أربعة عوامل للنجاح مع نماذج التعلم الآلي

بواسطة جيسون ريفيل، الرئيس التنفيذي للтехنولوجيا، Datatron

الخبراء والمتخصصون وأولئك الذين لديهم خبرة تطبيقية مباشرة يثنيون على التعلم الآلي، مما يؤدي إلى زيادة عدد الشركات التي تتبناه لاستخدامه في مجموعة متنوعة من التطبيقات. ويرجع سبب شهرته إلى فكرة أنّه سيعمل على حوسبة الإدراك البشري وتمكين التحول الرقمي بشكل أكبر. ومع ذلك، على الرغم من أن التعلم الآلي يحمل وعودًا كبيرة، إلا أن هناك جانبًا سلبيًا:对于 الفرق التي يجب أن تديره في الإنتاج، يمكن أن يصبح العمل صعبًا.

تطبق الشركات التعلم الآلي لمجموعة متنوعة من المهام، مثل تصنيف المخاطر الصحية، ومعالجة الوثائق، وتحديد الأسعار، واكتشاف الاحتيال، والصيانة الوقائية والمزيد. يقوم الفريق بتدريب وتقييم النماذج على البيانات التاريخية حتى يبدو أنها تتوافق مع أهداف الأداء والدقة. وتسعى الشركات جاهدة لتحقيق الفوائد القيمة التي يpromisها التعلم الآلي من خلال التنبؤ أو التصنيف أو وصف النتائج المستقبلية والعمل على تلك التنبؤات.

ومع ذلك، تأتي كل هذه القيمة التجارية بتكلفة تشغيلية عالية. بمجرد أن يكون النموذج “جاهزًا”، فإن تلقيه الآلي عبر آليات التوصيل الموثوقة يخلق تعقيدات تشغيلية ومخاطر تتطلب اليقظة. لجعل هذه المشاريع فعالة وفعالة، يجب على فرق التوصيل والتشغيل إدارة دورة حياة التعلم الآلي بشكل شامل. يجب أن تكون البيانات متاحة وذات جودة متوقعة مقارنة بما تم استخدامه للتدريب.

يصبح واضحًا في النهاية أن هذا ليس مثل الجهود الهندسية الأخرى، ويجب أن تبدأ في التفكير في التحديات بطرق جديدة لتصبح حقًا شركة مدعومة بالذكاء الاصطناعي. ها هي أربعة أشياء يجب مراعاتها للنجاح مع التعلم الآلي، وخاصة مع نماذج التعلم الآلي.

1. كيفية النشر السريع لمختلف الإصدارات في الخلفية

تتطلب نماذج التعلم الآلي عملية تكرارية تعتمد على بيانات الإنتاج الفعلية. قم بتحويل الاستثمارات المتعمقة لتحقيق أهداف النشر التي يمكن تشغيلها وتسجيل النتائج دون أن يرى العملاء أو أنظمة الإنتاج تلك النتائج. تحتاج إلى القدرة على النشر بسهولة وسلاسة حتى تحصل على النموذج الذي تحبه. في 长 الأجل، من الأفضل والأكثر فعالية经济يًا افتراض أن هناك حاجة إلى تعديلات كثيرة على نماذجك، بالإضافة إلى الحاجة إلى مقارنة الإصدارات الحالية بالمرشحين الجدد الذين يpromisون نتائج أفضل.

2. افهم أن ما يpromisه فريقك عادةً لن يتناسب مع سياسات البرمجيات المعتمدة التقليدية المتمركزة حول التطبيقات.

نما التعلم الآلي بسرعة وتنوع، ويتضمن قائمة طويلة من مزودي التكنولوجيا، الكبيرة والصغيرة. من المفترض أن تحتفظ دائرة الإدارة بالدعم الصحيح والفحوصات الأمنية والضوابط للبيئات التشغيلية. ومع ذلك، كن محذرًا: تطبيق نفس الضوابط والعمليات التي تطبقها على تكنولوجيا التشغيل أو استضافة المنتجات على ممارسة التعلم الآلي قد يقلل من العائدات المحتملة بشكل كبير قبل أن تعبر حتى خط البداية.

من المهم أيضًا ملاحظة أن علماء البيانات مطلوبون بشدة. ليس من الصعب عليهم العثور على وظيفة أخرى إذا شعروا بأنهم تحت ضغط لتحقيق نتائج أفضل دون تغيير التكنولوجيا التي يستخدمونها أو كيفية استخدامها.

3. افهم أن دورة حياة تطوير نموذج التعلم الآلي ليست نفس دورة حياة تطوير البرمجيات

تطوير البرمجيات وإنشاء نماذج التعلم الآلي هما عمليتان مختلفتان؛ محاولة معاملة الأخيرة مثل الأولى هي وصفة للكارثة. الشركات التي تعامل مع تسليم النماذج كإصدار برمجي آخر تنتهي بالفجوات في القدرات المتقاطعة مثل المراقبة والتحليل، وارتفاع التكلفة لتحويل المعرفة بين المبدعين والمشغلين، مع جداول زمنية متتالية ومطولة. يحتاج الأشخاص الذين ينشئون ونشرون نماذجك إلى فهم كيفية عمل النموذج والبيانات، وليس فقط معالجة موثوقية الخدمة والرموز الخطأ. سوف تمكنك المواهب الصحيحة، والفرق الهجينة المكونة من متخصصي البيانات والتشغيل، بالإضافة إلى الأدوات الصحيحة، من اختبار وتفسير ليس فقط ما إذا كان البرنامج يعمل، ولكن أيضًا مدى دقة واستيعاب الإجابات.

4. خطط للنطاق.

ستحتاج إلى نشر أدوات ذكاء آلي تحتوي على نظام توزيع آلي مثل Kubernetes أو Docker Swarm. سيساعدك ذلك على تحقيق عدة أهداف. ستتمكن من تشغيل حمولات التعلم الآلي ديناميكيًا ومراقبة المهام تلقائيًا عبر المجموعات لتحديد الأخطاء باستخدام خوارزميات الذكاء الاصطناعي – تنبيه المشغلين بأي مشاكل محتملة قبل ظهورها. ستتمكن أيضًا من دمج تقارير التحليلات من مصادر متعددة في لوحة تحكم مركزية واحدة لضمان أداء نماذج التعلم الآلي كما هو متوقع.

إتقان المنحنى التعلمي

قبل البدء في مشروع التعلم الآلي، من المهم فهم أن نماذج التعلم الآلي يمكن أن توفر مزايا وفعاليات كبيرة لمنظمتك، ولكنها يمكن أن تأخذ منحىً خاصًا بها إذا لم تُدار بشكل صحيح. اعرف المخاطر والتعقيدات التشغيلية من البداية، مع مراعاة النصائح الأربعة المذكورة أعلاه. مع وجود أساس صلب في المكان، ستتمكن من إنشاء نماذج التعلم الآلي وتغييرها بسهولة لخدمة أهدافك التجارية.