ในการอภิปรายเกือบทุกครั้งเกี่ยวกับการปรับปรุงไอทีของรัฐบาลกลางให้ทันสมัยนั้น ปัญญาประดิษฐ์ถือเป็นข้อกำหนดหลัก การทดลองกับ AI – การตรวจสอบอัลกอริทึมหรือการใช้ข้อมูลการฝึกอบรมกับพวกเขา – กำลังเกิดขึ้นทั่วทั้งรัฐบาล แต่มีการทดลองค่อนข้างน้อย ไม่ถึงครึ่ง จริง ๆ แล้วได้เข้าสู่สภาพแวดล้อมการผลิตจริง ๆJosh Elliot รองประธานของModzy™ กล่าวว่าเหตุผลหลักที่ทำให้อัตราการนำไปใช้ต่ำเป็นเรื่องทางเทคนิค หน่วยงานมักมี “สถาปัตยกรรมที่เข้มงวดและสภาพแวดล้อมเครือข่ายที่ไม่สอดคล้องกันหรือแม้กระทั่งมีข้อจำกัด สิ่งเหล่านี้เป็นเรื่องยากมากที่จะจำลองในสภาพแวดล้อมของห้องปฏิบัติการ”
Tom Temin จาก Federal News Network สัมภาษณ์ Elliot
เพื่อทำความเข้าใจอุปสรรคในการนำ AI ไปสู่ระดับการผลิต และแนวทางปฏิบัติที่ดีที่สุดในการเอาชนะอุปสรรคเหล่านี้
Elliot กล่าวว่านอกจากสภาพแวดล้อมที่ยากลำบากแล้ว ปัญหาเกี่ยวกับผู้คนยังเป็นอุปสรรคต่อการใช้ประโยชน์จาก AI ให้ได้สูงสุดอีกด้วย
“นักวิทยาศาสตร์ข้อมูลไม่ใช่วิศวกรระบบหรือนักพัฒนาซอฟต์แวร์ และพวกเขาไม่มีทักษะหรือความเชี่ยวชาญในการออกแบบแบบจำลองที่จะปรับขนาดได้จริงในสภาพแวดล้อมการผลิต” Elliot กล่าว “และในทางกลับกัน นักพัฒนาซอฟต์แวร์หรือวิศวกรแทบไม่มีพื้นฐานด้านการเรียนรู้ของเครื่องหรือความเชี่ยวชาญในการออกแบบแอปพลิเคชันตามหลักการบางอย่างที่มีความสำคัญต่อนักวิทยาศาสตร์ข้อมูล เช่น ความโปร่งใส การอธิบายได้ และความรับผิดชอบ”
ซึ่งหมายความว่าสิ่งที่จำเป็นประการแรกสำหรับความสำเร็จของ AI คือการทำให้แน่ใจว่าโครงการต่างๆ ได้รับการสนับสนุนโดยทีมงานที่ครอบคลุม ซึ่งไม่เพียงแต่รวมถึงบุคลากรด้านซอฟต์แวร์และวิทยาการข้อมูลเท่านั้น แต่ยังรวมถึงโปรแกรมหรือสายงานของเจ้าของธุรกิจ และแม้แต่ผู้บริหารหน่วยงานระดับสูง
แต่คุณยังต้องการแนวทางที่ทำซ้ำได้และมีระเบียบวินัยมากขึ้น
ในการปรับใช้ AI เช่นเดียวกับความสำเร็จในซอฟต์แวร์ทุกประเภท อัลกอริทึม AI และการเรียนรู้ของเครื่องมักไม่มีหน้าต่างในการทำงาน บางครั้งอัลกอริทึมให้ผลลัพธ์ที่แปรผันตามสภาพแวดล้อม ทำให้ไม่น่าเชื่อถือหรือไม่น่าเชื่อถือ Modzy จัดการกับข้อกังวลนี้ด้วยกรอบการจัดการแบบจำลอง ในนั้นทีม AI สามารถขับเคลื่อนไปสู่มาตรฐานและความโปร่งใสที่มากขึ้น
เอลเลียตเสริมว่าด้วยเอกสารที่ดีกว่า – “ชีวประวัติ” ขององค์ประกอบสำหรับแต่ละอัลกอริทึม – ควบคู่กับระบบการตรวจสอบและติดตามสามารถช่วยให้เอเจนซี่ย้ายไปยัง “ModelOps” ซึ่งเป็นกระบวนการที่ทำซ้ำได้อย่างสม่ำเสมอสำหรับการจัดการวงจรชีวิตของโมเดลแมชชีนเลิร์นนิงในระบบการผลิต แพลตฟอร์มของ Modzy ได้รับการออกแบบมาเพื่อย้ายองค์กรจากโหมดทดลองไปสู่ ModelOps ซึ่งมอบ “การจัดการ AI แบบรวมศูนย์ สำหรับการปรับใช้ การจัดการแบบจำลอง การผลิต การอนุมาน และการตรวจสอบ เพื่อให้คุณเข้าใจประสิทธิภาพของ AI ของคุณและวิธีการใช้งานทั่วทั้งองค์กร ”
Elliot กล่าวเสริมว่า “การผสมผสานระหว่าง ModelOps กับเครื่องมือและเทคโนโลยี DataOps และ DevOps จะช่วยให้องค์กรของคุณปรับขนาดการใช้งาน AI ได้อย่างแท้จริง และนั่นหมายถึงเวลาในการหาค่าที่สั้นลง การทำซ้ำที่เร็วขึ้น ไปจนถึงการใส่ความสามารถใหม่ๆ ของ AI” ทั้งหมดนี้มีความเสี่ยงต่ำกว่า
ฟังการสนทนาเพื่อดูข้อมูลที่ครอบคลุมเกี่ยวกับวิธีเพิ่มแรงฉุดและความสำเร็จด้วยปัญญาประดิษฐ์ในหน่วยงานของคุณ
credit : 3daysofsyllamo.org
makedigitalworldeasy.org
thaidiary.net
flashpoetry.net
coachfactoryoutletstoreco.com
glimpsescience.net
sylvanianvillage.com
royalnepaleseembassy.org
21stcenturybackcare.com
coachfactoryonlinea.net
