人工智能還沒有準備好應對“業(yè)務流程”。消息從國際商業(yè)機器本周在一份研究報告提供了從藍色巨人IBM Watson和阿爾馬登研究中心的科學家們單位。

本文提出了大量的充滿希望的建議,但也意味著大量的問題是否AI太不守規(guī)矩的,目前野生藍色巨人來馴服它。IBM的研究人員的建議是,很多機器學習階段需要考慮仔細,包括一個經(jīng)理應該如何“設定目標”的神經(jīng)網(wǎng)絡模型中,“數(shù)據(jù)管道”應該如何構建的示例作為神經(jīng)網(wǎng)絡的輸入,以及如何不斷“迭代”人工智能模型來改進它。

特別關注的是事情監(jiān)管的行業(yè),如數(shù)據(jù)的“血統(tǒng)”:什么是數(shù)據(jù)的“合法性”被使用?

本文描述機器學習過程:一個成熟的框架,發(fā)布在預印arXiv服務器上,并由拉瑪Akkiraju Vibha Sinha,安邦,塔拉馬哈茂德,Pritam Gundecha,哲劉,劉,和約翰•舒馬赫。

人工智能的挑戰(zhàn),為企業(yè)之間的本質區(qū)別是機器學習編程和傳統(tǒng)的軟件編程,IBM說:“雖然傳統(tǒng)軟件應用程序是確定的,機器學習模型是概率。”此外,神經(jīng)網(wǎng)絡開發(fā)使用“混亂的數(shù)據(jù),”事實不完全適合企業(yè)。

還:IBM推出工具檢測AI公平、偏見和開放來源一些代碼

沒有做任何關于這個的,IBM說:“學術文獻在機器學習模型未能解決如何讓機器學習模型為企業(yè)工作。”

達到一定程度的成熟更適合企業(yè)使用,IBM的科學家提出將機器學習符合廣大文學在“應用程序生命周期管理”等,而這些術語的含義延伸到符合小說的AI質量。

具體地說,研究人員利用Watts Humphrey, 1980年代,定義了軟件能力成熟度模型。CMM是一種地圖軟件的階段在一個組織。它開始于“不成熟”階段,當公司沒有控制它是做什么用的程序,和總結快樂的階段,一個組織能夠不斷“優(yōu)化”項目。

工作的最原始的貢獻是神經(jīng)網(wǎng)絡研究人員的建議,應該著眼于開發(fā)特定行業(yè)的特殊性。發(fā)現(xiàn)人工智能的“業(yè)務用例”,他們寫道,可能需要公司“定制通用機器學習模型與行業(yè)、領域,和用例具體的數(shù)據(jù)使他們更準確的具體情況。”

IBM顯然是冒險進入一個灌木叢的棘手問題。機器學習的有很多方面,特別是在它的深度學習化身,不能輕易和解的整潔規(guī)范的能力成熟度模型。

例如,IBM提出一個“人工智能服務數(shù)據(jù)會導致“公司內監(jiān)督,一開始的工作,什么樣的“地面實況”的標簽附加到數(shù)據(jù)的機器。但“無監(jiān)督機器學習試圖遠離地面實況在神經(jīng)網(wǎng)絡的設計。

另外:IBM研究人員提出人工智能服務透明度文檔

同樣,一個組織內的“培訓主管”應該是處理數(shù)據(jù)在神經(jīng)網(wǎng)絡發(fā)展的“特征提取”階段,包括諸如想出“分詞器。”再次,深度學習的大部分是關于自動特征提取,而不是這種手工工作。

也許最令人生畏的前景是企業(yè),在IBM的看來,應該是負責確保偏見的神經(jīng)網(wǎng)絡是免費的,整個人工智能社區(qū)的一個任務撓撓頭。之間的職責”提供經(jīng)理,負責開發(fā)的神經(jīng)網(wǎng)絡,是“確保模型是免費的不受歡迎的偏見,公平、透明。”

最后,雖然在他們的建議作者表現(xiàn)的很自信,好像機器學習可能太粗野的藍色大提供了的期望。

當他們寫報告的結論:“猶豫在采用人工智能模型的另一個原因是組織發(fā)現(xiàn)黑盒和非透明。特別是模型與深度學習技巧訓練。”