這篇文章最初是代表《福布斯技術委員會》發表的，這是一個世界級的CIO、CTO和技術高管社區。 閱讀原文 這裡。

當談到人工智慧（AI）和機器學習時，特別是我們工程軟件的方式從根本上發生了變化。 傳統工程師不需要考慮軟件需要“學習”才能有用的想法。 我們定義了我們希望考慮的“規則”，並將它們硬編碼到正在構建和發布的應用程序中。 然後，我們在一個連續的週期內進行了迭代和改進。

這在AI方面有所不同。 AI產品不是將規則硬編碼到應用程序中，而是依賴於訓練數據才能工作。 例如，當GPS應用首次推出時，它們改變了一切-永遠告別紙質地圖！ 約十年後，導航軟件應用Waze再次重新定義了那種體驗。 Waze發現通過匯總所有用戶的數據，他們不僅可以告訴一名用戶接下來應該去哪裡，還可以告訴最快的路線到達目的地並實時更新這些建議。

隨著我們在構建軟件應用程序方面變得更聰明，我們發現像瀑布模型這樣的開發實踐不起作用，因為它們在軟件開發生命週期中並不充分考慮用戶。 最終，用戶可能有新的需求。 因此，我們轉向了新的方法，比如《精益創業》等書籍中著名的方法。 儘管當今的人們質疑“最小可行產品”之類的概念，但這些想法絕對正確：從小開始，讓產品盡快到用戶手中，這樣您可以獲得他們的反饋並沿途改進產品。

應該以同樣的方式來對待AI。 花費數年的時間打造完美的人工智能系統是很誘人的，通過龐大數據集進行訓練。 但如果您的產品在推出時完全過時並且不切實際，那也不會讓您感到驚訝。

也許您的數據集反映了不再有意義的舊做法，或者您的算法從未接觸過特定的用法。 或者您認為會使用您的產品的人並非最終使用者。 在真空中訓練的AI只能對它所接觸到的內容作出反應。 我堅信將您的算法投放到那裡，讓它學習、適應和改進。 以下是為什麼讓您的AI起步“愚蠢”是可以的。

找到您的重點

我們已經知道AI工具尚不能完全取代人類，我們也不指望它們在不久的將來能夠做到這一點。 在設計解決方案時要牢記這一點。 讓您的用戶成為您的算法關注的焦點，並有意地專注和深入探討這位用戶關心的一個用例。

這裡有一個例子，Textio，這是一個旨在幫助人才專業人員撰寫更好工作描述的基於AI的教練網絡。 這是一個非常具體的任務。 他們並不專注於將每個人變成更好的作家。 他們選擇了一個專業領域 - 職位描述 - 並深入其中。 我們見過的最偉大的人工智能成就始於一個具體任務，然後擴展開來。 而解決方案越專注，AI 學習速度就越快。

別把幽靈擺在機器前面

一旦找到專注的方向，不要過分興奮地想改變世界。 僅僅考慮讓 AI 系統（即使是愚蠢的系統）正常運行所需的事情就是一個緊張而耗時的過程，其中包括：

• 建立技術環境
• 建立存儲所有訓練數據的系統
• 設置訓練數據並提出建議的重要算法

雖然雲端使這些步驟變得更容易，但它們仍然是麻煩的。 這就是為什麼您最終應該將大部分精力投入到設置上述流程並使其穩定，這將使您能夠在開始與潛在客戶測試產品時移動得更快，而不是選擇花大部分時間訓練您的數據。 如果您在理論世界中工作並試圖在沒有真正客戶輸入的情況下收集訓練數據，則您正在在一個將您現有假設返還給您的真空中工作。

讓您的 AI 面向人群

您的訓練數據對流程開始至關重要，但為了製作一個隨時間而改善的 AI 產品，您必須跨越所有障礙並取得最大的數據集：即人類經驗。 要做到這一點，您需要將投資放在您的使用者體驗（UX）上。 您可以提供使用 AI 的體驗越好，越多人會希望使用它，這意味著您的模型將更快地收集更多數據。

將 UX 的重要性與您的 AI 倡議的成功聯繫在一起至關重要。 不幸的是，大多數人不這樣想。 他們被更好的生活通過算法的想法所困擾，他們往往假設 AI 是關於機械。 現實是，您做所有這些工作是為了讓您可以獲得數據。 但數據必須來自某個地方。

這裡通常被遺忘的基本概念是，“某個地方” 是使用您的軟件的人。 當您將其作為人類和機器之間的合作夥伴關係處理時，AI 會發揮作用。 這就是為什麼如果您沒有良好的 UX，就永遠不會擁有優秀的 AI。 如果您沒有從“我要創建一個人們想使用、易於使用並且他們會經常使用的系統”開始，那麼其他一切都無關緊要。

算法總是可以進行調整。 在現實世界中越久，它就變得越好。 重要的不是一開始就讓其成為傑出者，而是找到您想解決的特定問題並準備好您的技術環境以吸收數據。 最終，一個聰明的 AI 就是一個有效運作的 AI。