人工智能和機(jī)器學(xué)習(xí)正在改變?nèi)藗兪褂眉夹g(shù)過(guò)生活的方式。這種現(xiàn)象不僅在消費(fèi)者中普遍存在，而且在大型B2B企業(yè)中也普遍存在。為了從這種新興趨勢(shì)中獲得收益，產(chǎn)品經(jīng)理需要學(xué)習(xí)新的思維方式，并意識(shí)到利用AI模型的挑戰(zhàn)。近日，工程和風(fēng)險(xiǎn)投資背景的專家小組，圍繞大數(shù)據(jù)的挑戰(zhàn)進(jìn)行了討論，包括為構(gòu)建大規(guī)模AI解決方案而進(jìn)行的變革和人性化的AI。

　　數(shù)據(jù)–新型“原油”

任何新技術(shù)都會(huì)伴隨著其他技術(shù)發(fā)展的潮流。就人工智能而言，轉(zhuǎn)折點(diǎn)是當(dāng)人們有可能以非常快的速度和具有成本效益的方式收集和處理大量數(shù)據(jù)時(shí)。

幾乎我們所有人都聽說(shuō)過(guò)數(shù)據(jù)是新的石油。但是，我們的小組成員將數(shù)據(jù)比喻為新原油。與任何數(shù)據(jù)科學(xué)家交談，他們會(huì)告訴您，他們實(shí)際上大部分時(shí)間都花在收集，清理和準(zhǔn)備數(shù)據(jù)上，然后才能真正開始使用它做任何事情。模型的準(zhǔn)確性在很大程度上取決于所饋送的數(shù)據(jù)。因此，至關(guān)重要的是，產(chǎn)品經(jīng)理必須在質(zhì)量和數(shù)量方面收集正確的數(shù)據(jù)。人們對(duì)數(shù)據(jù)安全性和隱私問題的擔(dān)憂日益加劇，這給這一挑戰(zhàn)帶來(lái)了新的挑戰(zhàn)。

產(chǎn)品經(jīng)理在決定收集哪些數(shù)據(jù)以及收集多少數(shù)據(jù)時(shí)必須謹(jǐn)慎行事，以便與他們所從事的行業(yè)或地理區(qū)域的數(shù)據(jù)和隱私準(zhǔn)則保持一致。

　　擁抱變化

各地的企業(yè)都希望最大限度地利用人工智能，機(jī)器學(xué)習(xí)和大數(shù)據(jù)所代表的機(jī)會(huì)。大規(guī)模構(gòu)建AI和ML解決方案給大型和小型企業(yè)都帶來(lái)了巨大的挑戰(zhàn)，但保持開放的態(tài)度和開放的變革可以克服這些挑戰(zhàn)。

基于在Cloudera上為跨行業(yè)的客戶實(shí)現(xiàn)大規(guī)模AI的經(jīng)驗(yàn)，成員建議重點(diǎn)關(guān)注三個(gè)關(guān)鍵支柱-人員，流程和基礎(chǔ)架構(gòu)。她極力鼓勵(lì)領(lǐng)導(dǎo)者和產(chǎn)品經(jīng)理提倡人們跨職能工作并打破職能孤島。

從開發(fā)機(jī)器學(xué)習(xí)算法到在生產(chǎn)環(huán)境中交付它，再到維護(hù)和運(yùn)行它，構(gòu)建AI產(chǎn)品提出了一系列獨(dú)特的挑戰(zhàn)。您需要了解整個(gè)生命周期并愿意端到端擁有流程的人員。

她還敦促產(chǎn)品經(jīng)理重新訪問現(xiàn)有的工程流程，因?yàn)檫@些流程可能已過(guò)時(shí)且不適用。例如，建立一個(gè)AI模型是一個(gè)高度迭代的過(guò)程，而期望在兩周的沖刺中取得結(jié)果可能是團(tuán)隊(duì)無(wú)法實(shí)現(xiàn)的目標(biāo)。

最后，她要求領(lǐng)導(dǎo)者對(duì)構(gòu)建和運(yùn)行機(jī)器學(xué)習(xí)算法所需的基礎(chǔ)設(shè)施資源進(jìn)行必要的投資。當(dāng)今使用的許多AI / ML工具都是內(nèi)部構(gòu)建的，它們基于快速發(fā)展的開源應(yīng)用程序。這些工具可能集成不充分，可能導(dǎo)致泄漏和安全漏洞。投資于具有彈性的基礎(chǔ)架構(gòu)和正確的工具對(duì)于確保AI解決方案的安全和高效至關(guān)重要。

通過(guò)專注于這三個(gè)領(lǐng)域，產(chǎn)品領(lǐng)導(dǎo)者可以幫助企業(yè)克服構(gòu)建和擴(kuò)展AI解決方案的障礙。

　　人為因素

除了大數(shù)據(jù)和機(jī)器學(xué)習(xí)算法，人工智能還有很多其他東西。認(rèn)知，人類和情緒智力仍然是非常相關(guān)且同樣重要的技能。

成員表示：“團(tuán)隊(duì)中最成功的人不僅是一位出色的數(shù)據(jù)科學(xué)家，而且還是一位出色的傳播者”。

構(gòu)建模型時(shí)，您不僅需要出色的工程師和數(shù)據(jù)科學(xué)家。您還需要主題專家，他們可以幫助解釋數(shù)據(jù)或識(shí)別相關(guān)信息。“您需要專家的幫助，這是不可避免的。”

她更進(jìn)一步，強(qiáng)調(diào)擁有多元化團(tuán)隊(duì)的重要性。“純粹從商業(yè)角度出發(fā)，開發(fā)僅針對(duì)特定人群的產(chǎn)品是沒有意義的，特別是在面向廣泛消費(fèi)者的產(chǎn)品的情況下”。

您需要有來(lái)自不同背景的決策者來(lái)確保模型沒有偏見，雖然您可能無(wú)法完全消除偏見，但是您當(dāng)然可以嘗試減少偏見。

許多AI產(chǎn)品失敗的原因是客戶對(duì)解決方案的偏見持懷疑態(tài)度。人們進(jìn)一步擔(dān)心，這樣的解決方案可能會(huì)取代人類并取代工作。在這種情況下，擁有人類學(xué)的心態(tài)并真正與客戶產(chǎn)生共鳴是很有意義的。當(dāng)您考慮構(gòu)建AI產(chǎn)品時(shí)，務(wù)必牢記人為因素。想了解更多關(guān)于大數(shù)據(jù)的信息，請(qǐng)繼續(xù)關(guān)注中培偉業(yè)。