如果開(kāi)始深入研究人工智能應(yīng)用程序開(kāi)發(fā)過(guò)程，首先要了解這些項(xiàng)目與常規(guī)應(yīng)用程序開(kāi)發(fā)項(xiàng)目有何不同。談到人工智能，每個(gè)問(wèn)題都需要一個(gè)獨(dú)特的解決方案，即使企業(yè)已經(jīng)開(kāi)發(fā)了類似的項(xiàng)目。一方面，有多種預(yù)訓(xùn)練模型和經(jīng)過(guò)驗(yàn)證的方法可用于構(gòu)建人工智能。此外，人工智能是獨(dú)一無(wú)二的，因?yàn)樗诓煌臄?shù)據(jù)和業(yè)務(wù)案例。正因?yàn)槿绱?，人工智能工程師通常通過(guò)深入研究業(yè)務(wù)案例和可用數(shù)據(jù)、探索現(xiàn)有方法和模型來(lái)開(kāi)始這一旅程。

由于這些方面，人工智能項(xiàng)目的創(chuàng)建更接近于科學(xué)研究，而不是經(jīng)典的軟件開(kāi)發(fā)。以下探討一下其原因，以及了解這一現(xiàn)實(shí)如何幫助企業(yè)準(zhǔn)備好為其項(xiàng)目執(zhí)行這些流程和預(yù)算。

人工智能項(xiàng)目分類

人工智能項(xiàng)目可以分為四組：

直截了當(dāng)?shù)捻?xiàng)目：典型的例子包括可以通過(guò)應(yīng)用公共數(shù)據(jù)集和知名技術(shù)來(lái)實(shí)現(xiàn)的生產(chǎn)就緒模型。例如，ImageNet適用于旨在對(duì)圖像進(jìn)行分類的項(xiàng)目。

知名技術(shù)項(xiàng)目：在這些情況下，我們知道該項(xiàng)目所需的適當(dāng)技術(shù)，但我們?nèi)匀恍枰κ占蜏?zhǔn)備數(shù)據(jù)。

需要深入研究的項(xiàng)目：原則上，我們可以弄清楚模型是如何工作的，如何應(yīng)用現(xiàn)有數(shù)據(jù)，或者應(yīng)該采取哪些步驟來(lái)訓(xùn)練模型以完成特定任務(wù)。僅憑經(jīng)驗(yàn)無(wú)法做出任何預(yù)測(cè)，因?yàn)槲覀儾恢滥Ｐ偷男袨榉绞?。啟?dòng)過(guò)程需要額外的測(cè)試和案例處理。

生產(chǎn)項(xiàng)目需要額外的努力：這組案例中的數(shù)據(jù)和模型在實(shí)踐中都沒(méi)有得到充分的嘗試。

為什么人工智能項(xiàng)目如此不可預(yù)測(cè)?

人工智能項(xiàng)目開(kāi)發(fā)環(huán)境可以被可視化為一個(gè)由技術(shù)和即用型解決方案組成的三層金字塔。

上層包含適合人工智能使用的現(xiàn)成產(chǎn)品——如第三方庫(kù)或經(jīng)過(guò)驗(yàn)證的公司解決方案。例如，谷歌用于檢測(cè)支票欺詐、面部識(shí)別和物體檢測(cè)的解決方案就是很好的例子。

第二個(gè)層次包括描述業(yè)務(wù)挑戰(zhàn)的新領(lǐng)域。我們可能有合適的模型來(lái)解決挑戰(zhàn)，但該技術(shù)需要稍作修改或調(diào)整才能在實(shí)施過(guò)程中證明其有效性。該模型應(yīng)該專門針對(duì)其特定用例，這導(dǎo)致了人工智能使用中新利基市場(chǎng)的出現(xiàn)。

科學(xué)研究構(gòu)成低層。科學(xué)研究還沒(méi)有準(zhǔn)備好生產(chǎn)，因?yàn)槿藗儾恢肋@些模型會(huì)展示什么結(jié)果。這是人工智能系統(tǒng)的一個(gè)深層次，盡管可以朝這個(gè)方向努力。

人工智能應(yīng)用程序開(kāi)發(fā)與常規(guī)應(yīng)用程序

使用人工智能進(jìn)行應(yīng)用程序開(kāi)發(fā)與非人工智能應(yīng)用程序沒(méi)有根本區(qū)別，但包含概念證明(PoC)和演示。和用戶界面(UI)/用戶體驗(yàn)(UX)階段在演示和人工智能組件準(zhǔn)備就緒時(shí)開(kāi)始。

應(yīng)用程序開(kāi)發(fā)公司在接到創(chuàng)建人工智能驅(qū)動(dòng)的應(yīng)用程序的任務(wù)時(shí)要做的第一件事就是詢問(wèn)客戶的需求和數(shù)據(jù)：人工智能是產(chǎn)品的核心還是附加組件?這個(gè)問(wèn)題的答案會(huì)影響解決方案的復(fù)雜程度。

客戶可能不需要最準(zhǔn)確和現(xiàn)代的解決方案。因此，重要的是要找出人工智能組件的缺乏是否阻礙了成熟的產(chǎn)品開(kāi)發(fā)，以及在沒(méi)有人工智能組件的情況下創(chuàng)建產(chǎn)品是否有任何意義。解決了這個(gè)問(wèn)題后，我們就可以繼續(xù)前進(jìn)了。

一開(kāi)始，可以將人工智能項(xiàng)目分為兩個(gè)子類別：

從頭開(kāi)始構(gòu)建的應(yīng)用程序

人工智能組件集成到現(xiàn)有應(yīng)用程序中

從頭開(kāi)始構(gòu)建人工智能應(yīng)用程序

因此，如果決定從頭開(kāi)始開(kāi)發(fā)一個(gè)新的人工智能功能應(yīng)用程序。正因?yàn)槿绱?，沒(méi)有任何基礎(chǔ)設(shè)施來(lái)集成人工智能應(yīng)用程序。這里來(lái)到了最重要的問(wèn)題：人工智能功能開(kāi)發(fā)是否可以像處理通常的應(yīng)用程序功能一樣處理，例如登錄/注銷或發(fā)送/接收消息和照片?

乍一看，人工智能只是用戶可以與之交互的一項(xiàng)功能。例如，人工智能可用于檢測(cè)一條消息是否應(yīng)被視為垃圾郵件，識(shí)別照片中臉上的微笑，并在人臉和語(yǔ)音識(shí)別的幫助下實(shí)現(xiàn)基于人工智能的登錄。然而，人工智能解決方案的開(kāi)發(fā)仍然很年輕，而且還以研究為基礎(chǔ)。這導(dǎo)致人們意識(shí)到應(yīng)用程序的人工智能功能是整個(gè)項(xiàng)目中風(fēng)險(xiǎn)最大的部分，尤其是在業(yè)務(wù)目標(biāo)需要提出創(chuàng)新且復(fù)雜的AI解決方案時(shí)。

例如，如果構(gòu)建一個(gè)帶有登錄/注銷屏幕、消息系統(tǒng)和視頻通話的聊天應(yīng)用程序。視頻通話應(yīng)支持類似Snapchat的過(guò)濾器。以下是風(fēng)險(xiǎn)表和應(yīng)用程序不同功能復(fù)雜性的概述：

聊天應(yīng)用功能

很明顯，從風(fēng)險(xiǎn)最小化策略的角度來(lái)看，從具有最低復(fù)雜性和風(fēng)險(xiǎn)的任務(wù)開(kāi)始開(kāi)發(fā)過(guò)程是不合理的。人信可能會(huì)問(wèn)，為什么類似Snapchat的過(guò)濾器風(fēng)險(xiǎn)最大?這里有一個(gè)簡(jiǎn)單的答案：要?jiǎng)?chuàng)建一個(gè)類似Snapchat的過(guò)濾器，必須涉及許多尖端技術(shù)，如增強(qiáng)現(xiàn)實(shí)(AR)和深度學(xué)習(xí)，將它們適當(dāng)?shù)鼗旌显谝黄?，并將它們放在?jì)算資源低的手機(jī)上。為此，您必須解決許多非凡的工程任務(wù)。

將人工智能組件集成到現(xiàn)有應(yīng)用程序中

將人工智能功能集成到現(xiàn)有項(xiàng)目與從頭開(kāi)始構(gòu)建AI應(yīng)用程序有一些不同。首先，我們必須使用人工智能增強(qiáng)的現(xiàn)有項(xiàng)目是在沒(méi)有任何架構(gòu)考慮AI功能的情況下開(kāi)發(fā)的，這是一種常見(jiàn)的情況?？紤]到人工智能功能是某些數(shù)據(jù)管道的一部分，我們得出結(jié)論，開(kāi)發(fā)AI功能肯定需要至少對(duì)應(yīng)用程序架構(gòu)進(jìn)行一些更改。從人工智能的角度來(lái)看，現(xiàn)有的應(yīng)用可以分為以下幾類：

(1) 基于數(shù)據(jù)庫(kù)的項(xiàng)目：

文本處理

推薦系統(tǒng)

聊天機(jī)器人

時(shí)間序列預(yù)測(cè)

(2) 非基于數(shù)據(jù)庫(kù)的項(xiàng)目：

圖像/視頻處理

語(yǔ)音/聲音處理

人工智能應(yīng)用程序開(kāi)發(fā)的主要階段

以下回顧一下典型的人工智能應(yīng)用程序開(kāi)發(fā)過(guò)程是如何分五個(gè)階段發(fā)展的。

1.業(yè)務(wù)分析

在第一階段，我們獲得客戶的輸入或愿景，這些輸入或愿景可以作為具有總體想法概述的文檔。在這里，我們開(kāi)始業(yè)務(wù)分析過(guò)程。為了準(zhǔn)備輸入，我們需要考慮業(yè)務(wù)問(wèn)題。企業(yè)用業(yè)務(wù)問(wèn)題解決應(yīng)用程序開(kāi)發(fā)公司，后者的工作是找到業(yè)務(wù)和人工智能能力的交點(diǎn)。

例如，在餐館或雜貨連鎖店的情況下，企業(yè)主有興趣通過(guò)分析采購(gòu)和銷售來(lái)減少食物浪費(fèi)并實(shí)現(xiàn)平衡。對(duì)于人工智能工程師來(lái)說(shuō)，這項(xiàng)任務(wù)變成了時(shí)間序列預(yù)測(cè)或關(guān)系分析任務(wù)，其解決方案使人們能夠預(yù)測(cè)特定數(shù)字。

2.機(jī)器學(xué)習(xí)問(wèn)題確定

下一階段是確定應(yīng)該討論和解決的機(jī)器學(xué)習(xí)(ML)問(wèn)題。這必須考慮到人工智能子領(lǐng)域的技術(shù)能力，例如計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理、語(yǔ)音識(shí)別、預(yù)測(cè)、生成人工智能等。

3.數(shù)據(jù)收集

數(shù)據(jù)是機(jī)器學(xué)習(xí)的燃料，是人工智能應(yīng)用程序開(kāi)發(fā)的關(guān)鍵步驟。有兩種主要的數(shù)據(jù)類型——特定的和一般的。一般數(shù)據(jù)可以從開(kāi)源數(shù)據(jù)網(wǎng)站獲得，所以我們要做的就是縮小目標(biāo)受眾的范圍，把重點(diǎn)放在特定的地區(qū)、性別、年齡或其他關(guān)鍵因素上。大量通用數(shù)據(jù)可以簡(jiǎn)化流程。

因此，如果客戶有一個(gè)基于健身追蹤器活動(dòng)的應(yīng)用程序，我們可以應(yīng)用數(shù)據(jù)和遷移學(xué)習(xí)來(lái)盡快開(kāi)始實(shí)施。這同樣適用于可以從大量集合開(kāi)始的圖像分類。

(1)為新項(xiàng)目開(kāi)發(fā)AIPoC

全新人工智能項(xiàng)目的概念證明(PoC)階段應(yīng)該以AI為中心。這是什么意思?為了滿足風(fēng)險(xiǎn)最小化策略，我們應(yīng)該從項(xiàng)目中風(fēng)險(xiǎn)最大的部分開(kāi)始，即AI功能，如果可能的話，不要觸及項(xiàng)目的任何其他功能。概念證明(PoC)階段可以重復(fù)多次以達(dá)到合適的結(jié)果。在取得令人滿意的結(jié)果后，可以自由地進(jìn)入MVP/工業(yè)化階段，開(kāi)發(fā)應(yīng)用程序的所有剩余功能。

(2)為現(xiàn)有項(xiàng)目開(kāi)發(fā)AIPoC

為了使最終用戶可以使用人工智能功能，首先必須開(kāi)發(fā)該功能，然后將其與現(xiàn)有應(yīng)用程序集成。即，具有應(yīng)用程序代碼庫(kù)、架構(gòu)和基礎(chǔ)架構(gòu)。

人工智能功能最令人著迷的地方在于，它們可以在不觸及主要應(yīng)用程序的情況下進(jìn)行研究、開(kāi)發(fā)和測(cè)試。這產(chǎn)生了一個(gè)想法，即人們可以啟動(dòng)人工智能隔離的概念證明(PoC)而不會(huì)對(duì)主要應(yīng)用程序造成風(fēng)險(xiǎn)。這實(shí)際上是風(fēng)險(xiǎn)最小化策略的本質(zhì)。

以下是要遵循的三個(gè)步驟：

(1)通過(guò)以下方式從現(xiàn)有應(yīng)用程序中收集數(shù)據(jù)：

制作數(shù)據(jù)庫(kù)轉(zhuǎn)儲(chǔ)

收集圖像/視頻/音頻樣本

標(biāo)記收集的數(shù)據(jù)或從開(kāi)源庫(kù)中獲取相關(guān)數(shù)據(jù)集

(2)使用之前收集的數(shù)據(jù)構(gòu)建一個(gè)隔離的AI環(huán)境：

培訓(xùn)

測(cè)試

分析

(3)部署訓(xùn)練成功的人工智能組件：

為當(dāng)前應(yīng)用程序架構(gòu)做準(zhǔn)備的變化

針對(duì)新AI功能的代碼庫(kù)適配

根據(jù)項(xiàng)目類型，代碼庫(kù)的調(diào)整可能會(huì)導(dǎo)致：

更改數(shù)據(jù)庫(kù)架構(gòu)以簡(jiǎn)化和加速人工智能模塊對(duì)其的訪問(wèn)

視頻/音頻處理微服務(wù)拓?fù)涞淖兓?/p>

更改移動(dòng)應(yīng)用程序最低系統(tǒng)要求

4.PoC階段估計(jì)

企業(yè)主經(jīng)常向軟件供應(yīng)商詢問(wèn)概念證明(PoC)階段可能需要的預(yù)算、時(shí)間表和工作量。正如上面所展示的，與常規(guī)開(kāi)發(fā)過(guò)程相比，人工智能項(xiàng)目的特點(diǎn)是高度不可預(yù)測(cè)。這是由于任務(wù)類型、數(shù)據(jù)集、方法和技術(shù)的高度可變性。所有這些條件都解釋了為什么對(duì)假設(shè)項(xiàng)目進(jìn)行估算是一項(xiàng)相當(dāng)困難的任務(wù)。盡管如此，我們還是根據(jù)項(xiàng)目的復(fù)雜程度展示了上述人工智能項(xiàng)目的一種可能分類。

5.新的迭代或生產(chǎn)

第一個(gè)概念證明(PoC)之后的下一步可以是概念證明(PoC)的新迭代，并進(jìn)行進(jìn)一步的改進(jìn)或部署。創(chuàng)建新的概念證明(PoC)意味著數(shù)據(jù)添加、案例處理、錯(cuò)誤分析等。迭代次數(shù)是有條件的，取決于項(xiàng)目。

任何人工智能項(xiàng)目都與風(fēng)險(xiǎn)直接相關(guān)?？赡苊媾R來(lái)自數(shù)據(jù)適用性的風(fēng)險(xiǎn)，以及算法或?qū)嵤╋L(fēng)險(xiǎn)。為了降低風(fēng)險(xiǎn)，明智的做法是僅在人工智能組件的準(zhǔn)確性滿足業(yè)務(wù)目標(biāo)和期望時(shí)才開(kāi)始產(chǎn)品開(kāi)發(fā)。