人工智能（AI）是当前IT行业最热门的话题，受到大型科技公司、大企业和投资者的青睐。如果有人不参与人工智能，他们就会被淘汰。虽然“人工智能泡沫”这个词还没有被公众使用，但街上的每个人可能都听说过人工智能将取代我们的工作（可能不会，但基于人工智能的工具已经让这件事变得更容易了）。
虽然这些预测在某种程度上是正确的，而且我们很可能正在见证一场革命，但我们仍然在这里，需要回答这个问题：我们如何控制人工智能的力量？商业世界讨厌真空，作为企业主或有抱负的创始人，我们应该考虑人工智能如何解决我们的难题并影响我们的工作。
本文要点如下：
专注于将人工智能集成为数字服务中的一项功能，而不是作为一个独立的产品。确定人工智能的有价值的用例，特别是在生成式人工智能中。确定人工智能是否是核心产品、功能或解决特定业务问题。避免产品类别和噱头。评估您的人工智能能力、工具知识、预算和现有业务收入，以衡量人工智能开发的可行性。研究主要云供应商和公司的现有人工智能解决方案。选择具有更高抽象级别的工具。首先，聘请具有人工智能经验的多面手和熟练的软件开发人员。数据工程师只有在后期才变得至关重要。确保稳健的数据采集、处理和存储。高质量数据对于人工智能性能至关重要。优先解决实际业务问题并交付用户价值。保持灵活性并拥抱持续学习和改进。
推荐NSDT工具：Three.js AI纹理开发套件- YOLO合成数据生成器- GLTF/GLB在线编辑- 3D模型格式在线转换- 可编程3D场景编辑器- REVIT导出3D模型插件- 3D模型语义搜索引擎- AI模型在线观看- Three.js虚拟轴开发包- 3D模型在线曲面还原- STL模型在线切割
1.人工智能软件开发的现实是，很快，人工智能和机器学习解决方案将不再作为独立产品给人留下深刻的印象。相反，它们将被视为数字服务中基本且明显的特征。
目前，市场上充斥着不同类型的人工智能产品，但我们缺乏用例，特别是生成式人工智能。这就是为什么我们应该关注他们。不要只专注于创建人工智能软件；专注于为其寻找一个好的用例。
在人工智能的背景下，我们能想到的很多用例正在慢慢变成商品，比如：
从图像中识别文本文本到语音的语言翻译、语言学习（告别Duolingo） 商业智能（简而言之） 文本校正研究和内容合成智能自动完成作为创始人，您可能有在业务中使用人工智能的愿景。然而，你的主要目标应该始终是创造一个解决实际问题的产品，而不仅仅是吸引投资者。考虑到这一点，我将向您展示如何创建基于人工智能的产品。请记住，创建初创公司的所有正常规则仍然适用。
2. 如何开始构建AI软件？首先，确定产品中人工智能的用例
关于在应用程序中实施人工智能，请诚实回答以下三个问题：
它是否旨在成为产品本身（想想OpenAI 或Anthropic 等案例）？如果答案是“是”，请进行彻底的竞争对手分析。很可能，您的想法已经属于“商品”类别，不会作为独立的解决方案出售。或者开发成本会很高（微软仅在2023年就向OpenAI投资100亿美元）。
除非您能够获得大量资金以及特定于您的业务领域的独特、有价值的数据，否则您应该将构建本身就是产品的人工智能解决方案留给大公司。我们只能说，当前（截至2024 年5 月）NVIDIA 股价并非巧合。
它是否意味着一个有趣的噱头，就像电子邮件客户端中的智能自动完成功能，或者电子书商店中的“接下来读什么”建议？我鼓励您批判性地检查您的想法，以辨别它是否属于“噱头”类别。您的主要目标应该始终是打造出色的产品。如果核心理念存在缺陷，那么花哨的人工智能功能不会产生巨大的影响。毕竟，即使有了令人惊叹的人工智能的帮助，一个糟糕的电子邮件客户端也无法击败Gmail，不是吗？
它是否解决了特定的业务问题（例如，根据各种因素计算农业所需的化肥量）？你有一个问题和一个假设的解决方案。或者你呢？如果您只是想收集数据并且“到达那里就会发现”—— 请注意，这是一个陷阱。了解您的场景；您想要解决的问题是否与您的目标用户组面临的问题相同？如果没有，重新开始可以为您节省很多钱。
其次，评估你构建人工智能系统的能力
评估您在人工智能方面的能力：
您自己是数据科学家或数据工程师吗？人工智能专业知识可以提供巨大的帮助，但它也可能给人一种错误的优越感。即使您熟悉人工智能开发流程，也要考虑一下您可能还不了解构建软件解决方案本身的知识。
您了解并熟悉用于开发人工智能解决方案的工具吗？再次强调，如果您不了解这些工具，则需要熟悉这些工具的人。另一方面，您熟悉的工具集可能并不完全适合特定的用例。例如，成为一名法学硕士专家在开发计算机视觉解决方案时并没有多大帮助。
您的预算是多少？就可能实现的目标而言，这可能是一个非常限制因素。另一方面，它可以帮助优化您的人工智能软件开发项目，优先考虑最重要的事情（顺便说一句，您应该聘请一位可靠的产品经理）。
您的企业已经产生收入了吗？在人工智能研发中，预算低估的情况很可能发生，尤其是当你不按照先——数据、后模型的逻辑顺序进行时。发展的同时有稳定的收入，发展会更顺利。
您有哪些开发数字产品的经验？正如您可能猜到的，这是一把双刃剑。显然，这似乎是让您领先于其他人的另一个因素，但是例如，在没有意识到您和他们之间的差异的情况下采用大公司的流程可能会对整个项目造成巨大的损害。
如果您和您的想法都通过了此评估，我们就可以考虑下一步该做什么。
3. 构建人工智能软件需要什么？这里我们有两个可能的方向：要么从头开始开发AI软件，要么使用现有的AI平台和产品。
开发自己的模型很诱人，特别是因为专有技术受到投资者的高度重视。另一方面，回到我们之前所说的，您想要解决特定的业务问题。要选择最佳方向，值得考虑您可能面临的困难要求：
人工智能软件市场正在动态增长，目前有大量资金投入到创建人工智能技术上。很有可能，你花了一年时间做的事情可能会在一夜之间被一家大公司的公告所取代。你需要考虑到，从头开始开发自己的人工智能比传统的基于人工智能的软件开发需要更多的时间，这是可以理解的，因为它是研发而不仅仅是开发。参考上面的内容，时间就是金钱。需要钱来支付专门从事人工智能项目的人的工资，他们目前没有抱怨工作机会（至少可以这样说），而且被竞争对手出价超过的风险很高。特别是如果您仍处于早期阶段并且还没有经过市场证明有效的产品。在这个阶段，一名员工离开你的公司会让你付出两倍的代价。人员和能力：数据科学专业人员在其工作理论方面非常出色，并且他们倾向于专注于特定领域的狭窄工具。然而，他们可能缺乏开发模型所需的工具和基础设施的知识和经验。这意味着您需要添加更多具有所需技能的人员。数据科学工作需要平静的心态和时间，在初创环境中，人们需要采用一种特定的思维方式（速度！），但这并不一定能很好地结合在一起。最重要的是：数据。如果您在开始开发之前没有用于训练模型的数据源，则很容易错过成本估算。根据我对三种不同产品的个人经验，这样的流程设置是一个巨大的资金真空。就我个人而言，我不明白这是如何运作的。假设您有一个数据源，甚至一个数据湖，您接下来会做什么？如果您在这里暂停并没有立即得到答案，则表明现在可能不是开发自己的人工智能模型的合适时机。如果您没有上述问题的答案，那么您一定应该研究现有的解决方案。这意味着您不应该在业务的早期阶段构建自己的人工智能模型。一开始，你的首要任务应该是解决问题。在内部构建自己的解决方案可能只是一种效率较低的解决方法。
4. 如何开始你的人工智能开发？对现有人工智能解决方案进行深入研究
首先，你应该对市场上可用的人工智能解决方案进行自己的研究。我建议从最大的云提供商开始：AWS、Microsoft Azure 和Google Cloud。他们每个人都为像您这样的人提供服务。接下来，您应该了解其他公司提供的产品； OpenAI 和Anthropic 就是例子。您还可以研究开源模型，让您更好地控制基础设施。
选择正确的工具和正确的人员
就工具而言，抽象级别越高越好。如果您还不是某种特定工具的专家，那么您就不想在业务发展过程中成为专家。作为创始人，您正走在成为万事通的道路上。
与此相关的是，你需要与人合作。如前所述，专注于特定技术的人现在可能不是最适合您的。我建议寻找多面手——，他了解市场所提供的产品，并且能够有效地建立和运行端到端解决方案。一旦您了解了自己的确切需求，就聘请专家。在这种情况下，我会寻找一位数据工程师，甚至是一位具有人工智能实施经验的熟练软件开发人员，而不是数据科学家。在我看来，即使是普通的Web 开发人员也应该能够使用主要云提供商提供的服务。
专注于数据收集和管理
接下来是数据：数据采集至关重要，开发数据管道也至关重要。这实际上是一个数据工程任务。您需要强大且可靠的数据基础设施来确保高质量的数据持续流入您的系统。这不仅涉及收集数据，还涉及清理、处理和存储数据，使其易于访问，以便训练和改进人工智能模型。拥有一个令人惊叹的人工智能模型而没有数据就像拥有一辆没有驾驶执照的超级跑车。有什么意义？数据的质量和相关性直接影响人工智能的性能，因此它是开发过程的关键部分。
设计可扩展的AI系统架构
制定数据收集策略后，下一步就是设计AI系统的架构。这涉及概述数据如何流经系统、如何训练和部署模型以及用户如何与人工智能应用程序交互。请记住，简单是关键。您需要构建一个可扩展且可维护的系统，该系统优先考虑功能而不是复杂性。
持续监控和优化您的人工智能系统
最后，持续监控和优化您的人工智能系统。创建人工智能算法不是一次性的努力，而是一个持续学习和改进的过程。利用用户反馈进行调整并随时了解人工智能市场的最新发展，以保持您的产品的相关性和竞争力。
5. 结论总之，在2024 年构建人工智能软件需要创新与现实的战略融合。人工智能领域正在迅速发展，成功的关键在于清晰的用例、强大的数据管理和实际实施。
无论您是利用现有的人工智能工具还是开发自己的人工智能工具，都要专注于为用户提供真正的价值。保持灵活性，不断学习，不断完善你的方法。
原文链接：如何开发AI软件-BimAnt
