10.09.2024 Экспертиза, Искусственный интеллект, МенеджментУспешная реализация ИИ-стратегии на предприятии зависит от качества данных, лежащих в ее основе. Опрошенные порталом ComputerWeekly эксперты рассказывают, как компаниям убедиться в том, что они идут по правильному пути, когда речь идет о ранних стадиях этого процесса. Поиск и приобретение нужных данных для создания корпоративного набора данных — это, пожалуй, самая важная задача, стоящая перед организациями, которые хотят создавать свои собственные ИИ-модели. Как отмечает Вазим Али, генеральный директор консалтинговой компании Rockborne, даже при наличии практического опыта все может пойти не так, как хотелось бы. «Все всегда начинается с данных, — говорит он. — Если данные плохие, то и модель не будет хорошей». По его словам, часто задача состоит не в том, чтобы захватить мир своим первым проектом, а в том, чтобы провести пилотный проект, который позволит предприятию двигаться дальше. Следует изучить конкретные потребности бизнеса и требования к данным или цифровому проекту, уточнить, какую проблему нужно решить и какие «догадки» нужно проверить, но поначалу стоит избегать глубокого погружения в «глобальные последствия» своей разработки. Как советует Йоханнес Маунц, руководитель направления ИИ компании Hexagon, специализирующейся на промышленном IoT, начните с основ и двигайтесь к получению данных для конкретного сценария использования. «Не существует одной модели машинного или глубокого обучения для решения всех задач, — говорит он. — Сравните свой статус-кво с тем, что ...
читать далее.
