工程师越来越多地致力于将人工智能 (AI) 集成到自己的项目和应用中，同时不断着力提升自己的 AI 技能。
面对 AI 问题，工程师首先要了解什么是 AI，以及如何将它纳入当前工作流，这看似简单，实则未必容易。在 Google 中搜索“什么是 AI？”会得到数百万条结果，包括不同程度的技术和相关信息。
那么，对工程师而言，AI 意味着什么？
人们对 AI 的关注主要集中在 AI 模型上，受此影响，工程师会迅速投入 AI 建模的研究。
但经历了最初几个项目后，工程师很快会意识到，AI 不仅仅是建模，它实际上涵盖一整套步骤，包括数据准备、建模、仿真和测试以及部署。
图 1.工程师实现 AI 驱动的完整工作流的四个步骤
使用机器学习和深度学习的工程师通常要花大量时间开发和微调 AI 模型。
建模的确是工作流中的一个重要步骤，但工作流并不止于模型。要在实践中成功实现 AI，关键是提前发现问题，了解在工作流的哪些方面重点投入时间和资源才能实现最佳结果。
这些步骤往往不是那么直接。
在深入研究完整工作流之前，还需要考虑以下两个事项：
1. AI 通常只是一个较大的系统中较小的组成部分，它必须能够在各种场景下正常地与最终产品的其他所有组成部分协同工作，包括其他传感器和算法，例如控制、信号处理和传感器融合。
2. 在此场景下，工程师已掌握实现 AI 集成所需的技能。他们对问题已具备充分的了解，在数据准备和设计模型工具的帮助下，即便并非 AI 专家，也能充分运用已有的专业知识。
◆ ◆ ◆ ◆
AI 驱动的工作流
现在，我们可以深入探讨实现
844
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
