Towards practicable Machine Learning development using AI Engineering Blueprints
Dit artikel stelt een onderzoeksplan voor om blauwdrukken te ontwikkelen die het voor het mkb mogelijk maken om efficiënt eigen machine learning-modellen te ontwikkelen, te implementeren en te beheren door middel van AI-engineering en MLOps-praktijken.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
De Uitdaging: De "Chef-kok zonder Recept"
Stel je voor dat je een fantastisch nieuw restaurant wilt openen. Je hebt de allerbeste ingrediënten (de data) en je hebt een geniale chef-kok die een uniek gerecht kan maken (het AI-model).
Maar nu komt het probleem: hoe zorg je ervoor dat dat ene heerlijke gerecht elke dag, op exact dezelfde manier, in honderden restaurants tegelijk geserveerd kan worden? Hoe zorg je dat de keuken niet in chaos uitbarst als er ineens 100 gasten tegelijk komen? Hoe weet je of de soep nog wel lekker is als de leverancier van de groenten ineens andere wortels stuurt?
Voor veel kleine en middelgrote bedrijven (het MKB) is dit precies het probleem met AI. Ze kunnen wel een slim computermodel maken, maar ze hebben geen idee hoe ze dat moeten omzetten in een betrouwbaar product dat dag in, dag uit werkt. Ze hebben geen "keukenorganisatie".
De Oplossing: De "AI-Bouwtekeningen" (Blueprints)
De onderzoekers in dit artikel zeggen: "We moeten stoppen met elke keer het wiel opnieuw uit te vinden. We moeten bouwtekeningen (blueprints) maken."
In plaats van dat een bedrijf zelf moet uitzoeken welke software, welke computers en welke stappen ze nodig hebben, bieden deze blauwdrukken een kant-en-klaar plan. Het is alsof je niet alleen een recept krijgt, maar een complete handleiding voor de hele keuken: van hoe je de groenten wast tot hoe de ober de borden brengt.
Hoe werkt dat plan? (De vier keukenteams)
Het onderzoek verdeelt het proces in vier speciale "teams" of stromen:
- Het Management-team (Business Driver Pipeline): Voordat de kok begint, bepaalt dit team wat de gasten eigenlijk willen. Willen ze een snelle snack of een luxe diner? Wat is het budget? En hoe meten we of de gasten tevreden zijn?
- Het Voorbereidingsteam (DataOps Pipeline): Dit team is verantwoordelijk voor de ingrediënten. Ze wassen de groenten, snijden ze en zorgen dat de voorraadkast altijd op orde is. Ze houden zelfs bij welke wortel wanneer is binnengekomen, zodat ze precies weten waarom de soep vandaag anders smaakt dan gisteren.
- Het Chef-team (MLOps Pipeline): Dit is waar de magie gebeurt. De chef gebruikt de voorbereide ingrediënten om het gerecht te bereiden, proeft het constant (testen) en schrijft het recept op zodat het altijd lukt.
- Het Bedieningsteam (DevOps Pipeline): Dit team zorgt dat het gerecht daadwerkelijk bij de gast op tafel komt. Ze zorgen voor de obers, de borden en de tafels, en ze houden in de gaten of de gasten hun bord wel leeg eten.
Waarom is dit belangrijk?
Zonder deze blauwdrukken is AI voor een klein bedrijf vaak te duur, te ingewikkeld of te riskant. Het is als een experiment in een laboratorium. Met deze blauwdrukken wordt AI een betrouwbaar gereedschap, net als een oven of een koelkast: iets dat je gewoon aan zet en dat doet wat het moet doen.
Kortom: De onderzoekers willen een "standaard handleiding voor de AI-keuken" maken, zodat ook kleinere bedrijven de kracht van kunstmatige intelligentie kunnen gebruiken zonder dat hun hele organisatie in de chaos verdwijnt.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.