机器学习 (ML) 和人工智能 (AI) 一直被吹捧为提供高价值回报，为企业提供从改善客户体验到增加数量级收入的一切。像《福布斯》这样受人尊敬的媒体机构假设对商业产生了巨大的影响，而世界上一些最富有的公司（谷歌）似乎从 ML 中获得了巨大的好处。难怪这么多企业都在尝试实施 ML 模型。找到可以理解企业管理的大量数据的有用模型并不难。然而，很多时候，为了对一系列业务挑战实施有用的解决方案，机器学习模型实施的一个重要方面经常被忽视。每个模型，无论多么简单或复杂，都是一种工具。就像任何其他工具一样，机器学习模型需要定期维护、监控和改进，以不断交付您的业务所需的价值。您的企业是成功管理其 ML 模型，还是忽略了执行和监控？

什么可能出错？

您的团队需要考虑一些关键领域，以使您的 ML 模型像运转良好的机器一样运转。也许任何成功的 ML 实施最重要的方面是数据。不幸的是，很容易忽视这样一个事实，即许多模型是使用有限的、干净的、静态数据集开发的，以进行概念验证。由于示例模型似乎在桌面上运行良好，因此假设它在公司范围内实施后会运行得相当好。

问题是您公司的数据不是一个静态的、漂亮的点聚合，只是急切地等待组装。数据不断变化。某些类型的数据变化迅速（以毫秒为单位，如股票信息），而其他类型的数据仅定期更新（客户地址更改或客户信用评分）。具有非常不同类型的数据的多个数据流可能对模型构成重大挑战。模型监控将快速识别生产模型数据流中的不一致。

此外，数据可能并不完全准确。人为错误和输入相同想法的不同方式（例如使用“ft.”、“feet”或单引号来表示单词feet）经常会带来挑战。正如 Thomas Redman 在哈佛商业评论中指出的那样，数据问题不仅会影响 ML 模型的输出。它们还会影响依赖该模型输出的业务的其他部分，从而导致来自不完善数据的一连串错误结论。

系统中的癌症

即使是最聪明、最精通技术的企业也会遭受错误或无法读取的数据的困扰。一个例子来自 IBM 的 Watson，它的标志性人工智能系统利用自然语言处理来帮助管理输入。Watson for Oncology 是一项雄心勃勃的努力，旨在解决人类最具挑战性的健康问题之一。它将改变癌症患者的治疗方式。该系统已在全球数十家医院采用，人们寄予厚望。然后，德克萨斯大学的 MD 安德森癌症中心决定与该工具分道扬镳。该中心在该工具上投入了 3 年时间和超过 6000 万美元，但它根本无法满足医院的所有需求。医疗记录包含手写笔记、特殊代码以及一系列缩写和速记。Watson 无法成功地将这些信息整合到有用的结果中。当然，并不是所有的机器学习解决方案都这么复杂。关键是，如果模型无法访问开发时使用的数据，则模型将产生不可靠的结果。一致的模型监控将立即强调协调生产与开发数据的必要性。

关注事物

ML 模型需要持续监控和维护，以确保它们保持相关性并实际交付预期的价值。即使是最好的模型也需要对其稳定性、有效性、执行和数据捕获进行评估。最近的模型输入是什么样的？他们改变了吗？模型是否仍按预期执行？它是否始终如一地交付您的企业实现其目标所需的结果？监控涉及回答这些类型的问题，并将它们与企业当前的目标和目标结合起来。从数据耗尽中获得的见解（例如时间戳、工程数据和转换数据）在此评估中很有用。

一个真实的例子：最近的一次客户参与发现，客户内部开发的模型由他们的业务流程实施团队投入生产，随后从未执行。没有分配执行责任，因此没有监控每月的批处理过程。同时，业务战略继续并消耗陈旧的模型分数。主动模型治理监控是任何依赖 ML 交付解决方案的组织的必要组成部分。

模型相关性

监控自然会引出一个重要问题：模型仍然相关吗？该模型可能正在生成输出，但此输出可能不会产生您预期的收益。相关性与基本目标和假设有关。最初的模型可能并没有真正解决业务问题，但产生的输出可能看起来接近预期的结果。Facebook 的聊天机器人 Bob 和 Alice 最初旨在导航对话并帮助改善聊天机器人与真人的对话。然而，一旦发现聊天机器人项目正在以他们自己的语言相互交谈，该聊天机器人项目就被关闭了。

评估模型可能会产生其他重要的见解。例如，定期评估可以发现试图成功欺骗系统的欺诈或误导行为。这种洞察力对于管理个人和财务数据的企业（例如保险公司和银行）尤其重要。这对其他类型的企业也很重要。例如，最近的历史充斥着试图玩弄谷歌算法的例子。BMW 试图伪装（这不公平地提高了网站的搜索引擎排名），Overstock 滥用了链接返回和 WordPress 滥用了门口页面。主动监控策略结果会发现异常行为——不仅仅是机器学习模型，也是围绕模型的策略。

开发和维护机器学习模型——永远

许多公司发现机器学习项目很乏味。确实，成功的 ML 模型实施的范围远远超出了仅仅创建模型的范围。但是，通过定期维护和评估您的模型，它可以扩大您公司的成功，并在日益拥挤的市场中真正脱颖而出。投资于 ML 实施确实需要资源和合适的知识工作者，但其投资回报率远远超出这些投资。

无论您是最近才实施 ML 解决方案、已经使用了多年还是只考虑使用一种解决方案，您都可以从资深技术顾问的经验和知识中受益。DecisivEdge 是业务咨询和技术服务领域的全球领导者，拥有经验丰富的数据科学实践，我们专注于为您提供实现业务目标、发展公司和创新所需的结果。  与我联系以开始对话并了解您的 ML 实施如何推动您的战略愿景。

智程网络科技_智能营销笔记本软件开发_大数据营销笔记本系统定制_营销软件-曲阜市智程网络科技有限公司