Bài viết này ban đầu xuất hiện thay mặt Hội đồng Công nghệ Forbes, một cộng đồng dành cho các Giám đốc Công nghệ, Giám đốc Công nghệ thông tin và các nhà điều hành công nghệ hàng đầu thế giới. Đọc bài đăng gốc tại đây.

Khi nói đến trí tuệ nhân tạo (AI) và học máy, cụ thể là cách chúng ta thiết kế phần mềm đang thay đổi căn bản. Các kỹ sư truyền thống không cần suy nghĩ về việc phần mềm cần 'học' để có ích. Chúng ta xác định 'quy định' chúng ta muốn xem xét, mã hóa cứng chúng vào các ứng dụng đang được xây dựng và phát hành chúng. Sau đó, chúng ta lặp đi lặp lại và cải thiện chúng trong chu kỳ liên tục.

Điều này khác biệt với AI. Thay vì mã hóa cứng quy định vào các ứng dụng, các sản phẩm AI dựa vào dữ liệu huấn luyện để hoạt động. Ví dụ, khi ứng dụng GPS xuất hiện lần đầu, chúng đã thay đổi mọi thứ — tạm biệt bản đồ dựa trên giấy! Khoảng mười năm sau đó, ứng dụng phần mềm dẫn đường Waze lại định nghĩa lại trải nghiệm đó một lần nữa. Waze nhận ra rằng bằng cách tổng hợp dữ liệu từ tất cả người dùng của họ, họ không chỉ nói cho một người dùng biết điều gì sẽ tiếp theo mà còn là cách nhanh nhất để đến đó và cập nhật những khuyến nghị đó trong thời gian thực.

Khi chúng ta thông minh hơn trong việc xây dựng ứng dụng phần mềm, chúng ta học được rằng các phương pháp phát triển như mô hình waterfall không hoạt động vì chúng không xem xét người dùng đủ trong vòng đời phát triển phần mềm. Cuối cùng, người dùng có khả năng có yêu cầu mới. Vì vậy, chúng ta đã chuyển sang các phương pháp mới, như những phương pháp nổi tiếng trong các cuốn sách như Bắt đầu với sản phẩm tối giản. Trong khi người dân ngày nay thách thức các khái niệm như 'sản phẩm tối giản', những ý tưởng này hoàn toàn đúng: Bắt đầu nhỏ và đưa sản phẩm của bạn vào tay người dùng càng sớm càng tốt để bạn có thể nhận phản hồi từ họ và cải thiện sản phẩm trên đường đi.

AI nên được tiếp cận theo cùng cách đó. Có lời mời rất lớn khi bạn dành nhiều năm xây dựng hệ thống trí tuệ nhân tạo hoàn hảo, được đào tạo bởi các bộ dữ liệu hoàn hảo. Nhưng đừng ngạc nhiên nếu sản phẩm trở nên hoàn toàn lỗi thời và không còn liên quan khi bạn giới thiệu nó cho thế giới.

Có thể bộ dữ liệu của bạn phản ánh các thực hành cũ không còn hợp lý nữa, hoặc thuật toán của bạn chưa từng tiếp xúc với một cấu trúc ngôn ngữ cụ thể. Hoặc có thể người mà bạn thấy sẽ sử dụng sản phẩm của bạn không phải là người kết thúc sử dụng nó. Một AI đào tạo trong môi trường kín chỉ có khả năng phản ứng với những gì nó đã tiếp xúc. Tôi là một người tin chắc rằng hãy đưa thuật toán của bạn ra đó, nơi nó có thể học, thích ứng và cải thiện. Đây là lý do tại sao việc để AI của bạn bắt đầu từ 'ngu' là ổn.

Tìm Điểm Tiêu Biểu

Chúng tôi đã biết rằng các công cụ AI chưa thể thay thế con người, và chúng tôi cũng không mong chúng có khả năng làm điều đó trong tương lai gần. Hãy nhớ điều đó khi thiết kế giải pháp của bạn. Hãy làm người dùng của bạn trung tâm của thuật toán và cố ý hẹp lại và xem xét một trường hợp sử dụng mà người dùng quan tâm.

Một ví dụ ở đây là Textio, một mạng lưới huấn luyện dựa trên AI tập trung vào việc giúp chuyên gia tuyển dụng viết mô tả công việc tốt hơn. Đó là một công việc rất cụ thể. Họ không tập trung vào việc biến mọi người trở thành nhà văn giỏi hơn. Họ chọn một lĩnh vực chuyên biệt - miêu tả công việc - và tiến triển sâu hơn. Những thành tựu lớn lao nhất của trí tuệ nhân tạo mà chúng ta đã thấy bắt đầu từ một nhiệm vụ rõ ràng và mở rộ sau đó. Và lời giải pháp hẹp hơn, thì trí tuệ nhân tạo sẽ học nhanh hơn.

Đừng Đặt Con Ma Trước Máy Móc

Khi bạn đã tìm được trọng tâm của mình, đừng quá háo hức về việc thay đổi thế giới ngay lập tức. Chỉ cần xem xét những điều bạn cần phải thực hiện để tạo ra một hệ thống trí tuệ nhân tạo (ngay cả một hệ thống ngốc) là quá trình căng thẳng, cơ bản bao gồm:

• Thiết lập môi trường kỹ thuật
• Thiết lập hệ thống lưu trữ tất cả dữ liệu đào tạo
• Thiết lập thuật toán quan trọng nhằm đào tạo dữ liệu và đưa ra gợi ý lại

Mặc dù đám mây đã làm cho những bước này dễ dàng hơn, nhưng chúng vẫn là công việc. Đó là lý do tại sao cuối cùng bạn nên tập trung chủ yếu vào việc thiết lập và ổn định các quy trình trên để bạn có thể tiến triển nhanh hơn khi bắt đầu thử nghiệm sản phẩm của mình với khách hàng tiềm năng hơn là nếu bạn quyết định dành phần lớn thời gian để đào tạo dữ liệu của mình. Nếu bạn làm việc trong một thế giới lý thuyết và cố gom dữ liệu đào tạo mà không có đầu vào từ khách hàng thực sự, bạn đang làm việc trong một không gian trống lanh sẽ truyền lại các giả định hiện có của bạn lại cho bạn.

Mang Trí Tuệ Nhân Tạo Của Bạn Đến Với Mọi Người

Dữ liệu đào tạo của bạn là mấu chốt cho phần đầu của quy trình, nhưng để tạo ra một sản phẩm trí tuệ nhân tạo có thể cải thiện theo thời gian, bạn phải dám bước qua ngưỡng cửa với bộ dữ liệu lớn nhất: kinh nghiệm con người. Và để làm điều đó, bạn phải đầu tư vào trải nghiệm người dùng (UX) của bạn. Càng cải thiện được trải nghiệm sử dụng trí tuệ nhân tạo của bạn, thì càng nhiều người muốn sử dụng nó, điều đó có nghĩa là mô hình của bạn sẽ thu thập nhiều dữ liệu nhanh hơn rất nhiều.

Quan trọng là kết nối sự quan trọng của UX với sự thành công của sáng kiến Trí Tuệ Nhân Tạo của bạn. Thật không may, hầu hết mọi người không nghĩ theo cách này. Họ rơi vào khái niệm về cuộc sống tốt hơn thông qua các thuật toán và thường cho rằng Trí Tuệ Nhân Tạo là về máy móc. Sự thật là bạn đang làm tất cả công việc này để bạn có thể truy cập dữ liệu. Nhưng dữ liệu phải đến từ đâu.

Khái niệm cơ bản thường bị quên là AI hoạt động khi bạn xử lý nó như một sự hợp tác giữa con người và máy móc. Đó là lý do tại sao nếu bạn không có trải nghiệm người dùng tốt, bạn sẽ không bao giờ có trí tuệ nhân tạo tốt. Nếu bạn không bắt đầu bằng cách nói, "Tôi sẽ tạo ra một hệ thống mà mọi người muốn sử dụng, dễ sử dụng và họ sẽ sử dụng thường xuyên," thì không có gì quan trọng hơn phần còn lại.

Một thuật toán luôn có thể được điều chỉnh. Càng lâu nó ra ngoài thế giới thực, nó càng trở nên tốt hơn. Quan trọng hơn là nó xuất sắc ngay từ lúc mới bắt đầu hơn là tìm ra vấn đề cụ thể mà bạn muốn giải quyết và chuẩn bị môi trường kỹ thuật của bạn để hấp thụ dữ liệu. Cuối cùng, một trí tuệ nhân tạo thông minh đơn giản là một cái hoạt động.