Đừng xây dựng một dự án AI mà không đọc phần này trước

Bạn có hào hứng với các khả năng của ChatGPT hay bạn vừa hoàn thành khóa học ML của mình và sẵn sàng sử dụng những công nghệ này để xây dựng một tính năng thú vị?

Trong cả hai trường hợp, bạn phải biết những thách thức nào đang chờ đợi mình khi xây dựng tính năng hỗ trợ AI đầu tiên của mình. Tôi ước tôi đã biết tất cả những điều này một năm trước.

Trước tiên, bạn có chắc chắn mình cần AI không?

của Google quy tắc-ml đề xuất bắt đầu bằng một thuật toán đơn giản dựa trên các phương pháp phỏng đoán sẽ thực hiện công việc và chỉ chuyển sang giải pháp học máy khi các phương pháp phỏng đoán trở nên phức tạp để duy trì.

Việc thêm AI để giải quyết vấn đề sẽ mang đến thêm những thách thức mà bạn phải giải quyết, chẳng hạn như:

• Khả năng giải thích - tại sao giải pháp lại hoạt động theo cách này đối với khách hàng
• Bảo mật dữ liệu - có giải pháp nào của bên thứ 3 xử lý dữ liệu nhạy cảm của khách hàng không
• Chi phí bảo trì/triển khai - thứ bạn xây dựng sẽ không có hiệu suất mục tiêu tốt nhất kể từ ngày đầu tiên và bạn sẽ phải dành nhiều thời gian hơn để cải thiện mô hình

Không có kế hoạch = không thành công

các dự án về là gì? Nó sẽ giải quyết vấn đề gì của khách hàng? Chúng ta mong đợi những số liệu nào sẽ được cải thiện? Những hạn chế của hệ thống đã biết là gì?

Trước khi thực hiện, điều cần thiết là phải có câu trả lời cho tất cả những câu hỏi này. Bạn càng xác định được nhiều cạm bẫy tiềm ẩn trong quá trình lập kế hoạch thì càng tốt. chi phí thay đổi ở giai đoạn này tương đối thấp.

Các ghi chú ở đâu?

Bạn nên ghi lại mọi thứ—tuyên bố vấn đề, số liệu, kết quả mong muốn, trường hợp thử nghiệm, nhật ký nghiên cứu, tài liệu thiết kế, các cột mốc quan trọng.

Viết tài liệu cho phép bạn ghi nhớ ít điều hơn . Những người khác có thể tham gia dự án của bạn một cách nhanh chóng hoặc sử dụng kết quả công việc của bạn vào các dự án khác.

Bắt đầu nhỏ và đơn giản

Bằng cách giữ cho phiên bản đầu tiên của tính năng này đơn giản, bạn có thể xây dựng nó một cách nhanh chóng, đo lường tác động, tìm hiểu thông tin chuyên sâu và tiếp tục lặp lại. Xây dựng một việc nhỏ cũng cho phép bạn thiết lập hiệu suất cơ bản mà bạn sẽ cải thiện trong những lần lặp lại tiếp theo.

Việc tạo ra một hệ thống có thể thực hiện nhiều việc và xử lý tất cả các trường hợp sử dụng có thể xảy ra là một thử thách thú vị. Tuy nhiên, làm ván trượt luôn luôn tốt trước khi chế tạo một chiếc ô tô.

Bạn đã thực hiện nghiên cứu của bạn?

Nếu vấn đề này mới xảy ra trong lĩnh vực này và chưa có ai giải quyết được nó, hãy cân nhắc việc nghiên cứu nó. Bạn muốn kiểm tra xem việc giải quyết vấn đề có khả thi hay không.

Kết quả nghiên cứu là một nguyên mẫu hoạt động tối thiểu cho thấy một thuật toán có thể giải quyết được vấn đề . Nghiên cứu cũng có thể chỉ ra rằng không có giải pháp khả thi nào , đó là cách học tập tuyệt vời—đó là lý do tại sao bạn thực hiện bước này khi bắt đầu dự án.

Đừng đánh giá quá cao!

Bằng chứng về khái niệm của bạn có thể trông tuyệt vời và tạo ra sự cường điệu, nhưng có rất nhiều công việc phải làm giữa nguyên mẫu và giải pháp cấp sản xuất phù hợp với tất cả người dùng.

Khi làm việc với công nghệ mới, điều tốt nhất bạn có thể làm là tránh hứa hẹn hoàn thành công việc nhanh chóng . Hãy dành thời gian làm quen với công nghệ và không gian vấn đề, chia công việc thành nhiều cột mốc nhỏ và ước tính chúng một cách riêng biệt.

Khi bạn nhận thấy điều gì đó không diễn ra theo kế hoạch, hãy liên lạc với nhóm và đảm bảo rằng mọi người đều hiểu rằng tiến trình/dự án đã thay đổi.

Viết bài kiểm tra

Bạn phải áp dụng các nguyên tắc công nghệ phần mềm tương tự khi phát triển bằng AI. Giải pháp của bạn sẽ phát triển và bạn phải đảm bảo nó hoạt động như mong đợi. Kiểm tra tự động giảm thời gian kiểm tra mọi thứ theo cách thủ công và cho bạn nhiều thời gian hơn để tập trung vào vấn đề và giải pháp.

Đã đến lúc có tin buồn...

Ngay cả sau nhiều tháng làm việc chăm chỉ, mô hình của bạn vẫn có thể hoạt động kém. Điều này có thể gây khó chịu nhưng đó là một phần của quá trình phát triển ML. Bạn phải chấp nhận rằng thất bại có thể xảy ra và chuẩn bị thay đổi cách tiếp cận của mình nếu cần thiết.

Điều quan trọng cần nhớ là mỗi thất bại là một cơ hội để học hỏi và cải thiện cho tương lai.

Phần kết luận

Việc xây dựng một tính năng được hỗ trợ bởi AI đòi hỏi phải lập kế hoạch, nghiên cứu và triển khai cẩn thận. Điều quan trọng là phải bắt đầu từ việc nhỏ, ghi lại mọi thứ và liên lạc thường xuyên với nhóm. Và hãy luôn nhớ đánh giá xem AI có cần thiết hay không trước khi thực hiện bất cứ điều gì.

Hãy nhớ rằng thất bại là điều có thể xảy ra nhưng đó là cơ hội để học hỏi và cải thiện. Những người duy nhất không bao giờ thất bại là những người không bao giờ cố gắng.

Tài nguyên hữu ích:

• Blog cá nhân của tôi
• Tại sao bạn PHẢI viết bài kiểm tra tự động
• Quy tắc của ML của Martin Zinkevich
• Chi phí phát triển thay đổi như thế nào theo thời gian
• Ý nghĩa của MVP qua Henrik Kniberg