3 sai lầm phổ biến nhất khi dùng Machine Learning

Các doanh nghiệp vẫn liên tục mắc phải 3 sai lầm này, để rồi tốn tiền, tốn công, làm ứng dụng trở nên tệ hại hơn.

Có thể bạn cũng hòa cùng xu hướng công nghệ, quan tâm tới machine learning, deep learning và rộng hơn là trí tuệ nhân tạo. Nếu đã tìm hiểu những khóa học về chủ đề này, hoặc thậm chí là áp dụng vào sản phẩm của mình, chắc chắn bạn nên biết về những lỗi sai cơ bản khi áp dụng công nghệ machine learning dưới đây.

Không cung cấp đủ dữ liệu cho mô hình

Machine learning mà không có gì để học thì sẽ là vô dụng. Cách phổ biến nhất trong việc dạy cho mô hình bằng công nghệ này là dùng các thuật toán với lượng dữ liệu lớn để xác định các hình mẫu, chính là bài học cho các ứng dụng dựa trên machine learning.

Muốn học, AI phải có đủ dữ liệu cần thiết
Muốn học, AI phải có đủ dữ liệu cần thiết

Vậy nên không có dữ liệu thì AI sẽ không được học gì. Dù ứng dụng có thể dần dần thu thập dữ liệu và trở nên thông minh hơn nhưng cần phải có một điểm mà tại đó có đủ dữ liệu để hệ thống tự suy nghĩ được.

Dùng machine learning khi không cần thiết

Đây là sai lầm phổ biến, dẫn đến việc chi phí tăng nhiều lần mà chẳng để làm gì. Trong nhiều trường hợp, có machine learning cũng không mang lại lợi ích gì. Ví dụ như các công việc logic theo quy trình trước giờ vẫn hoạt động tốt và xây dựng một kho dữ liệu cho hệ thống kế toán chẳng hạn, là hoàn toàn vô dụng.

Không hiểu ảnh hưởng của nó tới hoạt động của ứng dụng

Đưa machine learning vào ứng dụng nhiều khi mang lại giá trị, nhưng cũng có lúc “giết chết” ứng dụng. Machine learning sẽ có độ trễ khi phải chạy thuật toán trên kho dữ liệu. Nếu đáng ra ứng dụng phải phản hồi ngay, đưa ra kết quả gần như ngay lập tức thì machine learning sẽ phản tác dụng vì làm mất đi tính năng mấu chốt của sản phẩm đó.

Machine learning hiện được áp dụng trong nhiều lĩnh vực và mang lại nhiều lợi ích nhất định. Nhưng trước khi áp dụng vào sản phẩm của bạn, hãy suy nghĩ thật kĩ nó có phù hợp hay không, có mang lại giá trị thật sự và phải đánh đổi gì khác hay không, và đừng quên cung cấp đủ lượng dữ liệu cần thiết cho AI.

Xem thêm:

Chủ Nhật, 29/07/2018 10:59
51 👨 390