Jeśli brałeś już udział w projekcie IT lub przeczytałeś nasz artykuł na ten temat wiesz już, że charakteryzują się one złożonością problemu, częstymi zmianami wymagań i nieprzewidzianymi problemami. Czy może być gorzej? W tym artykule przedstawiam X problemów typowych dla zadań AI.

1. Dlaczego nie 100%?

Wszystko musi działać w 100% dobrze, to chyba oczywiste? No właśnie niekoniecznie. AI, czy może bardziej technicznie, model ML praktycznie nigdy nie będzie dawał zawsze dobrych odpowiedzi. Tak jak ludzie się mylą tak i AI się myli. Dlaczego? Zazwyczaj dlatego, że w danych nie ma pełnej wiedzy pozwalającej przewidzieć co się stanie, jak na przykład to że dzisiaj jest wyjątkowo ciekawy mecz ligi mistrzów a więc część potencjalnych klientów spędzi ten wieczór przed telewizorem.

2. Dlaczego nie chcecie obiecać?

Rozumiem, że 100% jest nieosiągalne, jednak dlaczego nie chcecie obiecać na wstępie, że ta sieć neuronowa w 90% przypadków zadziała tak jak należy? Jeżeli zadanie nie jest oblatane, to każdy taki projekt jest z natury R&D. Jako odniesienie można użyć konkurencyjnych rozwiązań (oczywiście mając świadomość marketingowego koloryzowania), publikacji naukowych lub poprzedniego doświadczenia, wszystko to jednak rozbija się o kolejny punkt czyli…

3. Dane

Stosowane obecnie powszechnie metody AI wymagają danych, czyli przykładów które mogłyby oglądnąć aby rozpoznać czy przewidzieć nowe podobne, ale nie widziane do tej pory, elementy czy zjawiska. Kluczowe jest to aby przykłady które „ogląda” algorytm były odpowiedniej jakości i było ich odpowiednio dużo oraz zawierały odpowiednio dużo informacji o tym co wpływa na przykład na podejmowaną przez użytkownika decyzję.

4. Brak widocznego postępu

Nawet w zwykłych projektach IT, pełnych niespodziewanych zwrotów akcji, możesz liczyć na dostarczanie czegoś co wygląda, czemu możesz się przyglądnąć. W projektach AI, bardzo często wynikiem jest poprawa statystycznej jakości działania algorytmu o kilka procent, przez co jako rezultat dostajesz raport a nie kolejny kawałek oprogramowania który można oglądać.

5. Brak jakiegokolwiek postępu

Tak jak wspomniałem projekty AI to często R&D. A więc rozwój algorytmów składa się z eksperymentów, opartych na publikacjach, intuicji, ogólnych wytycznych. Stąd może okazać się, że w rezultacie ciężkich i kosztowych prac trwających na przykład dwa tygodnie, jakość rozwiązania nie posunęła się do przodu.