วิธีเลือกและปรับใช้โมเดล AI เฉพาะอุตสาหกรรม

เป็นปัญญาประดิษฐ์ มีความก้าวหน้ามากขึ้น ก่อนหน้านี้มีความล้ำสมัย — แต่โดยทั่วไป — โมเดล AI กำลังกลายเป็นเรื่องธรรมดา เช่น Google Cloud's วิสัยทัศน์ AI or ความหมายของ Amazon.

แม้ว่าจะมีประสิทธิภาพในบางกรณี แต่โซลูชันเหล่านี้ไม่เหมาะกับความต้องการเฉพาะอุตสาหกรรมตั้งแต่แกะกล่อง องค์กรที่แสวงหาผลลัพธ์ที่แม่นยำที่สุดจากโครงการ AI ของตน จะต้องหันไปใช้โมเดลเฉพาะอุตสาหกรรม

มีสองสามวิธีที่บริษัทสามารถสร้างผลลัพธ์เฉพาะอุตสาหกรรมได้ หนึ่งคือการนำแนวทางไฮบริดมาใช้ โดยใช้โมเดล AI ทั่วไปแบบโอเพนซอร์สและฝึกอบรมเพิ่มเติมเพื่อให้สอดคล้องกับความต้องการเฉพาะของธุรกิจ บริษัทต่างๆ ยังสามารถมองหาผู้จำหน่ายบุคคลที่สาม เช่น IBM หรือ C3 และเข้าถึงโซลูชันที่สมบูรณ์ได้ทันที หรือหากจำเป็นจริงๆ ทีมวิทยาศาสตร์ข้อมูลสามารถสร้างแบบจำลองของตนเองภายในองค์กรได้ตั้งแต่ต้น

มาเจาะลึกในแต่ละแนวทางเหล่านี้และวิธีที่ธุรกิจสามารถตัดสินใจได้ว่าวิธีใดใช้ได้ผลในสถานการณ์ที่แตกต่างกัน

รุ่นทั่วไปอย่างเดียวมักไม่ตัด

โมเดล AI ทั่วไป เช่น Vision AI หรือ Rekognition และโมเดลโอเพ่นซอร์สจาก TensorFlow หรือ Scikit-learn มักจะล้มเหลวในการสร้างผลลัพธ์ที่เพียงพอเมื่อพูดถึงกรณีการใช้งานเฉพาะในอุตสาหกรรม เช่น การเงินหรือภาคพลังงาน ธุรกิจจำนวนมากมีความต้องการเฉพาะตัว และโมเดลที่ไม่มีข้อมูลเชิงบริบทของอุตสาหกรรมบางประเภทจะไม่สามารถให้ผลลัพธ์ที่เกี่ยวข้องได้

การสร้างบนโมเดลโอเพนซอร์ส

ที่ ThirdEye Data เมื่อเร็ว ๆ นี้เราได้ทำงานร่วมกับบริษัทสาธารณูปโภคเพื่อแท็กและตรวจจับข้อบกพร่องในเสาไฟฟ้าโดยใช้ AI ในการวิเคราะห์ภาพนับพัน เราเริ่มใช้ Google Vision API และพบว่าไม่สามารถให้ผลลัพธ์ที่ต้องการได้ เนื่องจากค่าความแม่นยำและการเรียกคืนของแบบจำลอง AI นั้นใช้งานไม่ได้โดยสิ้นเชิง แบบจำลองไม่สามารถอ่านอักขระภายในแท็กบนเสาไฟฟ้าได้ 90% ของเวลา เนื่องจากไม่ได้ระบุแบบอักษรที่ไม่เป็นมาตรฐานและสีพื้นหลังที่แตกต่างกันที่ใช้ในแท็ก

ดังนั้นเราจึงนำโมเดลคอมพิวเตอร์วิทัศน์พื้นฐานจาก TensorFlow และปรับให้เหมาะกับความต้องการที่แม่นยำของบริษัทยูทิลิตี้ หลังจากสองเดือนของการพัฒนาโมเดล AI เพื่อตรวจจับและถอดรหัสแท็กบนเสาไฟฟ้า และอีกสองเดือนของการฝึกโมเดลเหล่านี้ ผลลัพธ์แสดงระดับความแม่นยำมากกว่า 90% สิ่งเหล่านี้จะปรับปรุงอย่างต่อเนื่องเมื่อเวลาผ่านไปด้วยการฝึกซ้ำ

ทีมใดก็ตามที่ต้องการขยายขีดความสามารถด้าน AI ควรนำข้อมูลและกรณีการใช้งานไปใช้กับโมเดลทั่วไปและประเมินผลลัพธ์ก่อน อัลกอริธึมโอเพนซอร์ซที่บริษัทสามารถเริ่มต้นได้นั้นสามารถพบได้ในเฟรมเวิร์ก AI และ ML เช่น TensorFlow, Scikit-learn หรือ Microsoft Cognitive Toolkit ที่ ThirdEye Data เราใช้อัลกอริทึม Convolutional Neural Network (CNN) บน TensorFlow

จากนั้น หากผลลัพธ์ไม่เพียงพอ ทีมงานสามารถขยายอัลกอริทึมโดยการฝึกอบรมเพิ่มเติมเกี่ยวกับข้อมูลเฉพาะอุตสาหกรรมของตนเอง

ที่มา: https://techcrunch.com/2021/04/12/how-to-choose-and-deploy-industry-specific-ai-models/