技能分享 | 為什麼企業在 AI 執行時一直卡關?

在 2020 年,突如其來的新冠疫情改變了許多產業的命運,同時加速推促 AI 落地的速度,AI 人工智慧的應用將成為企業間的新日常。SourceZones 團隊秉持著創業初衷,持續精進我們的產品系列,並透過多方知識的分享,希望可以在後疫情下,提供給各企業相關的應對資訊,增強各界在如何持續營運、優化 AI 架構以及資料處理的基本功。

然而,大家都知道 AI 技術之重要性,但能夠成功導入AI人工智慧的台灣企業卻是少之又少。究竟AI為什麼這麼難落地實施呢?SourceZones 團隊根據多年在台灣協助多個的AI數據處理專案,從橫跨各大產業領域的專案經驗,發現出企業的AI專案在釐清問題本質之後,首先會面臨到一個問題:如何收集資料(Data Collection)和建立 AI 模型(Model Establishing)。

訓練一個 AI,需要多少資料?

如果想知道需要多少訓練資料(Training Data),首先應該先釐清:這個 AI 專案到底要處理什麼問題,以及這個問題有多複雜?確定之後,再來判斷應該選用哪種程度的模型來做訓練。根據不同的商業命題複雜度,用不同複雜度的模型和精準數據彼此搭配,找出最佳平衡,才能讓 AI 專案順利落地。

但是光有資料,又是足夠的嗎?SourceZones 解答,光有資料絕對是不夠的!

資料哪裡來?

很多企業會急著開發 AI 模型,但 AI 專案落地經驗的關鍵之一,是先確認:是否已經準備好數據了?如果沒有這樣的能力,談AI落地其實有點好高騖遠。如果你有看我們之前的大資料文章,你可以知道資料的重要性,其中包含了 Volume(資料量)、Variety(資料多樣性)、Velocity(資料即時性)及 Veracity(真實性)。要具備這四項特點,我們才能擁有完整的資料庫,進而做更好的模組訓練。

AI 資料收集(Data Collection)最大的挑戰,在於針對不同型態的資料,會產生不同的 AI 資料需求,因此需要建立的「資料流」(Data Pipeline),AI 資料處理 (Data Processing)和資料標註(Data Annotation)的模式及流程也會有所不同。發展 AI 之前,如果能建立起上述幾點,並確保可以順暢運行,實際訓練 AI 模型時才會省力很多。

相關文章連結:技能分享 | 大資料(1):Big Data 時代的到來!

缺乏實際應用經驗

無論是剛導入 AI 的新手企業,還是已有AI專案經驗的老手企業,都曾經在落實 AI 上卡關。這是為什麼?SourceZones 分析,原因是在於,客戶缺乏「實際應用經驗」來進行 AI 模型訓練。

雖然現在市面上有許多開放資料集 (Open Data) 可以供企業進行 AI 數據標註(Data Annotation)或是機器學習訓練。但是當企業放到實際應用場域測試後,經常發現AI模型成效不佳,無法適用於實際場景,最終還是需要回過頭再進行第二次模型訓練(Model Training)。

SourceZones 提供完整 AI 技術之導入應用,再透過我們的 KY-AI 專案前,我們首先先協助企業建立在內部需要的資料流(Data Pipeline)。進而加上我們的產品服務,確保企業有使用符合實際應用場景的數據來訓練AI模型,全盤考量數據類型、角度等多元性,避免機器學習偏誤。

缺乏管理層的理解與支持

AI 的熱潮讓許多企業都想要參一腳,然而 AI 要能夠順利落地,企業管理層對於 AI 的認知和支持更是一大關鍵。許多台灣企業的 AI 數位轉型主導者,在傳統公司中可能有豐富資歷的技術長或管理階層,對於 AI 人工智慧這個全新領域的概念,比較缺乏深度的理解,也沒有類似AI模型訓練和測試的相關經驗。加上考慮到資金及時間成本的問題,讓管理層的長官們在許多政策的推動上常常缺乏信心,差了臨門一腳。SourceZones 協助企業在不增加額外成本的情況下,將 AI 技術成功導入企業中。

創造自身價值

SourceZones 整理出目前許多企業之技術未能達到此部的潛在原因包括:

  1. 缺乏豐富及良好的資料源。
  2. 缺乏資金進行技術擴展。
  3. 缺乏管理層的理解與支持。
  4. 未具備 AI 人工智慧相關資訊人員。

但是,透過 SourceZones 的產品,你可以輕鬆簡單地獲取這些資料。SourceZones 具備經驗豐富的開發團隊,整理出自身在技術開發期間遇過的各種困難點。希望可以協助企業減少不必要的開發成本,有效地將 AI 導入到企業當中。

更多相關產品資訊,請見:SourceZones產品資訊

此外,SourceZones 認為企業發展 AI 人工智慧的最終目的,還是希望能「達到商業目標,創造價值」。在訓練 AI 模型時,貴公司或是貴團隊如果不知道如何判斷哪個指標,對 AI 模型學習來說比較重要,建議回歸初心,重新釐清「 這個專案想達到的商業目標是什麼 」,才是最重要的!

發表迴響

在下方填入你的資料或按右方圖示以社群網站登入:

WordPress.com 標誌

您的留言將使用 WordPress.com 帳號。 登出 /  變更 )

Google photo

您的留言將使用 Google 帳號。 登出 /  變更 )

Twitter picture

您的留言將使用 Twitter 帳號。 登出 /  變更 )

Facebook照片

您的留言將使用 Facebook 帳號。 登出 /  變更 )

連結到 %s