Что случится с вашими данными за выходные? В статье How to Future-Proof Your Data and AI Strategy автор затронул тему, которая вообще-то витает в воздухе, но мало кем озвучивается: «Как при таком темпе развития ИИ не устареть в работе с данными?»
ИИ развивается ну очень резво. И так уж вышло, что в основе развития ИИ лежат данные, требования к которым повышаются на каждом новом витке развития этого самого ИИ.
Это не порочный круг, это серпантин.
Если с каждым витком развития ИИ вам все сложнее использовать ваши данные в новых инструментах и технологиях, то у нас плохие новости.
Рано или поздно ИИ предъявит к вашим данным такие требования, под которые у вас не получится подстроиться быстро.
При сдвиге парадигмы количество не переходит в качество. У вас может быть сколько угодно нефтяных вышек, но если завтра заработает токамак, котировки ваших акций покраснеют.
Окей, но как быть?
Рецепта не дадим. Да и в статье много общих фраз, но кое-какие советы автора очень даже толковые:
⁃ Развяжите инструменты и данные: стандартизируйте слои, чтобы завтра можно было безболезненно сменить поставщика.
⁃ Проводите регулярные ревью и моделей, и данных: переобучение по расписанию, тесты на регресс. Процесс эволюции должен быть заложен в вашу стратегию. Если вы пытаетесь только реагировать, но не предвидеть, то рано или поздно реакция подведет.
⁃ Вшейте приватность по умолчанию и управляйте по риску. Перед обучением проверяйте датасеты на персональные данные и фиксируйте основания их использования. Усиливайте контроль там, где выше влияние на клиента и деньги. Это снизит риск отката моделей и потерь при резкой смене правил или инструментов.
Тогда любой следующий виток развития ИИ с большей вероятностью будет усиливать ваш профит, а не обнулять накопленный опыт и результаты.
