Le sfide dello sviluppo dei prodotti IA

Jul 30, 2023

InfoQ Homepage Notizie Le sfide dello sviluppo dei prodotti IA

10 agosto 2023 3 minuti di lettura

di

Ben Linders

Lo sviluppo di prodotti di intelligenza artificiale (AI) implica la creazione di modelli e l’alimentazione di dati per addestrarli, testare i modelli e implementarli. Gli ingegneri del software possono supportare l'adozione dell'intelligenza artificiale e dell'apprendimento automatico (ML) nelle aziende sviluppando una comprensione delle tecnologie, incoraggiando la sperimentazione e garantendo il rispetto delle normative e degli standard etici.

Zorina Alliata ha parlato dello sviluppo di prodotti AI all'OOP 2023 Digital.

Per creare prodotti di intelligenza artificiale come software di previsione o motori di raccomandazione, dobbiamo creare modelli basati su modelli presenti nei dati storici, ha spiegato Alliata. Per sviluppare questi modelli, utilizziamo tecniche di sviluppo diverse dal normale sviluppo di software. Ad esempio, ci sono molte incognite, processi iterativi e misteri da scoprire quando si analizzano i dati, ha affermato Alliata.

Secondo Alliata il processo di machine learning si basa sui seguenti passaggi:

I dati sono estremamente importanti, ha sostenuto Alliata. Gli algoritmi richiedono molti dati da cui apprendere modelli. Disporre di dati sufficienti, dati puliti, dati equi e affidabili rappresenta un nuovo livello di elaborazione che non abbiamo effettuato a questo livello in passato, ha affermato.

Il risultato dello sviluppo del prodotto, il modello, è una serie di algoritmi che identificano varie informazioni nell'oceano di dati e, nella maggior parte dei casi, i data scientist devono provare diversi algoritmi per vedere quale funziona meglio in ciascun caso d'uso, ha affermato Alliata . Ciò introduce la necessità di ripetere e provare vari approcci, quindi i leader del team dovrebbero capire che devono concedere tempo sufficiente durante la fase di modellazione.

Alliata ha affermato che, una volta consegnato, un prodotto AI necessita di cure e monitoraggio costanti, per assicurarsi che funzioni ancora in modo ottimale poiché i modelli potrebbero cambiare. Occasionalmente, il modello avrà bisogno di essere riqualificato in modo che possa imparare dai dati più recenti forniti dai consumatori, nonché dal feedback del proprio comportamento e delle proprie prestazioni.

Gli ingegneri del software possono contribuire all’adozione dell’intelligenza artificiale e del machine learning nelle loro aziende acquisendo una comprensione di queste nuove tecnologie e delle loro sfide specifiche, ha affermato Alliata. Gli ingegneri del software possono anche contribuire a creare un ambiente che incoraggi la sperimentazione e l’apprendimento e fornire indicazioni sulle migliori pratiche per lo sviluppo dell’intelligenza artificiale, ha aggiunto.

Inoltre, gli ingegneri del software possono contribuire a garantire che i modelli ML siano conformi alle normative pertinenti e agli standard etici. La definizione di standard e un modello operativo chiaro consentiranno una migliore comunicazione e collaborazione tra tutti i team, tecnici e aziendali, ha concluso Alliata.

InfoQ ha intervistato Zorina Alliata sullo sviluppo di prodotti AI.

InfoQ: In che modo le trasformazioni dell'intelligenza artificiale si riferiscono all'agile?

Zorina Alliata : Le trasformazioni dell’intelligenza artificiale si riferiscono all’agile in quanto entrambe implicano un processo di transizione. I leader agili possono svolgere un ruolo importante nelle trasformazioni dell’intelligenza artificiale promuovendo budget snelli, team agili e team di team, consegne agili che falliscono rapidamente e report specifici per mostrare il valore fornito.

I leader Agile apportano valore alla trasformazione dell'intelligenza artificiale utilizzando la loro esperienza Agile nella gestione dei programmi e dei contenuti della formazione, promuovendo l'eccellenza tecnica, verificando le caratteristiche di conformità/distorsione/equità e proponendo le modifiche necessarie ai processi attuali per consentire la scalabilità.

I leader agili sanno anche come fornire risultati corretti e puntuali, creare metriche per KPI e tendenze importanti e fornire visibilità sul lavoro. Tutte queste abilità sono molto utili e necessarie durante una trasformazione dell'IA.

InfoQ: Cosa hai imparato dalla consegna dei prodotti AI?