AIF-C01 · Zastosowania AI i usługi AI w AWS
Kiedy AI/ML daje wartość, a kiedy nie
Najważniejsze
- ML daje wartość, gdy wspiera decyzje, automatyzuje powtarzalną ocenę lub skaluje pracę, której zespół nie wykonałby ręcznie, i gdy masz dość reprezentatywnych danych.
- Słabo pasuje, gdy potrzebny jest dokładny, gwarantowany wynik (stały wzór lub reguła), gdy brakuje danych albo gdy koszt zbudowania i utrzymania modelu przewyższa korzyść.
Przykładowe pytania
Który jest podstawowym powodem, dla którego organizacje wdrażają ML w procesie biznesowym?
- Może spójnie obsłużyć ogromną liczbę przypadków w dużej skali
- Gwarantuje identyczny wynik jak stały wzór
- Eliminuje potrzebę posiadania jakichkolwiek danych historycznych
- Zawsze kosztuje mniej niż napisanie prostych reguł
Pokaż odpowiedź
Odpowiedź: A. Może spójnie obsłużyć ogromną liczbę przypadków w dużej skali
Skalowalność to klasyczny czynnik wartości: wytrenowany model oceni miliony przypadków. ML nie gwarantuje wyniku ani nie zastępuje danych.
Które sygnały wskazują, że ML prawdopodobnie da wartość?
- Miliony powtarzalnych decyzji z zapisanymi wynikami z przeszłości
- Wzorce zbyt zawiłe, by ująć je w ręcznie pisanych regułach
- Przepis prawa wskazujący dokładne obliczenie
- Jednorazowa analiza, która nigdy się nie powtórzy
- Nigdy nie zebrano żadnych danych o problemie
Pokaż odpowiedź
Odpowiedź: A. Miliony powtarzalnych decyzji z zapisanymi wynikami z przeszłości, B. Wzorce zbyt zawiłe, by ująć je w ręcznie pisanych regułach
Wiele powtarzalnych decyzji z zapisanymi wynikami oraz wzorce zbyt zawiłe dla reguł pisanych ręcznie to mocne sygnały. Wzór prawny wymaga determinizmu, a jednorazowe zadanie rzadko zwraca koszt budowy modelu.
Prawda czy fałsz: jeśli zadanie da się zautomatyzować, ML jest zawsze lepszym wyborem niż prosta logika oparta na regułach.
Pokaż odpowiedź
Odpowiedź: Fałsz
Fałsz. Gdy reguły są jasne, a wymagany jest konkretny wynik, logika deterministyczna jest prostsza, tańsza i w pełni przewidywalna. ML błyszczy tam, gdzie reguł nie da się łatwo spisać.
Przećwicz 8 pytań z tego tematu w Bitzu
Krótkie lekcje, natychmiastowe wyjaśnienia i powtórki tego, w czym się mylisz. Za darmo na iOS i Androida.
