關于人工智能如何改善我們的生活以及如何讓企業進步的那些故事，每天都會給我們帶來驚喜。人工智能已經分析了X射線，為物聯網供電，并為銷售和營銷團隊推薦下一步最佳行動計劃。它似乎還有無限的可能性。

但是在每個人工智能成功的故事背后，都有無數個項目死在實驗室里。這是因為將機器學習研究投入生產并且用它為客戶提供真正的價值通常比開發一個科學合理的算法更困難。在過去幾年里，我遇到的許多公司都面臨著這個挑戰，我稱之為“跨越人工智能鴻溝”。

在本文中，我將站在你的角度分享我在克服技術和產品困難時的四大教訓，我最近在 ApacheCon 上提出了這些知識點。

人工智能技術鴻溝

新數據。 數據是人工智能的關鍵。例如，如果你想讓聊天機器人學習，你必須向其算法模型提供客戶請求和相應的正確響應的樣本數據。樣本通常是靜態化、結構化的數據，如 CSV 的數據格式。

雖然你可以使用靜態數據集構建很酷的人工智能演示，但真實世界中的人工智能算法模型需要新的數據進行增量式的訓練，使其隨著時間的變化而變得更聰明。這就是為什么公司應該及早投資機器學習架構，不斷收集新的數據，并使用它定期更新其人工智能模型。

實時數據的使用面臨著許多工程性挑戰，包括調度，不停機模型迭代，穩定性和性能監控。此外，如果新數據出現問題，您需要一種機制來回溯到先前的狀態，使我們到下一個點。

保證收集訓練數據的質量。公司應該從一開始就考慮數據的質量 － 特別是由用戶生成的數據。機器學習自動化是一件令人興奮的事，但它也可能適得其反。最近推特（Twitter）上有些聊天機器人變得很無賴，這是一個典型的自動化變差的例子。

在聊天機器人開始自由交談之前，它是利用公開的經過模型化、清洗和過濾的數據進行訓練的。但是在機器人開始從與真實的人的不適當的交流中進行學習之后，它的推文的語氣迅速地變得更差。GIGO（garbage in， garbage out）是機器學習的基本規則，所以一個良好的人工智能系統能夠檢測出潛在的問題，并在需要人工干預的時候向管理員發出警報。

人工智能產品鴻溝

優化正確的目標。人工智能的成功取決于正確地定義你的預測問題。從一開始，你需要清楚地識別輸入查詢，輸出預測，并且分辨哪些預測是好的，哪些預測是壞的。數據科學家將使用這些評估指標來確定人工智能模型的準確性。

首先定下你的目標。你想要最大限度地提高收入，創造更好的用戶體驗，自動執行手動任務或者其他任務？要想成功，現實世界的人工智能產品必須使用能夠準確反映業務目標的評估指標。

Netflix 開展推薦算法競賽的故事給大家上了一課。一位新的電影評級算法的創作者被授予100萬美元獎金后，Netflix 無法在現實世界中大規模使用該算法，主要是因為從 DVD 到視頻流的過渡使原始目標失去意義。

設置指標時，請記住三個關鍵要求。你需要確保：（1） 衡量什么是真正重要的事情；（2） 使用實時數據和新數據對結果進行評估；（3） 以一種他們理解的、有價值的方式向利益相關者解釋結果。最后一個要求指出了人類和人工智能交互的關鍵點。

人類與人工智能交互。人類很復雜。 因此，當他們與人工智能進行交互時，會遇到在實驗室中處理數據集時不會碰到的新挑戰。請注意，如果客戶不信任人工智能，就不會使用它驅動的產品。雖然你可以通過顯示預測模型的準確性來嘗試建立信任，但大多數消費者不能真正去關注可靠的科學指標。

因此，你需要使用你的產品的用戶體驗／用戶界面（UX ／ UI）來克服構建信任的困難。例如，當蘋果的Siri虛擬助手首次啟動時，它默認是男性聲音還是女性聲音具體取決于用戶所在的國家和地區。谷歌的自駕車型以一副可愛和友好的面孔出現，以安撫那些擔心自己安全的客戶。記住，人們使用你的算法給你帶來的不是只有挑戰，還會給你提供解決方案。

實際上跨越人工智能的鴻溝并不是那么令人恐懼。當你邁進這個鴻溝時，要確保自己能夠制定一個良好的計劃去跨越它而不是跌落鴻溝。并且記住想要成為人工智能的先行者，你的公司必須要秉承客戶至上的原則。

本文作者 Simon Chan 是 PredictionIO 的前聯合創始人／首席執行官，目前擔任 Salesforce Einstein 產品經營的高級主管。