在过去的八年中，我已经从事人工智能工作，学习建造和应用人工智能解决方案的特殊性和概括。犯了无尽的错误后，我创建了自己的构建和应用技术的方式。
直到2022年秋天开始发射Chatgpt并突然增加了人工智能的利益和采用，这是很好的和花花公子。对于我的Todai咨询工作，这意味着许多涉及人工智能和大量学习的新项目。经过几个项目，在业务中应用产科模型与其他人工智能明显不同的地方。有些很小，有些很重要。
如何更改该游戏用于应用人工智能的新的人工智能模型？
术语
如果我们区分变更会更容易讨论更改 AI宽度 和 人工智能预测。
AI宽度 它是指用户提供的文本，图片或声音的预培训模型。结果是独特的（潜在），并模拟了一个人创建的内容。这取决于预先培训大型培训模型的索赔和数据。诸如Openai的GPT或Google Bard之类的文本生成模型也被称为 语言模型 （LLMS）。
人工智能预测 模型包括或更多符号（预测，分类）或数字（坡度或时间链）。它包括：
●照片构造块：照片分类，对象的检测和零售照片
●表构建块：预测，坡度和预测
●文本构造块：文本分类，指定实体的识别和意图分析
从学术意义上预测的AI的替代名称和更准确的名称 人工智能歧视。但是，我使用“预测”，因为它可能会更好地与大多数人相呼应。
推翻的人工智能也可以预测
AI Troy（例如GPT）也可以用于解决预测问题。 Chatgpt可以通过一些示例学会学会对文本进行分类（学习一点镜头），或者绝对没有示例（学习零）。这项工作可能是相同的，但是有技术差异。 AI Tawtyles不需要算法培训，该算法训练会产生可以分类的模型。取而代之的是，产科模型作为索赔的一部分获得了例子。
使用产科模型进行预测任务的看涨趋势是可以立即执行实施。但是，有负面因素，例如：
●没有办法通过（例如）精确度量来计算预期的性能
●产科模型可能会提供指导，而不是列出的贴纸列表的一部分
●指导的每个指令可能会影响未来的输出
●甲状腺功能模型倾向于“忘记”初始示例，因为它们可以终止他们可以记住的主张数量
了解人工智能解决方案的成功更加复杂，需要更多时间
有一个很好的基础，如果您无法在工作的24小时内实现模型的良好准确性，那么您将面临错误或错误的数据。
例如，预测24小时建模工程后50％的住房价格的模型将不会超过60％或65％，而不论智能算法或精炼如何。如果60％的工作状况不足以满足您的工作状况，则需要获得更多或更多或更好的数据，或更改业务范围。
经过24小时的规定，这意味着永远不会早日监控，重新定义或重新定义的人工智能解决方案。 24小时的规则使我免于无数的失败，并且它的精度是一个出色的索引（尽管）您可以期望的工作价值，但它是一个出色的索引（不相等）。
但是，该规则在产科人工智能中不再有用，因为在开发过程中没有准确的测量。例如，如果您的业务条件为一组销售代表生成销售电子邮件，则无法衡量产出的“准确性”。您要实现的业务结果可能会与客户（通过写作速度）或更多销售（通过最佳电子邮件）更快。在开发过程中很难衡量这些结果。很难尤其要衡量写作速度，因为必须由销售代表检查和编辑结果，并且测试速度需要销售代表参与。
进口商需要在近距离领域进行专家合作
这一挑战的结果是，现场专家应紧密涉及开发过程，以帮助控制产出并衡量他们试图实现的工作结果的影响。您可以自己依靠培训和精炼两个世界的日子，直到令人满意的解决方案结束。
使用案例的选择应取决于测试的便利性
关于侵入性情报的默认式的有用指南表明，使用产科情报的案例应基于验证指导有效性所需的努力以及一个人为生成相同内容所采取的努力。
