Wanneer jy KI produseer, is daar talle uitdagings wat jy kan teëkom, soos hoe om jou KI-model op 'n proses of mense toe te pas, data en modelle te stabiliseer, hoe om jou model akkuraat te hou in veranderende omgewings en oor tyd, skaal en hoe om te groei of vergroot die vermoëns van jou KI-model.
Inbedding van AI
Die bestuur van 'n suksesvolle masjienleer Proof of Concept (PoC) met 'n nuwe algoritme is slegs 10% van die moeite wat nodig is om dit te produseer en werklike waarde daaruit te kry. Die oorblywende 90% kan verdeel word in dinge wat jy moet doen om 'n bruikbare produk te maak en dinge wat jy moet doen om 'n bruikbare produk te maak.
Om 'n bruikbare produk te maak, moet jy inzoem op die tegniese implementering om die produk aan jou gebruikers beskikbaar te stel. Om dit nuttig te maak, moet u kyk na die inbedding van die produk in 'n proses vir die gebruikers. Eerstens, wat presies is die verskil tussen 'n PoC en 'n bruikbare produk?
Eerstens, PoC's is nie bedoel vir produksie nie. Produkte moet heeltyd, enige tyd en onder veranderende omstandighede werk. Tydens jou PoC vind jy die data waarna jy soek, maak 'n kopie en begin dit opruim en ontleed. In produksie moet jou databron intyds, veilig en veilig aan 'n dataplatform gekoppel wees; die datastroom moet outomaties gemanipuleer word en vergelyk word met/gekombineer met ander databronne.
Tydens jou PoC het jy óf die luukse om met jou toekomstige gebruikers te kan praat en saam met hulle te werk om 'n oplossing te ontwerp, óf jy het glad nie gebruikers nie, en jy ontwerp 'n tegniese oplossing. Vir 'n produk het u gebruikers wat daardie oplossing moet verstaan, en mense wat verantwoordelik is om die tegniese oplossing aan die gang te hou. Dus, 'n produk benodig opleiding, algemene vrae en/of ondersteuningslyne om bruikbaar te wees. Verder skep jy net 'n nuwe weergawe vir jou een gebruik geval in 'n PoC. Produkte vereis opdaterings, en wanneer jy jou produk vir veelvuldige kliënte ontplooi het, het jy 'n manier nodig om jou kode vir produksie te toets en te ontplooi (CI/CD-pyplyne).
“By Itility het ons ons Itility Data Factory en AI Factory ontwikkel wat die boustene en onderliggende platform vir enige van ons projekte dek. Dit beteken ons het die bruikbare hoek van die begin af gedek, sodat ons kan fokus op die nuttige hoek (wat meer klant- en gebruiksgeval afhanklik is),” het die maatskappy gesê.
Plaagopsporing-app – van PoC tot bruikbare produk
“Die Proof of Concept-fase van ons Pest Detection App het bestaan uit 'n model wat die noue taak kan verrig om vlieë op 'n gomval te klassifiseer en te tel gebaseer op beelde wat deur kweekhuisspanlede geneem is. As hulle 'n foto gemis het of as iets verkeerd geloop het, kan hulle teruggaan en nog een neem, of dit direk in die paneelbord regmaak. Heelwat handkontroles was nodig.
“Ons PoC-wêreld was eenvoudig, gebaseer op een enkele toestel, een enkele gebruiker en een enkele klant. Om dit egter in 'n bruikbare produk te maak, moes ons verskeie kliënte skaal en ondersteun. Dan ontstaan die vraag hoe om data geskei en veilig te hou. Verder vereis elke individuele kliënt/masjien 'n opstelling en verstekkonfigurasie. So, hoe om 20 nuwe kliënte op te stel/op te stel? Hoe weet jy wanneer om 'n administrasie-koppelvlak te bou en aanboord te outomatiseer? By 2 kliënte, 20 of 200?”
Natuurlik kan jy vrae hê, soos 'hoe help die tel van vlieë my kliënt? Hoe om waarde uit hierdie inligting te skep? Hoe om besluite aan te beveel en op te tree? Hoe pas hierdie KI-toepassing in die besigheidsproses in?'. Stap een is om jou verwysingsraamwerk van 'n tegniese/data-perspektief na die eindgebruiker-perspektief te verander. Dit beteken om die gesprek met jou kliënt voort te sit en te sien hoe die bewese PoC by daaglikse prosesse inpas.
“Jy moet ook die proses vir 'n langer tydperk noukeurig volg, jy moet by operasionele en taktiese vergaderings aansluit om werklik te verstaan watter aksies elke dag geneem word op grond van watter inligting, hoeveel tyd daaraan bestee word om wat te doen, en die redenasie agter sekere aksies. Sonder om te verstaan hoe die inligting van jou model gebruik word om besigheidswaarde te skep, sal jy nie by 'n nuttige produk uitkom nie.
“In ons geval het ons ontdek watter inligting gebruik is om besluite te neem. Ons het byvoorbeeld ontdek dat dit vir sommige plae belangriker was om die weeklikse neiging te volg (waarvoor jy nie superhoë akkuraatheid nodig het nie), terwyl ander optrede vereis by die eerste teken van 'n plaag (wat beteken dit is beter om 'n paartjie te hê). van vals positiewe as om selfs een vals negatief te hê).
“Boonop het ons ontdek dat ons klant voorheen 'n 'slegte' ervaring gehad het met 'n soortgelyke instrument wat beweer dat dit akkuraatheid het wat dit nie in die praktyk kon lewer nie. Hoekom sou hulle ons s'n vertrou? Ons het hierdie vertroueprobleem reguit geneem en akkuraatheid en deursigtigheid 'n sleutelkenmerk van die produk gemaak. Ons het hierdie inligting gebruik om ons produk bruikbaar te maak deur die toepassing aan te pas by die eindgebruiker se werksmetodes, en deur deursigtigheid in die interaksie te verhoog, wat die gebruiker meer beheer oor die toepassing gee,” gaan die maatskappy voort.
Wat is die grootste uitdaging?
“In ons vlieëtel-scenario kan ons oor ons akkuraatheidtelling praat net wat ons wil. Om bruikbaar te wees, benodig die gebruiker ('n kweekhuisspesialis) egter meer as persentasies. Wat nodig is, is om dit te ervaar, en om dit te leer vertrou. Die ergste ding wat kan gebeur, is wanneer jou gebruikers jou resultate met hul eie handresultate vergelyk en daar 'n (groot) verskil is. Jou reputasie is verwoes en daar is geen ruimte om vertroue te herwin nie. Ons het dit teëgewerk deur sagteware by die produk te voeg wat die gebruiker aanmoedig om na daardie teenstrydighede te soek en dit reg te stel.
“Ons benadering is dus om die gebruiker deel van die KI-oplossing te maak in plaas daarvan om dit voor te stel as 'n stelsel wat die spesialis gaan vervang. Ons verander die spesialis in 'n operateur. KI vergroot hul vermoëns en die spesialiste bly in beheer deur die KI voortdurend te onderrig en te lei om meer te leer en regstellings te maak wanneer die omgewing of ander veranderlikes dryf. As ’n operateur is die spesialis ’n integrale deel van die oplossing – onderrig en opleiding van die KI met spesifieke aksies.”
Klik na hierdie skakel om 'n video te sien met meer besonderhede oor die operateurgesentreerde benadering.