近年來(lái)，人工智能（AI）和機(jī)器學(xué)習(xí)（ML）引發(fā)的熱潮達(dá)到了頂點(diǎn)。無(wú)論行業(yè)如何，每家公司似乎都急于宣稱：“我們正在使用AI/ML！”雖然這些技術(shù)具有變革潛力，但盲目跟風(fēng)往往導(dǎo)致我稱之為“熱潮驅(qū)動(dòng)的過(guò)度工程”的現(xiàn)象。這種現(xiàn)象指的是企業(yè)在不需要的項(xiàng)目上過(guò)度投資AI/ML，浪費(fèi)資源并使問(wèn)題不必要地復(fù)雜化。

什么是AI/ML過(guò)度工程？

過(guò)度工程是指系統(tǒng)的復(fù)雜程度超出了其目的。在AI/ML領(lǐng)域，這種情況發(fā)生在團(tuán)隊(duì)將高級(jí)算法和模型應(yīng)用于可以用更簡(jiǎn)單、更便宜、更快速的解決方案解決的問(wèn)題時(shí)。這不是創(chuàng)新，而是被偽裝成進(jìn)步的低效。

例如，我最近遇到一個(gè)案例：一個(gè)團(tuán)隊(duì)正在構(gòu)建一個(gè)深度學(xué)習(xí)模型，將客戶投訴分類為五個(gè)預(yù)定義類別。其實(shí)，這可以通過(guò)簡(jiǎn)單的規(guī)則系統(tǒng)或基礎(chǔ)統(tǒng)計(jì)建模來(lái)完成。然而，他們花費(fèi)數(shù)月時(shí)間訓(xùn)練和部署神經(jīng)網(wǎng)絡(luò)，耗費(fèi)了數(shù)萬(wàn)美元，卻沒(méi)有在準(zhǔn)確性上取得可衡量的改進(jìn)。

為什么會(huì)發(fā)生這種情況？

AI/ML過(guò)度工程由幾個(gè)因素驅(qū)動(dòng)：

1. 錯(cuò)失恐懼癥（FOMO）
   公司擔(dān)心在“AI革命”中落后，急于采用AI/ML而不評(píng)估其必要性。
2. 流行詞壓力
   AI、ML、深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)等流行詞聽起來(lái)令人印象深刻。團(tuán)隊(duì)采用這些技術(shù)來(lái)吸引利益相關(guān)者，往往忽略了實(shí)用性。
3. 不切實(shí)際的期望
   AI/ML被視為魔法棒。領(lǐng)導(dǎo)者相信它可以解決所有問(wèn)題，即使更簡(jiǎn)單的方法更有效。
4. 缺乏專業(yè)知識(shí)
   缺乏AI/ML知識(shí)的團(tuán)隊(duì)往往使解決方案過(guò)于復(fù)雜，導(dǎo)致系統(tǒng)臃腫低效。

熱潮驅(qū)動(dòng)的過(guò)度工程的隱藏成本

• 資源浪費(fèi)：時(shí)間、金錢和人才投入到回報(bào)甚微的項(xiàng)目中。
• 部署延遲：復(fù)雜的解決方案需要更長(zhǎng)時(shí)間來(lái)構(gòu)建和實(shí)施。
• 維護(hù)增加：過(guò)于復(fù)雜的模型更難調(diào)試、重新訓(xùn)練和更新。
• 信任侵蝕：未兌現(xiàn)的承諾可能導(dǎo)致對(duì)未來(lái)AI/ML計(jì)劃的懷疑。

你是否在過(guò)度工程AI/ML項(xiàng)目？

• 從技術(shù)出發(fā)，而非問(wèn)題：如果第一個(gè)問(wèn)題是“我們?nèi)绾问褂肁I？”而不是“我們?cè)诮鉀Q什么問(wèn)題？”，那你已經(jīng)走偏了。
• 忽視更簡(jiǎn)單的解決方案：任務(wù)是否可以通過(guò)規(guī)則系統(tǒng)或基礎(chǔ)統(tǒng)計(jì)方法解決？
• 過(guò)度使用高級(jí)模型：將深度學(xué)習(xí)應(yīng)用于排序、過(guò)濾或基礎(chǔ)分類等任務(wù)。
• 漫長(zhǎng)的開發(fā)周期：項(xiàng)目耗時(shí)數(shù)月甚至數(shù)年卻沒(méi)有實(shí)質(zhì)性成果。

如何避免陷阱

1. 從問(wèn)題出發(fā)
   專注于你要解決的問(wèn)題。AI/ML是最合適的工具嗎？還是因?yàn)樗芰餍校?/li>
2. 評(píng)估更簡(jiǎn)單的替代方案
   在深入AI/ML之前，考慮自動(dòng)化、規(guī)則系統(tǒng)或現(xiàn)成工具。
3. 先做原型
   構(gòu)建一個(gè)小型概念驗(yàn)證來(lái)測(cè)試你的假設(shè)。AI/ML真的增加了價(jià)值嗎？
4. 進(jìn)行成本效益分析
   權(quán)衡開發(fā)和維護(hù)AI/ML模型的成本與其潛在收益。
5. 提升團(tuán)隊(duì)技能
   確保你的團(tuán)隊(duì)具備判斷何時(shí)需要AI/ML以及如何有效使用它的專業(yè)知識(shí)。

在構(gòu)建之前思考

AI/ML具有巨大的潛力，但它不是萬(wàn)能藥。由這些技術(shù)熱潮驅(qū)動(dòng)的過(guò)度工程浪費(fèi)資源，使問(wèn)題復(fù)雜化，并常常導(dǎo)致失敗。通過(guò)專注于問(wèn)題、評(píng)估更簡(jiǎn)單的解決方案以及抵制流行詞的誘惑，團(tuán)隊(duì)可以做出更明智、更有影響力的決策。

所以，下次有人建議進(jìn)行AI/ML項(xiàng)目時(shí)，問(wèn)問(wèn)自己：這是解決問(wèn)題的正確工具，還是我們只是在追隨熱潮？

這篇文章旨在引發(fā)關(guān)于AI/ML負(fù)責(zé)任使用的討論，并防止組織陷入過(guò)度工程的陷阱。

本文轉(zhuǎn)載自??智能運(yùn)維開發(fā)??，作者：DevOpsAI