研究人员构建基于AI软件的6种策略

开发该整合的人工智能(AI)软件是不可预知的，你需要一套独特的知识和技能进行编码，测试和数据是有意义的。而且，调整系统可能需要花费时间，并且基于AI的软件做出的决策有时可能难以解释。

我的组织专门开发软件测试自动化工具，以帮助用户开发在不同平台(例如台式计算机和移动设备)上运行的测试。我们希望使编写和运行这些测试变得更加容易，并且避免为每个平台定制测试。

我们的研究导致采用自然语言处理，这使我们软件的用户可以使用简单的英语描述测试，并使用具有光学字符识别功能的计算机视觉来识别屏幕上的对象。

这是我们吸取的经验教训，可以将AI概念整合到产品中。

使数据成为计划不可或缺的一部分

人工神经网络(ANN)是一种算法的分层结构，旨在使用数据进行智能决策，而无需人工干预。我们在系统中加入了人工神经网络，为它提供了成千上万的数据样本，并使其神奇地做出明智的决策。

在高度依赖数据的系统中，计划至关重要。我们必须解决：

我们需要什么数据来训练模型

如何获取，清理和分类数据

如何从客户那里获得更多数据

这要求扩大产品管理团队的作用，该团队传统上将重点放在产品的功能和特性上，以包括监督系统中与数据相关的方面。其中包括定义数据范围，数据接受标准以及如何在我们的AI模型中使用数据。

经验教训：

数据必须成为团队工作的重中之重，产品经理必须熟悉团队使用的AI技术，以确保一致性和可靠的结果。

将AI模型与您的产品分离

开发和调整AI模型可能需要很长时间。如果您的应用程序与模型紧密相关，则只能以模型开发的速度进行。

AI模型应与系统的其余部分解耦，并视为独立的管道。这使系统的每个部分都可以按自己的进度前进，并且您可以独立地将更新应用于AI模型。这有两个主要好处：

您可以独立于模型开发和测试您的主要产品，

为您提供与产品的AI部分无关的产品功能的快速反馈，并且您可以继续开发和培训AI模型，而不受诸如代码之类的不相关问题的束缚更改主要产品，该产品会破坏构建并阻止所有人参与，直到解决为止。

您可以以不同的节奏发布主要产品和AI模型。

这对于我们的本地产品的用户而言尤其重要，因为他们可以安装产品一次并在不经过大量升级过程的情况下将后续更新应用于AI模型。鉴于AI模型的本质是不断学习，适应和改进，因此这是一项重要功能，可让我们的用户始终站在AI的最前沿，而不必等待整个产品的更新。

正确设计系统以允许单独开发和部署AI模型是您应该尽早解决的一项关键功能。现在，我们的发布时间表包括两个平行的时间表;一种用于产品，另一种用于AI模型更新。