如何让AI，ML，机器学习项目成功落地（1）
如何让AI，ML，机器学习项目成功落地（1）
读书笔记《succeeding with AI how to get the result you want》
中间有一些自己的理解或理解不当的地方，欢迎讨论。
本文主要包括的内容：
-
目前AI项目的现状
-
成功AI 项目的必要条件
-
根据AI项目的结果采取相应的行动
1.AI的应用
现在很多新的公司想要做AI，或者已经做了一段时间。AI变得很出名主要是因为学术界的成功，但是在工业界或者商业领域，AI还需要逐步发展。AI在工业界使用和学术论文不一样，工业界使用主要目的是用来赚钱的，是谋求商业目的的。而不是刷榜之类，这个可能有点现实，然而事实如此。工业界非常现实，能够花钱给你做研究的公司不多。把项目的成功依赖于新的科学发现是非常危险的，至少大多数公司做不到。
2.AI如何赚钱
做AI项目之前要考虑收益和开支，现有的数据情况+AI 才可以赚钱。当然不是所有公司的目的都是赚钱，但是赚钱应该被考虑进来，如果不赚钱，相信大多数公司都不会考虑使用。
3.什么会影响AI项目的成功
AI的项目leader会面临很多选择，而且很容易会lost在这些选择中。比如用什么架构，如何处理大数据，是否使用云，使用什么算法。而且每一项选择中又有很多细节要考虑。
当你的架构选定之后，决定AI项目是否会成功的关键是如何根据AI项目的结果采取特定的商业行动。一旦这个联系建立之后，你可以专注于提高基础结构。
当开始从事AI项目时，管理者应该将AI项目联系到商业行动。
AI项目的的支撑如架构，算法等只是成功的因素，而不应该是创造的价值。不应该只专注讨论架构实现，也要讨论实现最终的商业目的。
举个例子，数据是新的油，如果你需要新的油田，你会花很大力气专注于找到油，并且了解油田大概长什么样。你可能不会一开始就买最贵的设备，除非找到钻油的地方。这对于数据也是一样，专注于数据本身，而不是钻油设备。
4.机器学习的发展
随着现在AI技术在商业问题的应用，应用工程师和商业技能的深度结合是必须的。AI和机器学习高度相关，机器学习就是让计算机根据数据中的关系来找到其中的模式，而不需要任何先验知识。
通过把数据送到机器学习算法中，并且定义优化目标和评价方式。机器学习不是可以发现你失误的天才，而是一个复杂的数学公式，它根本不理解数据本身。机器学习的算法的唯一目标就是找到给定评价体系下的最优解，不管是用的什么metrics.
image-20200319150348212.png
当看到这个定义的时候，机器学习或者算法没有那么什么。使用算法的技巧不在于使用什么算法，而在于如何使用它。
数据科学家如何使用算法呢：
Machine Learning = Formulation + Optimization + Evaluation
公式：找到清晰的方式来描述商业问题，并且定义算法的输入数据和输出数据。
优化：通过数学计算的方法得到最优解。
评价指标：衡量优化过程的结果是否合理。
image-20200319151039618.png
如果你是一个数据科学家，你应该十分了解什么是ML。由于算法保证评价指标的最优，所以评价指标应该有商业意义。这些评价指标应该不单单是论文中的。很多ML的项目和商业结构相关度不高，而且很多数据科学家不能解释算法的目标和商业目标的关系。比如直接说MSE，这个和商业目标之间的关系是什么？
5.开始了解可能的商业行为
当了解商业问题的时候不能赚钱，采取行动才可以。这些行为受限于真正能采取啥，有些可能现实采取不了。可能受限于你的老板，外部合作伙伴，整个team 的buy in， 预算，政治环境等。
也可以什么也做不了，那就早点放弃吧😄。
数据的多少和商业目标关系不大，小的数据也能带来一些分析结果。分析的结果是为了采取行为。
对于每个AI项目的关键：
1.行动才会获利，分析只会花钱。只有当分析结果转化为行动时才能赚钱。
2.项目的成功在于整个系统，而不是特定的部分。特别是算法。
6.不要直接复制别的方案
复制别的方案有可能不会成功，受限于很多方面，用别人的方案可能会不知道这个系统在你的系统中有没有用，修改可能带来更大的困难。
直接把一大堆数据扔给AI系统可能也没有效果。考虑如果AI系统如果没有效果能承受的花费是多少。
7.AI可以找到联系，而不是因果关系
人类时因果驱动的，而AI不是，AI只是找到他们之间的关系。
1.当解释模型的时候要注意
2.如果没有数据来表明某种改变之后会发生什么，那么AI也不知道。
推荐大家看一些因果推断的书籍 《the book of why》
8.商业结果必须可以测量
比如找到某种方策来测量 AI 行动的结构，并且时可以量化的，这样才能放入模型中训练。
如果没有可以量化的指标，那么会有很多缺点。应该找一些近似的指标
9.思考架构
1.考虑可能的商业行为
2.研究AI和商业问题的联系
3.了解采用AI之后的结果是什么
4.可用的资源
成功的AI项目应该具有的条件。
1.知道什么是项目的关键，商业目的，行动。
2.开始分析可能的商业行动
3.考虑可能的行动为什么没有采取
4.先做容易实现，价值高的项目
5.量化商业行为的评价指标。
