Từ PoC ứng dụng trí tuệ nhân tạo đến thực tế (Phần 2)

Gabby Nguyen | 4 phút đọc

Trong bài viết trước, rubikAI đã chia sẻ về khái niệm cơ bản của PoC: phương pháp hiện thực hóa một ý tưởng hay phương pháp nhằm chứng minh tiềm năng và tính khả thi của nó trong thực tế. Có rất nhiều lý do khiến một dự án PoC thất bại và trong phần 1, rubikAI đã đề cập đến 3 lý do đầu tiên: Dữ liệu, sự tuân thủ luật lệ và kỳ vọng thực tế. Hãy cùng khám phá những lý do còn lại và rút ra bài học cho chính doanh nghiệp của mình nhé!

1. Khả năng mở rộng

Suy cho cùng, mọi doanh nghiệp khi triển khai dự án AI PoC đều mong muốn rằng giải pháp của mình có khả năng đến được giai đoạn sản phẩm. Trước khi bắt đầu bất kỳ một dự án AI PoC cụ thể nào, doanh nghiệp nên cân nhắc kỹ lưỡng về mức độ trưởng thành của công nghệ. Liệu rằng công nghệ mà doanh nghiệp sử dụng có đủ khả năng để loại bỏ hoặc giảm bớt các lỗi cố hữu? Ví dụ, ta không thể chắc chắn rằng một dự án nhận diện hình ảnh sẽ dễ dàng mang đến kết quả chính xác tới 98%. Trên thực tế, một dự án thành công sẽ không bao giờ bắt đầu với kỳ vọng mơ hồ rằng công nghệ sẽ ngay lập tức thay đổi hiệu suất và mang đến diện mạo mới hoàn toàn cho doanh nghiệp một cách dễ dàng. 

Điều cần quan tâm khi muốn đưa PoC thành product chính là khả năng mở rộng của nó

Nguồn: https://singularityhub.com/

Khả năng mở rộng của dự án còn là vấn đề của khối lượng dữ liệu. Bước sang giai đoạn sản phẩm đồng nghĩa với việc mô hình trí tuệ nhân tạo sẽ phải xử lý nhiều dữ liệu hơn rất nhiều so với giai đoạn thử nghiệm. Và câu hỏi quan trọng đặt ra là liệu rằng giải pháp của bạn có tiếp tục hoạt động nếu khối lượng dữ liệu hoặc số người dùng tăng theo thời gian?

2. Kích thước và bản chất của dự án PoC

Xác định rõ mục tiêu và tài nguyên chính là yếu tố quan trọng để thành công trong việc xây dựng AI PoC. Một dự án tiềm năng và đầy tham vọng không chỉ đòi hỏi những nỗ lực cải tiến về mặt kỹ thuật mà còn đặt ra những thay đổi về cấu trúc của tổ chức. Liệu rằng doanh nghiệp của bạn đã sẵn sàng để đầu tư cho những thay đổi như vậy?

Trên thực tế, những doanh nghiệp chưa có được một bộ dữ liệu sạch nên bắt đầu với các thao tác dọn dẹp và sắp xếp dữ liệu cơ bản trước khi thực sự triển khai một dự án AI PoC. Để thực hiện thành công giải pháp trí tuệ nhân tạo, doanh nghiệp cần phải lựa chọn những bộ dữ liệu rõ ràng và nhất quán, tập trung vào chất lượng và các danh mục của dữ liệu.

Có được một bộ dữ liệu sạch là yếu tố rất quan trọng để khởi chạy dự án AI PoC

Nguồn: https://www.boostlabs.com/

Bên cạnh đó, các dự án PoC phải phù hợp với mục tiêu kinh doanh của tổ chức. Đó cũng là lý do vì sao doanh nghiệp nên có được một AI PoC đã được xác định. Có rất nhiều dự án và giải pháp nghe cực kỳ thú vị và hấp dẫn thậm chí là rất thuyết phục dưới góc độ khoa học nhưng thực tế lại không hề phù hợp với mục tiêu kinh doanh và không tạo ra bất kỳ tác động hay sự cải thiện nào đối với doanh nghiệp. Theo đuổi một dự án không phù hợp và không tạo ra bất kỳ thay đổi nào cho doanh nghiệp thì không thể kỳ vọng sự thành công. Có rất nhiều nguyên nhân khiến một dự án PoC thất bại (dữ liệu, độ chính xác của AI) và đó chính là lý do tại sao bạn nên tập trung vào các dự án cụ thể và xác định rõ mục tiêu: để không lãng phí thời gian và tiền bạc cho một dự án không hề tạo ra giá trị.

Dự án PoC phải phù hợp với mục đích kinh doanh và tạo ra giá trị cho doanh nghiệp

(Nguồn: https://www.comtrade.ai/)

3. Quá trình thực hiện

Trong một dự án trí tuệ nhân tạo, quá trình thực hiện có thể bị ảnh hưởng bởi chính mô hình của bạn. Khác biệt lớn nhất của các mô hình học máy là chúng ưu tiên giải thích mọi thứ cho con người hoặc dự đoán kết quả. Giả định rằng mục tiêu của bạn thông qua dự án AI PoC là cung cấp cái nhìn thực tế, vậy tức là mô hình của bạn phải đưa ra được lời giải thích cho những gì nó đang làm, chứ không phải là liên tục sản sinh những dự đoán có tính chính xác cao. Điều này có nghĩa là những biến đổi dữ liệu cũng như các lựa chọn mô hình của bạn phải hết sức đơn giản. Ngược lại, nếu mục tiêu của bạn là đưa ra những dự đoán chính xác, bạn có thể linh hoạt thay đổi sang các hướng tiếp cận khác trong quá trình thực hiện để cho ra kết quả tốt hơn.

Hãy giữ mô hình của bạn luôn đơn giản và có thể thay đổi, chuyển hướng nhanh chóng với những điều kiện khác nhau.

(Nguồn: https://railsware.com/)

4. Độ chính xác của mô hình AI/ Dữ liệu có sẵn

Thành tựu lớn nhất của một dự án AI là đạt đến độ chính xác rất cao. Tuy nhiên, câu hỏi đặt ra là mức độ chính xác nào thì đủ đáp ứng cho công ty bạn? Trong dự án mới nhất của Alexandre Gonfalonieri về nhận diện hình ảnh thông qua trí tuệ nhân tạo, mô hình mà nhóm của ông nghiên cứu đã đạt đến độ chính xác hơn 95%, nhưng như vậy vẫn chưa đủ đối với doanh nghiệp. Các công ty sẽ phải cân nhắc, đánh giá những cái được và mất, và tính toán cả chi phí nếu dự án thất bại.

Cũng theo ý kiến của Alexandre Gonfalonieri , các doanh nghiệp nên xác định rõ từ đầu là việc đạt đến mức độ chính xác 100% là hoàn toàn không thể. Đó không chỉ là vì lý do kỹ thuật mà còn vì trong quá trình triển khai, các chuyên gia đã cố gắng hết sức để làm việc với những dữ liệu có sẵn và cả những dữ liệu mới mà hệ thống ít gặp hoặc thậm chí chưa gặp bao giờ.

Dự án PoC phải phù hợp với mục đích kinh doanh và tạo ra giá trị cho doanh nghiệp

(Nguồn: https://www.comtrade.ai/)

Một vấn đề khác liên quan đến độ chính xác của AI và dữ liệu có sẵn là “overfitting”(mô hình quá khớp), một hiện tượng không mong muốn thường xảy ra trong Machine Learning. Một mô hình có độ chính xác đến 99% nghe có vẻ rất ấn tượng nhưng nếu không hoạt động tốt khi các điều kiện thay đổi thì một mô hình chỉ có độ chính xác 70% còn có thể cho ra kết quả tốt hơn.

 

Vào ngày 07/12/2019 tới đây, AI Series Talks #2 sẽ diễn ra tại BKHUP với chủ đề “Từ AI PoC tới thực tế: Làm sao để thành công". Hoạt động sẽ là lời giải đáp cho câu hỏi lý do nào khiến dự án AI Poc thất bại và làm thế nào để khắc phục? Hành trình mang một dự án từ giai đoạn PoC tới thực tế sẽ như thế nào và có thể gặp phải những khó khăn gì? Hãy theo chân rubikAI để tìm kiếm câu trả lời tại AI Series Talks #2!

#dự án trí tuệ nhân tạo #dữ liệu trong trí tuệ nhân tạo #công nghệ

Bài viết liên quan

Bản tin Trí tuệ nhân tạo tuần 3/11

​Từ AI POC đến thực tế (Phần 2)

LIÊN HỆ

CHÚNG TÔI

Mai Thu (Natasha)
SĐT: 0357 572 556

info@rubikai.com
 

ĐẾN THĂM

CHÚNG TÔI

Thứ 2 - Thứ 6 | 09:00 - 18:30

Tầng 4, Tháp T2, Times Tower,

35 Lê Văn Lương, Thanh Xuân, Hà Nội

 

​THEO DÕI

CHÚNG TÔI

  • White Facebook Icon
  • White YouTube Icon

Website này thuộc quyền sở hữu của Công ty TNHH Nexus FrontierTech Việt Nam