确保搞砸人工智能项目的十种方法

演讲人:鲍捷 文因互联

微信:baojie_memect


方法1: 一下子砸很多钱

案例:日本五代机: target过大,目前都做不到

方法2:根据最新的论文决定技术路线

案例:信息抽取
因为论文中完全不用考虑现实条件,都是理想条件

方法3:脱离真正的应用场景

案例:OWL2
大学老师或者企业级应用的科学家自己想出的应用场景,没有日常应用中的案例

方法4:使用过于领先的架构

案例:Twine
底层使用了RDF数据库(语义网的数据库,可以做推理),200w用户量的时候性能不够,于是40人当中抽出了20人做底层数据库架构,并转型了,导致资金断裂。贪心不足蛇吞象

方法5:不能管理预期

案例:某对话机器人
用搜索界面代替直接的对话机器人,平等对话目前做不到。所以就调整用户预期,立足于自动化

方法6:不能理解认知复杂性

案例:我的Semantic Wiki
机器和人的认知不同,计算复杂性 != 认知复杂性
即使产品非常复杂,如果文档写的好,让用户能使用,那就是好的

方法7:专业性不足

案例:某语义理解项目
想投入3-5个工程人员,就做一个系统,那花再多钱也没用
需要足够专业的人:不仅科学家缺乏,人工智能产品经理,人工智能数据处理,人工智能的工程系统也异常缺乏

方法8:工程能力不足

案例:我的分布式推理机
有算法能力,但是工程上实现不了(编程能力,架构能力等等)
不要相信算法培训班,踏踏实实做
工程是解决人工智能的钥匙!!!

方法9:阵容太豪华

案例:某大项目
沉没成本
豪华阵容从小事做起

方法10:时机不到,运气不好

案例:90年代的神经网络:算法早就有了,数据和算力
《人工智能简史》:时机和运气


确保搞砸人工智能项目的十种方法_第1张图片
结论

确保搞砸人工智能项目的十种方法_第2张图片
场景跃迁理论.png

你可能感兴趣的:(确保搞砸人工智能项目的十种方法)