為AI而AI

要做AI 專案, 目前潮流下及高層推動, 容易為AI而AI, 以下可以參考

專案規章 Project Charter , 以下是一般專案做法

• 問題描述 problem statement
• 目標 goal
• 前提 assumption
• 資源 resource
• 專案時程 milestone

問題描述 problem statement

• 先確定是AI問題? 還是資訊系統(IT)問題?
• 不要為AI而AI,
  • 有些問題只是IF-THEN即可解決
  • 有時殺雞用牛刀
• 是否是AI可以解決的問題
  • 目前有解否?
    • 目前AI技術可解決
  • 有明確判斷準則 ?
    • 分類時 Classification (label清楚)
    • 回歸時 Regression (number 夠多)
    • 集群分析時 Clustering (reasonable 數夠多)
    • Reinforcement Learning (positive/negative 明確)
  • 有否足夠資料 (如X和Y) ?
    • 足夠多資料可以機器學習
    • 資料一致性,多樣性,封閉性,時間性

資源 resource

• 成員及專案經理需互相搭配, 都了解AI
• 若很難找到AI人才 , 不仿產學合作, 目前AI知識大部分在學界
• 一定需要領域專家

正確使用AI

• 請注意常常實驗室測試效果較好
• 分析資料很重要
  • 有時在分析資料前, 即開始調參數 , 即演變成 trial and error
  • 應該先分析, 蒐集有效資料, 做有效實驗

參考 國立高雄大學 吳志宏博士 10 Tips for Deploying AI Projects

註:本文是搜尋數個網站及各種不同來源之結果,著重在學習,有些內容已難辦別出處,我會儘可能列入出處,若有疏忽或出處不可考,請聯絡我, 我會列入, 尚請見諒。