人工智能(AI)是提高人類解決問題能力的關鍵,但與人工智能互動并不一定是直觀的。企業領導者可能很難理解如何將特定的人工智能技術應用于其組織,以及如何開始大規模集成人工智能技術。
使用人工智能可能并不總是正確的方法,甚至不是必要的方法。在采用人工智能之前,首席信息官和業務領導者應該確定最緊迫的問題,并對它們進行優先級排序,然后確定哪種技術適合解決這些挑戰。企業領導者不要忽視簡單的解決方案,也不要強制在組織內使用人工智能。
一旦發現問題并確定人工智能確實是適當的解決方案,就開始在業務中技術最先進的領域工作,因為人工智能模型需要豐富的數據歷史和持續的數據收集來提出有益的建議。對問題域中的功能、特性和資產進行優先排序,這將有助于進一步做好數據準備。而作為額外的好處,這些領域通常對企業而言最為關鍵。
使用人工智能與使用其他任何技術都沒有什么不同:企業需要了解試圖解決的問題和技術能力,并對兩者進行協調。
本文從人工智能在各種實際項目中的應用中總結出一些步驟。為了使步驟切實可行,我們將深入探討其中之一:谷歌數據中心的能源效率。
谷歌DeepMind希望降低數據中心的能耗,同時保持運營安全。這個團隊在谷歌最新、最優化的一個數據中心開展這個項目。這為數據豐富的環境提供了最新的傳感器和設備,這有助于基線性能(以及后來測量影響)。雖然人工智能應用并不容易,但是如果從一個擁有干凈數據的高級環境開始,其成功率可能會更高。
然后,DeepMind遵循以下六個步驟。其結果是人工智能系統在繼續以安全、有效的方式運營數據中心的同時,降低了30%的能耗。其好處顯而易見:谷歌公司在提高系統效率的同時,降低了數據中心的能耗、環境影響、成本。
從人工智能開始的六個步驟
該項目很復雜,但是其過程很簡單。以下進行一下分解:
步驟1:確定目標。
在開始之前,需要定義要實現的目標以及參與的哪些部門。在人工智能中稱之為目標函數。需要記住,這可能需要平衡多個目標。
在示例中,目標是最大程度地降低冷卻谷歌公司數據中心所需的能源,同時將服務器保持在安全的工作溫度下。這個目標是最重要的,但也可以嘗試將冷卻成本降至最低,減少用水量等。在此確定優先級也是關鍵。將最重要的目標設置為目標函數,然后確保模型在制定決策時也將其次要目標考慮在內。
步驟2:定義可能的決策集。
確定目標后,概述可利用的杠桿,企業可以(并希望)使用人工智能改善系統的哪些部分。這是行動空間。
對于谷歌公司的數據中心來說,非常依賴數據中心運營商(即領域專家)來了解DeepMind可以調整設施的哪些部分,因為某些變量無法直接設置,并且可以由系統的其他部分間接控制。谷歌數據中心設施管理人員表示,最大的能源消耗者是冷卻設備,因此從這里開始。這些技術深厚的合作伙伴關系對于成功應用人工智能至關重要,并允許領域專家將人工智能作為一種工具來增強其影響力。
步驟3:確保系統安全。
任何人工智能系統設置的一個關鍵步驟是了解確保系統安全所必需的操作邊界。應該在單個組件和整個系統級別定義這些約束。
在數據中心示例中,數據中心運營人員概述了單個設備的操作范圍以及這些組件在系統級別的交互方式。然后,根據數據中心的安全操作所允許的內容,對人工智能的安全約束進行建模。約束系統對于避免損壞組件很重要,但過多的安全措施可能會限制創新。人工智能的一個優點是,它可以探索在系統上設置的邊界內的選項,但是越嚴格的防護,就越難探索。在不缺少核心約束的情況下保持平衡是關鍵。
步驟4:審核數據。
人工智能依靠數據來做決定,所以需要必要的數據來衡量其所選擇的行動和目標。在此階段,還可以解決正在進行的數據問題,例如需要捕獲系統級數據的頻率、數據的延遲、維護和更改日志等。
對于谷歌公司的數據中心項目,需要確保擁有測量能耗、人工智能決策,這些決策對物理系統的影響以及影響系統的外部因素(在這種情況下,即天氣、占用率等)所需的所有數據。需要認真檢查收集這些數據的傳感器,以確保正確標記和校準,并且延遲不是問題。
步驟5:清除數據。
人工智能可能依賴于數據,但其成功取決于良好的數據,因此需要識別并修復錯誤數據,合并數據源。確保數據代表試圖解決的問題,并且在數據歷史記錄中表示了一組不同的操作。豐富的歷史和數據變化對于人工智能做出最佳決策非常重要。
數據清理是數據中心項目中至關重要的一步。它還往往需要強大的專業領域知識,這也是人工智能專家和行業專家之間達成伙伴關系至關重要的另一個領域。必須進行校準或修復損壞的傳感器和其他組件,以測量收集的數據。還需要發現丟失的數據,在可能的情況下進行了回填,并統一數據存儲庫和數據輸入。當調整模型時,這使得更容易將額外的數據類型合并到系統中,并改進人工智能的建議。
步驟6:執行持續的數據維護。
由于人工智能項目的成功取決于良好的數據,因此設置例行的定期檢查以確保持續的數據清潔是很重要的。
最后三個步驟可以分為“數據質量保證”,它們是流程中最耗時的部分,也是大多數組織在開始人工智能項目之前需要集中精力的地方。
在遵循這六個步驟之后,DeepMind的工程師們已經準備好構建模型,并開始與整個谷歌數據中心的人工智能進行互動。為目標選擇正確的優化指標非常重要,還要確保人工智能系統能從它所做的決定中得到反饋,以便它能隨著時間的推移而學習和改進。
事實上并沒有靈丹妙藥
沒有任何一個人工智能系統可以解決所有目標。大多數項目都需要自定義,因此其旅程可能需要針對不同應用程序的不同人工系統。找到適用于組織用例的最佳方法是開始構建模型,進行迭代并在進行過程中擴展。
人工智能并不總是正確的答案,但它可以成為改進當前系統、構建新流程和解決復雜問題的強大工具。無論組織剛剛起步還是擁有一些人工智能的應用經驗,其目標是采用這六個步驟來幫助簡化流程。為大型人工智能項目做準備可能需要數月甚至數年的時間,因此盡早開始非常重要。關鍵是要知道為什么很重要,如何準備,以及如何開始。