就像技術(shù)在企業(yè)的業(yè)務(wù)發(fā)展中變得越來越重要一樣，成功部署這些技術(shù)所需的技能也至關(guān)重要，部署人工智能的技能也不例外。調(diào)研機(jī)構(gòu)Codingame公司發(fā)布的一份調(diào)查報(bào)告表明，對(duì)于一般的軟件開發(fā)人員來說，正規(guī)的技術(shù)教育的重要性正在下降。該報(bào)告中，80%的人力資源專業(yè)人員表示雇用了自學(xué)成才的程序員。
安永公司全球數(shù)據(jù)和分析負(fù)責(zé)人Beatriz Sanz-Saiz說：“當(dāng)我們考慮在企業(yè)中大規(guī)模部署人工智能時(shí)，員工所需的技能也需要不斷發(fā)展。在該領(lǐng)域獲得博士學(xué)位的技能已不再是必要的。企業(yè)需要的人工智能工程師不僅可以編寫算法，還可以管理所涉及的數(shù)據(jù)。還需要越來越多的數(shù)據(jù)工程師和數(shù)據(jù)技能來塑造現(xiàn)代架構(gòu)。沒有這些技能，將很難大規(guī)模引入人工智能。”
在當(dāng)今世界，管理和分析海量數(shù)據(jù)的能力以及與同事快速清晰地交流與獲得數(shù)字技能相比更為重要。
合規(guī)性實(shí)踐
傳統(tǒng)上，企業(yè)將人工智能開發(fā)視為模型創(chuàng)建過程，一旦成功創(chuàng)建模型，其過程就會(huì)結(jié)束。但是現(xiàn)在部署人工智能技術(shù)還需要其他方面的工作。隨著部署人工智能需要多個(gè)數(shù)據(jù)集，面臨的最主要的問題就是合規(guī)性。
Seldon公司機(jī)器學(xué)習(xí)工程總監(jiān)Alejandro Saucedo說：“越來越清楚的是，在模型的整個(gè)生命周期中，培訓(xùn)只是開始，因此所需的技能超出了數(shù)據(jù)科學(xué)能力。IT和合規(guī)性要求現(xiàn)在對(duì)于流程同樣重要。企業(yè)需要根據(jù)使用情況考慮引入的操作組件，這取決于用例。合規(guī)性檢查需要諸如運(yùn)營(yíng)經(jīng)理、交付經(jīng)理等之類的角色。最終，企業(yè)需要的人工智能技能可以歸結(jié)為數(shù)據(jù)科學(xué)能力、軟件工程能力、IT操作能力和領(lǐng)域?qū)I(yè)知識(shí)。”
DevOps和ModelOps
SAS公司英國(guó)和愛爾蘭地區(qū)的數(shù)據(jù)科學(xué)主管Iain Brown博士在多年的工作中感受到了部署人工智能所需技能的演變。
他說：“我從事這個(gè)行業(yè)已有15年的時(shí)間，我具有統(tǒng)計(jì)學(xué)背景，多年來從事計(jì)算機(jī)科學(xué)方面的工作，但我非常專注于分析方面的東西。企業(yè)現(xiàn)在真正需要的更多是流程中最重要的部分，這意味著DevOps將采購(gòu)合適的環(huán)境并為這些模型的開發(fā)投入基礎(chǔ)設(shè)施，然后是ModelOps，在ModelOps中，這些模型將經(jīng)過一個(gè)過程并部署到生產(chǎn)環(huán)境中。”
他指出，在部署過程的最終結(jié)果之內(nèi)，需要考慮對(duì)人工智能模型進(jìn)行監(jiān)視、治理和驗(yàn)證。這些方面以及發(fā)現(xiàn)和引入適合該過程的基礎(chǔ)設(shè)施能力，這與數(shù)學(xué)、統(tǒng)計(jì)學(xué)和計(jì)算機(jī)科學(xué)知識(shí)同樣必要。
Brown認(rèn)為，DevOps和ModelOps在銀行領(lǐng)域的應(yīng)用很成功。大型企業(yè)一直在利用對(duì)業(yè)務(wù)問題的綜合視圖，識(shí)別它們并相應(yīng)地調(diào)整建模生態(tài)系統(tǒng)。
領(lǐng)域和行業(yè)知識(shí)
隨著人工智能技術(shù)促進(jìn)了越來越多部門的運(yùn)營(yíng)，很明顯，僅僅掌握這項(xiàng)技術(shù)還不足以讓部署取得成功。無論人工智能解決方案是為企業(yè)服務(wù)還是為個(gè)人服務(wù)，推出這一解決方案的工程師都需要了解當(dāng)前的業(yè)務(wù)。
Sanz-Saiz說：“企業(yè)需要了解這些算法的工作原理以及如何訓(xùn)練機(jī)器的員工，并同時(shí)也要了解其行業(yè)領(lǐng)域的業(yè)務(wù)。如果沒有這種理解，訓(xùn)練算法可能會(huì)更復(fù)雜。任何成功的數(shù)據(jù)科學(xué)家不僅需要技術(shù)專長(zhǎng)，還需要具備行業(yè)背景和知識(shí)。”
沒有足夠的行業(yè)知識(shí)，其決策可能會(huì)變得不準(zhǔn)確，并且在某些情況下，例如醫(yī)療保健，也可能很危險(xiǎn)。例如Kheiron Medical這樣的開發(fā)商一直在使用人工智能解決方案來促進(jìn)癌癥篩查，加速流程，并最大程度地減少人為錯(cuò)誤。為了使這一點(diǎn)更加有效，需要在篩選程序的每個(gè)階段進(jìn)行仔細(xì)的評(píng)估和評(píng)價(jià)。
Kheiron公司首席戰(zhàn)略官Sarah Kerruish解釋說，“我認(rèn)為，對(duì)臨床嚴(yán)謹(jǐn)性的承諾需要鞏固我們所做的一切，需要能夠以獨(dú)立驗(yàn)證的方式進(jìn)行大規(guī)模的測(cè)試和評(píng)估，這是無法回避的。”
Kerruish認(rèn)為，與同事進(jìn)行緊密合作是在醫(yī)學(xué)領(lǐng)域同樣重要的技能。在幫助檢測(cè)癌癥跡象的情況下，這意味著要與放射科醫(yī)生緊密合作，并確?；颊吡私膺@一過程。
她說：“我們并不是為了取代放射科醫(yī)生，而是為他們提供幫助。就像會(huì)計(jì)師需要計(jì)算器一樣，我們需要更好的工具來實(shí)現(xiàn)目標(biāo)。”
人工智能系統(tǒng)存在的偏見
勞動(dòng)力需要精通的另一個(gè)重要領(lǐng)域是人工智能系統(tǒng)可能存在的偏見。人工智能開發(fā)團(tuán)隊(duì)需要掌握技能，以確保將這些偏見的影響降到最低。
Onfido公司高級(jí)產(chǎn)品經(jīng)理Claire Woodcock表示：“由經(jīng)驗(yàn)豐富的技術(shù)專家以及具有用戶經(jīng)驗(yàn)和政策理解的人員組成的跨職能團(tuán)隊(duì)是實(shí)施治理的關(guān)鍵。這將確保更好的防欺詐保護(hù)和更好的客戶體驗(yàn)。我們生活在一個(gè)數(shù)字身份的時(shí)代。因此，無論種族、年齡或任何其他特征如何，身份驗(yàn)證技術(shù)對(duì)于每個(gè)人來說都是至關(guān)重要的。使用治理框架等工具可以使團(tuán)隊(duì)修改決策過程，消除偏見等。”
Onfido公司與英國(guó)信息專員辦公室(ICO)合作，一直在尋求改進(jìn)其面部識(shí)別算法，以減少金融服務(wù)和企業(yè)身份驗(yàn)證中的偏見。其沙盒計(jì)劃導(dǎo)致誤接受率為0.01%，誤拒絕率為0.3%。
Acquia公司首席科學(xué)官Omer Artun補(bǔ)充說：“必須對(duì)員工進(jìn)行教育的一個(gè)關(guān)鍵領(lǐng)域是人工智能偏見。人工智能是一種工具，因此并沒有固有的偏見。與其相反，它是在數(shù)據(jù)集上訓(xùn)練的，而如果這些數(shù)據(jù)集有偏差，人工智能系統(tǒng)很可能會(huì)采用類似的特征。因此，企業(yè)的團(tuán)隊(duì)需要接受有關(guān)透明和開放的數(shù)據(jù)收集方法的教育和培訓(xùn)，以確保他們不會(huì)向人工智能系統(tǒng)提供具有偏見的數(shù)據(jù)集。”
版權(quán)聲明：本文為企業(yè)網(wǎng)D1Net編譯，轉(zhuǎn)載需注明出處為：企業(yè)網(wǎng)D1Net，如果不注明出處，企業(yè)網(wǎng)D1Net將保留追究其法律責(zé)任的權(quán)利。
京公網(wǎng)安備 11010502049343號(hào)