Не создавайте проект искусственного интеллекта, не прочитав это сначала

Вас интересуют возможности ChatGPT или вы только что закончили курс машинного обучения и готовы использовать эти технологии для создания интересной функции?

В обоих случаях вы должны знать, какие проблемы ждут вас при создании первой функции на базе искусственного интеллекта. Жаль, что я не знал всего этого год назад.

Прежде всего, вы уверены, что вам нужен ИИ?

Google правила-ML предложите начать с простого алгоритма, основанного на эвристике, который выполнит всю работу, и перейти к решению на основе машинного обучения только тогда, когда эвристику станет сложно поддерживать.

Добавление ИИ для решения проблемы сопряжено с дополнительными проблемами, с которыми вам придется столкнуться, например:

• Объясняемость – почему решение работает именно так для клиента
• Конфиденциальность данных : существуют ли сторонние решения, которые обрабатывают конфиденциальные данные клиентов?
• Затраты на обслуживание/внедрение — вещь, которую вы создадите, скорее всего, не будет иметь наилучшую целевую производительность с первого дня, и вам придется потратить больше времени на улучшение модели.

Нет планирования = нет успеха

О чем проект? Какую проблему клиента это решит? Какие показатели мы ожидаем улучшить? Каковы известные ограничения системы?

Прежде чем приступить к реализации, важно получить ответы на все эти вопросы. Чем больше потенциальных ошибок вы выявите во время планирования, тем лучше, поскольку стоимость изменения на данном этапе относительно невелик.

Где записи?

Вам следует документировать все — постановку задачи, показатели, желаемые результаты, тестовые примеры, журнал исследований, проектную документацию, основные этапы.

Написание документов позволяет вам помнить меньше вещей . Другие люди могут быстро присоединиться к вашему проекту или использовать результаты вашей работы в других проектах.

Начните с малого и простого

Сохраняя первую версию функции простой, вы сможете быстро ее создать, измерить влияние, получить ценную информацию и продолжить итерацию. Создание небольшой вещи также позволяет вам установить базовую производительность, которую вы сможете улучшить в дальнейших итерациях.

Создание системы, которая выполняет множество функций и обрабатывает все возможные варианты использования, является захватывающей задачей. Однако, делаю скейтборд всегда хорошо, прежде чем строить машину.

Вы провели исследование?

Если проблема является новой для данной области и никто ее еще не решил, рассмотрите возможность ее исследования. Вы хотите проверить, возможно ли решение проблемы.

Результатом исследования является минимальный рабочий прототип, показывающий, что алгоритм может решить проблему . Исследования также могут показать, что реального решения не существует, что является отличным обучением — вот почему вы делаете этот шаг в начале проекта.

Не переоценивайте!

Ваша проверка концепции может выглядеть фантастически и вызвать ажиотаж, но между прототипом и решением промышленного уровня, которое подойдет всем пользователям, предстоит проделать большую работу.

При работе с новыми технологиями лучшее, что вы можете сделать, — это не обещать сделать все быстро . Не торопитесь, ознакомьтесь с технологией и проблемным пространством, разбейте работу на несколько небольших этапов и оцените их отдельно.

Когда вы замечаете, что что-то идет не по плану, поговорите с командой и убедитесь, что все понимают, что сроки/проект изменились.

Написание тестов

Вы должны применять те же принципы разработки программного обеспечения при разработке с использованием ИИ. Ваше решение будет развиваться, и вы должны убедиться, что оно работает должным образом. Автоматизированные тесты сократите время, затрачиваемое на ручное тестирование, и получите больше времени, чтобы сосредоточиться на проблеме и ее решении.

Настало время печальных новостей...

Даже после месяцев напряженной работы ваша модель может работать плохо. Это может расстраивать, но это часть процесса разработки машинного обучения. Вы должны признать, что неудача возможна, и подготовиться к изменению своего подхода, если это необходимо.

Важно помнить, что каждая неудача — это возможность учиться и совершенствоваться в будущем.

Заключение

Создание функции на базе искусственного интеллекта требует тщательного планирования, исследования и реализации. Крайне важно начать с малого, все документировать и регулярно общаться с командой. И всегда не забывайте оценивать, необходим ли ИИ, прежде чем что-либо внедрять.

Помните, что неудача возможна, но это возможность учиться и совершенствоваться. Единственные люди, которые никогда не терпят неудачу, — это те, кто никогда не пытается.

Полезные ресурсы:

• Мой личный блог
• Почему вы ДОЛЖНЫ писать автоматические тесты
• Правила ОД Мартин Зинкевич
• Как стоимость разработки меняется со временем
• Осмысление MVP к Хенрик Книберг