人工智能项目,要"入门"不要"入坑"

(原文来自:特大号)今年是彻底的火了,这不是梦话,而是大势所趋,AI已经渗透到各行各业.
无论是哪类客户,都表现出了对AI的"强烈意愿",毕竟谁也不想被时代抛弃.
所以问题来了:现阶段考验客户的问题,不在于是否部署人工智能(AI),而是如何部署人工智能然而,当大家怀着无限憧憬,迈向人工智能第一步的时候,"坑"就已经静静地等在那里了.

无论何种项目、如何部署,都绕不开以上这四大关键要素,而那些"坑",就隐藏在这些要素里.
1.
数据的坑现在一提到人工智能,大家就说,必须要有"海量数据".
没错,"数据"对于AI来说至关重要,没有数据,一切是空谈.
我们来看一下整个AI处理的大致流程就知道,数据就像婴儿奶粉一样,只有持续不断地"喂",才能让机器完成不断学习,变得智能.
构建模型、训练数据,训练使用的数据集越大、质量越好,训练出来的AI模型就越"聪明".
但是,深度学习的模型训练决定了奶粉不能一次喂,今天吃了,明天还要吃,做不到"一次喂饱完事".
我们更应该重视的是,海量数据的"消化过程".
所以:2.
算法的坑我们经常被忽悠,一提到人工智能的算法,就是必须是深度学习,这是一个常识性错误.
我们来看一下,人工智能、机器学习、深度学习三者关系如下:其实,AI领域的主流技术路径有三种:①深度学习;②一般的机器学习;③基于规则的学习.
这三种技术路径之间的关系与其说是彼此竞争或替代,更不如说是互补.