在大流行期间调整AI/ML学习模型时需要记住的4件事

2020-09-26 04:54:45

佩德罗·阿尔维斯(Pedro Alves)是Ople.AI的创始人兼首席执行官,Ople.AI是一家软件初创公司,提供自动机器学习平台,为商业用户提供预测分析。

然而,在新冠肺炎大流行之前和期间,人工智能/机器学习方面的进展不容忽视。这场全球经济和公共卫生危机带来了一个独特的机会,只要遵循某些基本原则,就可以更新和创新模型。

以下是四个行业真理(注:这不是一个详尽的列表),我和我的同事们发现这一点在任何设计环境中都很重要,特别是在全球流行的环境中。

当一大群人共同解决一个问题时,成功的可能性可能会更大。看看2008年全球金融危机这样的历史例子,有几位分析师被认为预测了这场危机。这在一些人看来可能是奇迹,直到你考虑到超过20万人在华尔街工作,他们每个人都做出了自己的预测。然后,它就变得不那么奇迹了,更多的是统计上可能的结果。由于有这么多人同时从事建模和预测工作,很有可能有人会偶然得到正确的结果。

同样,有了新冠肺炎,有很多人参与其中,从统计建模人员、数据科学家到疫苗专家,也有一种压倒性的渴望找到解决方案和基于数据的具体答案。遵循适当的统计严谨性,再加上机器学习和人工智能,可以改进这些模型,并减少由于做出太多预测而出现错误预测的可能性。

在危机期间,时间管理至关重要。自动化技术不仅可以用作危机解决方案的一部分,还可以用作监控团队成员在解决方案中的工作效率和贡献的工具。对于建模,自动化也可以大大提高结果的速度。每隔一秒钟,一个软件就可以对一个模型执行自动化操作,它允许数据科学家(甚至是医学科学家)执行其他更重要的任务。现在,市场上用户友好的平台使更多的人(如业务分析师)能够访问来自定制机器学习模型的预测。