挑战的方式。它需要持续的输入，调整和培训。
“通过机器学习，对于企业主来说有点不同，” Pizette说。 “假设您正在预测购房，但利率会发生变化。如果您的模型是根据某些假设进行训练的，而现在将来会有所变化，则必须重新训练模型。因此，对业务人员进行培训，使他们了解他们所从事的行业以及如何最佳地进行采购，我认为这非常重要。”
Pizette说，许多企业知道他们迫切需要采用机器学习，但是从流程的角度并不了解这意味着什么。
公司犯的最大错误?毫不奇怪，因为我们知道AI需要大量数据，所以它与数据有关-但据Pizette所说，显然，这与拥有数据的人有关。
皮泽特说：“因此，人们犯的错误通常更多地是围绕人为因素而不是技术因素。” “ [这尤其是关于]在考虑要做什么时，不要让数据人员在会议室。”
企业主可以有一个愿景，但是如果没有数据支持，任何机器学习项目都将被迫缺乏投入。因此，让您的数据分析师，科学家和管理人员在场至关重要。他们还可以填补空白，Pizette说。几乎每个人的数据都不完整或存在质量问题，但是数据科学家可以解决这些问题并确保您有足够的干净数据来上手。
企业犯的另一个错误是思考得太远了。有远见很重要，但制定大规模的多年战略却带来麻烦。人工智能和机器学习系统不断发展壮大。几乎不可能事先知道随着时间的流逝，您会花费多少时间，因此花费数周和数月的长期计划实在是太过分了。可能更糟的是，它常常导致分析瘫痪。
皮泽特说：“我已经看到一些组织想要做很多计划，以至于阻止他们前进。”
另一个主要挑战也可能是企业高管与开发人员一样需要培训的关键原因之一：理解机器学习的方式并不总是那么容易。对于财务主管或首席执行官而言，在幕后看可能听起来并不有趣，但对于评估AI计划所需的投资和投资回报潜力而言，这至关重要。
Pizette说，机器学习与大多数公司领导者习惯于使用和购买的基于规则的系统不同。
“通过机器学习，企业主会说，‘我将获得一个能够做出预测的系统，这些预测如何影响我的业务呢?’有点不同。” Pizette说。 “‘如果这些预测不再像我需要的那样准确，那会发生什么?’…如果您的模型是根据某些假设进行训练的，而现在将来会发生变化，则您必须重新训练模型。因此，培训业务人员以使他们了解要进入的领域……是非常重要的。”