أكبر الوجبات الجاهزة من @chipro: 1. تأتي أكبر التحسينات على منتج الذكاء الاصطناعي الخاص بك من التحدث إلى المستخدمين وفهم ملاحظاتهم ، وليس من اعتماد أحدث النماذج أو البقاء ملتصقا بأخبار الذكاء الاصطناعي. تضيع العديد من الشركات الوقت في مناقشة التكنولوجيا التي يجب استخدامها ، عندما تأتي المكاسب الحقيقية من تجربة مستخدم أفضل وإعداد البيانات. 2. معظم مشاكل منتجات الذكاء الاصطناعي ليست مشاكل في الذكاء الاصطناعي. عندما تعتقد الشركات أن لديها مشكلة في أداء الذكاء الاصطناعي ، فعادة ما تكون مشكلة في تجربة المستخدم أو فجوة اتصال تنظيمية أو مشكلة في جودة البيانات. اعتقدت إحدى الشركات أن نظام تسجيل العملاء المحتملين في الذكاء الاصطناعي قد تم تعطله ، لكن المشكلة الحقيقية كانت أن فريق التسويق لم يكن يطرح الأسئلة الصحيحة للحصول على بيانات مفيدة. 3. كيفية إعداد بياناتك أكثر أهمية من قاعدة البيانات التي تختارها. ترى الشركات أكبر مكاسب أداء الذكاء الاصطناعي من تنظيم معلوماتها وإعدادها بشكل أفضل - تقسيم المحتوى إلى أجزاء بالحجم الصحيح ، وإضافة ملخصات ، وتحويل المحتوى إلى تنسيق أسئلة وأجوبة - بدلا من المعاناة بشأن البنية التحتية التقنية التي يجب استخدامها. 4. يستفيد أفضل أداء لديك أكثر من أدوات الذكاء الاصطناعي. في تجربة خاضعة للرقابة ، حصل المهندسون الأعلى أداء على أكبر زيادة في الإنتاجية من مساعدي الترميز الذكاء الاصطناعي ، وليس الأقل أداء. استخدم كبار المهندسين الذين عرفوا بالفعل كيفية حل المشكلات الذكاء الاصطناعي للعمل بشكل أسرع ، في حين أن ذوي الأداء المنخفض غالبا ما ينسخون ويلصقون التعليمات البرمجية التي لم يفهموها. 5. يجب أن يكون الضبط الدقيق هو الملاذ الأخير. قبل الاستثمار في ضبط نموذج ما ، جرب حلولا أبسط أولا: تحسين مطالباتك ، أو إضافة البرامج النصية الأساسية لمرحلة ما بعد المعالجة ، أو إصلاح مسار البيانات الخاص بك. اكتشفت إحدى الشركات 90٪ من أخطاء نموذجها بنص بسيط. يخلق الضبط الدقيق صداعا مستمرا في الصيانة ويجب استخدامه فقط عندما يتم الوصول إلى الحد الأقصى. 6. لست بحاجة إلى أن تكون مثاليا للفوز. تختار العديد من الشركات الناجحة كلمة "جيدة بما فيه الكفاية" على الكمال عند تنفيذ أنظمة الذكاء الاصطناعي. يحسبون ما إذا كان استثمار مهندسين لتحسين الدقة من 80٪ إلى 85٪ أفضل من استخدام هؤلاء المهندسين أنفسهم لإطلاق ميزة جديدة تماما. في كثير من الأحيان ، توفر الميزة الجديدة قيمة أكبر. 7. يكاد يكون من المستحيل قياس إنتاجية الذكاء الاصطناعي. تستثمر الشركات بكثافة في أدوات الترميز بالذكاء الذكاء الاصطناعي ولكن لا يمكنها إثبات أنها تعمل بوضوح. عندما يضطرون إلى الاختيار بين اشتراكات الذكاء الاصطناعي باهظة الثمن لفريقهم أو توظيف شخص إضافي ، يختار العديد من المديرين الشخص ، ليس بالضرورة لأن الذكاء الاصطناعي لا يساعد ولكن لأن عدد الموظفين يبدو أكثر واقعية. 8. التفكير المنظومي مهم أكثر من الترميز. نظرا لأن الذكاء الاصطناعي يقوم بأتمتة المزيد من مهام الترميز ، فإن القدرة على فهم كيفية عمل المكونات المختلفة معا تصبح المهارة الأكثر قيمة. وفقا لرئيس منهج علوم الكمبيوتر في جامعة ستانفورد ، فإن الترميز هو مجرد أداة - المهارة الحقيقية هي فهم كيفية عمل الأنظمة وتصميم حلول خطوة بخطوة للمشكلات. 9. نفاد نص الإنترنت للتدريب عليه. لقد استنفد العالم بشكل أساسي البيانات النصية المتاحة للجمهور لتدريب نماذج الذكاء الاصطناعي. هذا يعني أن التحسينات المستقبلية ستأتي أقل من تغذية النماذج والمزيد من البيانات والمزيد من تقنيات التدريب الأفضل ، والتعليقات البشرية ، والعثور على مصادر بيانات جديدة مثل الصوت والفيديو. 10. كثير من الناس لا يعرفون ماذا يبنون على الرغم من امتلاك أدوات قوية. حتى مع أدوات الذكاء الاصطناعي التي يمكنها بناء أي شيء تقريبا ، يواجه العديد من الموظفين "أزمة فكرة" - فهم ببساطة لا يعرفون ماذا ينشئون. أفضل نهج: قضاء أسبوع في ملاحظة ما يحبطك في عملك اليومي ، ثم قم ببناء أدوات صغيرة لحل نقاط الألم المحددة هذه.