这很可能会更公开发挥作用，因为AI Gen Technology比Old Style AI或ML更容易获得，因此，因此，更多的人和组织已被授权自己尝试。因此，我们中的那些人如何开始（Gen）AI项目的基础并从过去的AI和ML项目的经验，成功和失败中学习？在这篇文章和将来的文章中，我将尝试提出一些对成功的AI项目至关重要的关键学习，但首先让我们确定“ AI”和“ AI” AI'的含义，以及在高水平上的工作方式。
在传统或“旧” AI方法（例如机器学习（ML））的情况下，算法以特定的方式工作：使用适当的设置和方向，它们可以在给定一组输入数据的情况下输出推理。首先，建立模型是一项需要技能，知识和创造力的任务。但是，也许最大的挑战似乎是如何以这种方式组装可以使用ML解决的要素，以便它们可以为业务问题提供总体解决方案。业务问题通常不符合现成的ML解决方案。它们不像Kaggle竞争那样设置，因此，该项目的幸运数据科学家必须优化算法，并且给定一个整洁的输入数据CSV，其输出为1s或0s（或0.2、0.7、0.9等），由算法魔术解决业务问题产生。并非这样的输入，输出和中间模型或算法无法解决业务问题。取而代之的是，仅需首先需要正确识别和构建业务用例，并且需要以将其集成到整体解决方案中的方式包装所得的输出，从而解决了业务问题。
通过确保可以修改“提示 /文本”可以按照业务问题所需的方式来修改生成AI的生成AI受到同样的限制。适应的常见方法包括迅速的工程和检索增强发电（RAG），除了促进行为可预测性并减少不良行为的机会所需的各种检查和平衡外。因此，与“旧AI”一样，生成的AI也需要集成到整体解决方案中。
那么，该总体解决方案是什么？如何解决业务问题？即使在此之前，我们也需要了解业务问题实际上是什么，并开始了解是否可以使用AI有效地解决它，或者其他方法是否更合适。所有这些都是不可能提前知道的，但是我们可以做一些事情来使我们达到这一点，有用的步骤是了解业务问题，与利益相关者交谈并将解决方案映射到业务逻辑上。我将在以下一系列文章中更详细地讨论这些方面的每个方面，以及运行AI项目的一些最终考虑。
最后，值得强调的是，这种过程是任何类型的项目成功的关键，但是对于经常存在的大量不确定性，AI项目尤其需要。
（tagstotranslate）FineXtra（T）新闻（T）在线（T）银行（T）银行（T）技术（T）技术（T）财务（T）财务（T）Financial（T）Fin（T）Tech（T）Tech（T）Fintech（T）Fintech（T）IT（T）IT（T）破坏（T）最新（T）最新（T）最新（T）零售（t）零售（T）t剥夺（t）贸易（t）执行（t）头条新闻（t）区块链（t）数字（t）投资（t）移动（t）业务（t）挑战者（t）付款（t）付款（t）Regtech（T）Regtech（T）Insurtech（T）Insurtech（t）服务
关键词：
