如何跨越人工智能技术与产品的鸿沟？

关于人工智能如何提高我们的生活以及如何让企业变革的那些故事，每天都会给我们带给惊艳。人工智能早已分析了X射线，为物联网供电，并为销售和营销团队引荐下一步最佳行动计划。

它或许还有无限的可能性。但是在每个人工智能顺利的故事背后，都有无数个项目杀在实验室里。这是因为将机器学习研究投入生产并且用它为客户获取确实的价值一般来说比研发一个科学合理的算法更加艰难。

在过去几年里，我遇上的许多公司都面对着这个挑战，我称作“横跨人工智能鸿沟”。在本文中，我将车站在你的角度共享我在解决技术和产品艰难时的四大教训，我最近在ApacheCon上明确提出了这些知识点。　　人工智能技术鸿沟新的数据。

数据是人工智能的关键。例如，如果你想要让聊天机器人自学，你必需向其算法模型获取客户催促和适当的准确号召的样本数据。样本一般来说是静态化、结构化的数据，如CSV的数据格式。虽然你可以用于静态数据集建构很棒的人工智能展示，但真实世界中的人工智能算法模型必须新的数据展开增量式的训练，使其随着时间的变化而显得更聪明。

这就是为什么公司应当尽早投资机器学习架构，大大搜集新的数据，并用于它定期改版其人工智能模型。动态数据的用于面对着许多工程性挑战，还包括调度，不停机模型递归，稳定性和性能监控。此外，如果新的数据经常出现问题，您必须一种机制来回溯到先前的状态，使我们到下一个点。

确保搜集训练数据的质量。公司应当从一开始就考虑到数据的质量－尤其是由用户分解的数据。机器学习自动化是一件令人兴奋的事，但它也有可能适得其反。最近推特（Twitter）上有些聊天机器人显得很流氓，这是一个典型的自动化变差的例子。

在聊天机器人开始权利聊天之前，它是利用公开发表的经过模型化、清除和过滤器的数据展开训练的。但是在机器人开始从与现实的人的不必要的交流中展开自学之后，它的推文的语气很快地显得更差。GIGO（garbagein，garbageout）是机器学习的基本规则，所以一个较好的人工智能系统需要检测出有潜在的问题，并在必须人工干预的时候向管理员收到警报。

本文来源：皇冠游戏中心官网-www.sriingenieria.com