Hogyan használhatja fel sikeresen a mesterséges intelligencia az adatokat

A bőséges adat rendelkezésre állása nem elég egy sikeres mesterséges intelligencia létrehozásához. Jelenleg egy mesterséges intelligencia algoritmus nem tud információt kinyerni közvetlenül a nyers adatokból. A legtöbb algoritmus külső adatgyűjtésre és manipulációra támaszkodik az elemzés előtt. Amikor egy algoritmus hasznos információkat gyűjt, előfordulhat, hogy nem a megfelelő információt képviseli. A következő megbeszélés segít megérteni, hogyan kell áttekintő szemszögből gyűjteni, kezelni és automatizálni az adatgyűjtést.

Figyelembe véve az adatforrásokat

Az Ön által használt adatok számos forrásból származnak. A leggyakoribb adatforrás az emberek által valamikor bevitt információ. Még akkor is, ha egy rendszer automatikusan gyűjti a bevásárlóoldal adatait, először az emberek írják be az információkat. Az ember rákattint a különféle cikkekre, hozzáadja azokat a kosárhoz, meghatározza a jellemzőket (például a méretet) és a mennyiséget, majd kijelentkezik. Később, az eladás után az ember értékeli a vásárlási élményt, a terméket és a szállítási módot, és megjegyzéseket tesz. Röviden, minden vásárlási élmény egyben adatgyűjtési gyakorlattá is válik.

Napjainkban sok adatforrás emberi forrásokból származó inputra támaszkodik. Az emberek kézi bevitelt is biztosítanak. Felhívsz vagy bemész egy irodába valahol, hogy egy szakemberrel időpontot egyeztetj. A recepciós ezután összegyűjti Öntől a találkozóhoz szükséges információkat. Ezek a manuálisan gyűjtött adatok végül valahol egy adatkészletbe kerülnek elemzési célokra.

Az érzékelőktől is gyűjtenek adatokat, és ezek az érzékelők szinte bármilyen formában megjelenhetnek. Például sok szervezet a fizikai adatgyűjtést, például az objektumot ablakban megtekintők számát a mobiltelefon-észlelésre alapozza. Az arcfelismerő szoftver potenciálisan észlelheti a visszatérő ügyfeleket.

Az érzékelők azonban szinte bármiből képesek adatkészleteket létrehozni. Az időjárási szolgáltatás olyan érzékelők által létrehozott adatkészletekre támaszkodik, amelyek figyelik a környezeti feltételeket, például az esőt, a hőmérsékletet, a páratartalmat, a felhőzetet és így tovább. A robotfelügyeleti rendszerek segítenek kijavítani a robot működésének apróbb hibáit azáltal, hogy folyamatosan elemzik a megfigyelő érzékelők által gyűjtött adatokat. Egy érzékelő egy kis mesterséges intelligencia-alkalmazással kombinálva meg tudja mondani, ha ma este tökéletesre sült a vacsora. Az érzékelő adatokat gyűjt, de az AI-alkalmazás szabályokat használ annak meghatározására, hogy az étel mikor készül el megfelelően.

Megbízható adatok beszerzése

A megbízható szót olyan könnyű meghatározni, de mégis olyan nehéz megvalósítani. Valami akkor megbízható, ha az általa produkált eredmények egyszerre vártak és következetesek. Egy megbízható adatforrás hétköznapi adatokat termel, amelyek nem tartalmaznak meglepetéseket; a legkevésbé sem döbben meg senkit az eredmény. Az Ön nézőpontjától függően valóban jó dolog lehet, hogy a legtöbb ember nem ásít, majd nem alszik el az adatok áttekintése közben. A meglepetések miatt az adatok elemzésre, áttekintésre érdemesek. Következésképpen az adatoknak van egy kettős aspektusa. Megbízható, hétköznapi, teljesen várt adatokat szeretnénk, amelyek egyszerűen megerősítik azt, amit már tudunk, de a váratlan az, ami az adatok gyűjtését elsősorban hasznossá teszi.

Ennek ellenére nem szeretne olyan adatokat, amelyek annyira eltérnek a megszokottól, hogy már-már ijesztővé válik az áttekintése. Az adatgyűjtés során egyensúlyt kell tartani. Az adatoknak bizonyos határokon belül kell lenniük. Az igazságértékre vonatkozóan meghatározott kritériumoknak is meg kell felelnie. Az adatoknak is elvárt időközönként kell érkezniük, és a bejövő adatrekord minden mezőjének ki kell töltenie.

Az adatbiztonság bizonyos mértékig befolyásolja az adatok megbízhatóságát is. Az adatok konzisztenciája többféle formában jelentkezik. Amikor az adatok megérkeznek, biztosíthatja, hogy az elvárt tartományokba essen, és meghatározott formában jelenjenek meg. Az adatok tárolása után azonban a megbízhatóság csökkenhet, hacsak nem biztosítja, hogy az adatok a várt formában maradjanak. Az adatokkal babráló entitás befolyásolja a megbízhatóságot, gyanússá és esetleg későbbi elemzésre használhatatlanná teszi az adatokat. Az adatok megbízhatóságának biztosítása azt jelenti, hogy az adatok megérkezése után senki ne manipulálja azokat, hogy egy elvárt tartományba illeszkedjen (ezt követően hétköznapivá válik).

Az emberi bemenet megbízhatóbbá tétele

Az emberek követnek el hibákat – ez az emberi lét része. Valójában ésszerűtlen azt várni, hogy az emberek nem követnek el hibákat. Ennek ellenére sok alkalmazási terv feltételezi, hogy az emberek nem követnek el semmilyen hibát. A tervezés elvárja, hogy mindenki egyszerűen kövesse a szabályokat. Sajnos a felhasználók túlnyomó többsége garantáltan el sem olvassa a szabályokat, mert a legtöbb ember lusta, vagy túlságosan szorul az időre, amikor olyan dolgokat kell megtennie, amelyek nem igazán segítenek nekik.

Tekintsük egy állapot formába való belépését. Ha csak egy szövegmezőt ad meg, néhány felhasználó megadhatja a teljes állam nevét, például Kansas. Természetesen néhány felhasználó elgépelési vagy nagybetűs írási hibát követ el, és előrukkol a Kansus vagy a kANSAS használatával. E hibák beállításával az emberek és a szervezetek különféle módon közelíthetik meg a feladatokat. Valaki a kiadói ágazatban használhatja az Associated Press (AP) stílusútmutatóját, és beírhatja a Kant. Valaki, aki idősebb és hozzászokott a Kormányzati Nyomdahivatal (GPO) irányelveihez, beírhatja a Kans szót. helyette. Más rövidítéseket is használnak. Az US Post Office (USPS) a KS-t használja, az amerikai parti őrség viszont a KA-t. Eközben a Nemzetközi Szabványügyi Szervezet (ISO) űrlapja az US-KS-hez tartozik. Ne feledje, ez csak egy állapotbejegyzés, ami meglehetősen egyszerű – legalábbis ezt gondolta, mielőtt elolvasta ezt a részt. Tisztán,

A legördülő listamezők jól működnek az adatbevitel elképesztő tömbjéhez, és használatával biztosítható, hogy az emberi bevitel rendkívül megbízhatóvá váljon ezekbe a mezőkbe, mivel az embernek nincs más választása, mint az alapértelmezett bejegyzések valamelyike. Természetesen az ember mindig kiválaszthatja a helytelen bejegyzést, és itt jön szóba a kettős ellenőrzés. Egyes újabb alkalmazások összehasonlítják az irányítószámot a város és az állam bejegyzéseivel, hogy megnézzék, egyeznek-e. Ha nem egyeznek, a felhasználót ismét felkérik, hogy adja meg a helyes bevitelt. Ez a kettős ellenőrzés a küszöbön áll, hogy bosszantó legyen, de a felhasználó nem valószínű, hogy túl gyakran fogja látni, ezért nem szabad túl bosszantónak lennie.

Még a keresztellenőrzések és a statikus bejegyzések ellenére is bőven van helye az embereknek a hibák elkövetésére. Például a számok beírása problémás lehet. Amikor a felhasználónak 2.00-at kell beírnia, 2, 2.0, 2. vagy számos egyéb bejegyzés jelenhet meg. Szerencsére a bejegyzés elemzése és újraformázása megoldja a problémát, és ezt a feladatot automatikusan, a felhasználó segítsége nélkül is elvégezheti.

Sajnos az újraformázás nem javítja ki a hibás numerikus bevitelt. Az ilyen hibákat részben mérsékelheti tartomány-ellenőrzéssel. Egy vásárló nem vásárolhat –5 szelet szappant. A törvényes módja annak, hogy megmutassuk a vásárlónak, hogy visszaküldi a szappant, a visszaküldés, nem pedig az eladás. Előfordulhat azonban, hogy a felhasználó egyszerűen hibázott, és Ön üzenetet küldhet az érték megfelelő beviteli tartományáról.

Automatizált adatgyűjtés használata

Vannak, akik úgy gondolják, hogy az automatizált adatgyűjtés megoldja az adatkészletekkel kapcsolatos összes emberi beviteli problémát. Valójában az automatizált adatgyűjtés számos előnnyel jár:

• Jobb konzisztencia
• Megnövelt megbízhatóság
• Alacsonyabb az adatok hiányának valószínűsége
• Fokozott pontosság
• Csökkentett szórás az olyan dolgoknál, mint az időzített bemenetek

Sajnos azt állítani, hogy az automatizált adatgyűjtés minden problémát megold, egyszerűen helytelen. Az automatizált adatgyűjtés továbbra is emberek által tervezett érzékelőkre, alkalmazásokra és számítógépes hardverekre támaszkodik, amelyek csak azokhoz az adatokhoz biztosítanak hozzáférést, amelyeket az emberek engedélyeznek. Mivel az emberek korlátozzák az automatizált adatgyűjtés jellemzőit, az eredmény gyakran kevésbé hasznos információt nyújt, mint azt a tervezők remélték. Következésképpen az automatizált adatgyűjtés folyamatosan változó állapotban van, miközben a tervezők megpróbálják megoldani a beviteli problémákat.

Az automatizált adatgyűjtés is szenved minden számítástechnikai rendszerben előforduló szoftver- és hardverhibáktól, de nagyobb a valószínűsége a lágy problémáknak (amelyek akkor fordulnak elő, ha a rendszer látszólag működik, de nem hozza a kívánt eredményt), mint az egyéb számítógép-alapú rendszerek. beállításokat. Amikor a rendszer működik, a bemenet megbízhatósága messze meghaladja az emberi képességeket. Azonban, ha lágy problémák lépnek fel, a rendszer gyakran nem ismeri fel a probléma fennállását, mint ahogyan az ember is, és ezért az adatkészlet középszerűbb vagy akár rossz adatokat is tartalmazhat.