مخاطر استخدام التعلم الآلي
مخاطر استخدام التعلم الآلي
عندما يستخدم الأشخاص التعلم الآلي دون استثمار الوقت الكافي في التخطيط ، فليس من المستغرب أن تكون النتائج أقل جودة.
من المحتمل أن يرى مديرو المشاريع وأصحاب المصلحة الآخرون الذين يقعون في هذا الموقف نقصًا في الدقة في الخوارزمية ، أو “الذكاء السيئ” الذي يوفره برنامج التعلم الآلي. هذا يمكن أن يسبب جميع أنواع المشاكل ، ويمكن أن يرسل المترجمين البشريين للمعلومات في الاتجاه الخاطئ عند محاولة تحقيق أهداف العمل والنتائج المرجوة.
يمكن لأنواع مختلفة من تحيز التعلم الآلي أن تجعل برامج تعلم الآلة تنتج رؤى سيئة والبيانات القذرة يمكن أن تجعل الناس يتخذون قرارات تجارية سيئة. عندما يحدث هذا ، يتعين على القادة التعامل مع التكاليف الهائلة للاستثمار في مشاريع التعلم الآلي التي لا تتم بشكل جيد.
قد يميلون إلى إلقاء اللوم على الكمبيوتر أو الذكاء الاصطناعي (AI) بشكل عام ، عندما كانت المشكلة ناجمة بالفعل عن ضعف الخوارزميات والبيانات المتحيزة وضعف جودة البيانات. ثم هناك مشكلة فرط التخصيص وعدم الملاءمة ، والتي يمكن أن تؤدي إلى أحد شيئين – إما أن تكون النتائج ضيقة جدًا بحيث لا تكون مفيدة ، أو ستكون النتائج واسعة جدًا بحيث لا يكون لها أي فائدة. هذا كثيرًا مما يتحدث عنه الخبراء عندما يناقشون الملاءمة والأبعاد في التعلم الآلي.
من المرجح أن ترى الشركات التي تستثمر في مشاريع التعلم الآلي بسرعة كبيرة نتائج سيئة. يجب أن يكون تطوير متطلبات تنفيذ نماذج التعلم الآلي عملية تكرارية يبدأ فيها أصحاب المصلحة من خلال تحديد كيفية دعم التعلم الآلي لهدف العمل. بمجرد تحديد نموذج التعلم الآلي ، من المهم إجراء تعديلات على أساس مستمر. لكل هذه الأسباب ، من الجيد المضي قدمًا في نطاق العمل المناسب والتوجيه لمشروع التعلم الآلي.
المرحلة الأولى: وضع خطة لكيفية دعم التعلم الآلي لهدف عمل محدد.
المرحلة الثانية: ابحث عن خدمة تعلم آلي تجارية جاهزة (COTS) التي ستساعدك على بناء نموذج أولي سريعًا.
المرحلة الثالثة: اختبار النموذج الأولي للتعلم الآلي في بيئة محاكاة (وضع الحماية) للتأكد من النتائج المرجوة.
المرحلة الرابعة: راقب النتائج بشكل مستمر وسجل المعلومات التي يمكن استخدامها في المشاريع المستقبلية.
