從測量入手，判斷 AI 算法的潛力

人工智能（AI）算法包含三個(gè)基本核心要素：1) 具備測量能力；2) 知道其中有多少測量需要進(jìn)一步處理；3) 并行處理多路輸入的能力。

是德科技全球企業(yè)和產(chǎn)品營(yíng)銷(xiāo)副總裁 Jeff Harris

系統的潛力是指它的可測性以及可達到的測量深度，而潛力的發(fā)揮則指的是決定系統必須將哪些方面的測量結果發(fā)送給處理器進(jìn)一步處理。最后，傳感器融合指的是了解如何以正確的比例將不同傳感器的測量結果合并在一起，算法的智商有多高，推理的潛力有多大，這是我們探索的關(guān)鍵。通過(guò)反饋環(huán)路增強傳感器融合，算法將能夠校驗和糾正自身的邏輯，這是機器學(xué)習必不可少的一個(gè)組成部分。

這三個(gè)屬性對于了解人工智能的深度非常關(guān)鍵，尤其是其獨特能力方面。我們發(fā)掘和校準的基礎要素越多，人工智能算法的長(cháng)遠表現就越好。介紹了我們要探索的三個(gè)領(lǐng)域之后，接下來(lái)我們深入了解第一個(gè)方面——測量深度，以及它對構建穩健的高性能 AI 算法基礎的重要性。

測量深度

計量學(xué)研究的是測量科學(xué)。在構建穩健算法的過(guò)程中，測量深度發(fā)揮著(zhù)至關(guān)重要的作用。Gagemaker 規則（10:1 規則）規定，測量?jì)x器或器件的精度必須比要被測對象高 10 倍。測量深度之所以如此重要，是因為它決定了可能達到的精度水平，限定了算法的最大潛力。因此，您在進(jìn)行任何一項指定測量時(shí)，精度越高，人工智能算法的潛力就越大。

計量學(xué)側重于深入了解某項特定測量。這項測量可能是十分簡(jiǎn)單明了，比如電壓、接地、溫度，或者像實(shí)現飛行器控制面一樣涉及多個(gè)模態(tài)，也可能十分復雜，比如像最大化生產(chǎn)裝配線(xiàn)吞吐量一樣復雜。無(wú)論是測量單個(gè)還是多個(gè)參數，測量深度決定了我們能夠達到哪種程度的可編程能力。例如，以3 V 電壓系統，如果測量精度只有1/10 V，在洞察力方面，就無(wú)法與 1/1000 V的測量精度同日而語(yǔ)。取決于給什么樣的系統供電，額外的精度可能會(huì )對電池的續航時(shí)間至關(guān)重要，也可能只是雞肋般的多余。充分發(fā)揮算法的潛力必須讓整個(gè)端到端測量需求與所需的深度相匹配。無(wú)論測量的對象是什么，這一點(diǎn)都是正確無(wú)誤的，即使是可能不那么直觀(guān)的數據系統也不例外。下面，我們來(lái)看一個(gè)示例。

如何優(yōu)化測量

企業(yè) IT 堆棧是一個(gè)復雜的數據互連系統網(wǎng)絡(luò )，每個(gè)系統需要交換信息來(lái)協(xié)調組織的運營(yíng)。這些技術(shù)堆棧包含一系列軟件，例如 CRM、ERP、數據庫、訂單履行等等，每一種軟件都有各自獨特的數據格式和自定義應用編程接口（API）。Salesforce 的數據顯示，公司的技術(shù)堆棧中應用軟件個(gè)數平均有超過(guò) 900個(gè)，其中許多是云應用，并且它們的軟件更新都可能會(huì )產(chǎn)生連鎖反應。發(fā)現問(wèn)題和隔離問(wèn)題就如同大海撈針一般，優(yōu)化多個(gè)交叉應用軟件的性能其難度就更加可想而知。

企業(yè)中技術(shù)堆棧內的每個(gè)應用軟件會(huì )有一個(gè)不同的責任部門(mén)，譬如財務(wù)、人力資源、銷(xiāo)售、營(yíng)銷(xiāo)、供應鏈。IT 會(huì )將主要組織的需求放在首位。每家企業(yè)都有特別定制的工作流程，也會(huì )集成眾多應用軟件和后端系統，用戶(hù)使用軟件的行程或旅程會(huì )涉及各種路徑，單一的線(xiàn)性旅程非常少見(jiàn)。因此，即使兩家企業(yè)的技術(shù)堆棧中使用了同樣的應用軟件，他們的所有交換點(diǎn)映射以及端到端操作驗證方式也會(huì )完全不同。需要人工智能的應用軟件因此應運而生。在這種情況下，測量位置可能是系統間的數據輸入點(diǎn)，也可能是系統內的數據交換點(diǎn)和數據顯示點(diǎn)。

要想知道 AI 算法如何在這樣的系統中運行，我們首先需要了解它如何在以下三個(gè)關(guān)鍵領(lǐng)域測量各個(gè)點(diǎn)的數據：

1. 評測用戶(hù)與應用軟件的交互方式，無(wú)論使用的是什么操作系統。在某些情況下，當需要按鍵操作時(shí)，還涉及到采用機器人流程自動(dòng)化（RPA）

2. 評測在復雜的技術(shù)堆棧中各個(gè)系統之間的數據交換以及連接這些系統的應用編程接口命令，確保它們正確運行

3. 評測所有平臺（包括臺式機和移動(dòng)設備）上的屏幕信息，例如圖像、文本、標識，從而了解它們的呈現方式

無(wú)論使用的是什么操作系統、什么版本的軟件、哪種設備或接口機制，評估測量功效都需要從測量能力入手。人工智能若是無(wú)法測量的情形越多，它在運行中發(fā)揮的影響就越小。 

結論

在評估某個(gè)事物的潛力時(shí)，我們需要從基礎入手。AI 系統的基礎就是它的測量能力。它能夠測量的條件越多，潛在的影響力就越大。我們要了解它能夠進(jìn)行哪些測量，更重要的是，我們還要知道它不能進(jìn)行哪些測量。AI 算法的潛力會(huì )受到感測能力的限制。開(kāi)爾文勛爵曾經(jīng)的名言至今仍不過(guò)時(shí)――“無(wú)法測量，則無(wú)法改進(jìn)”。要想了解 AI 的真正能力，請務(wù)必從分析其測量的廣度和深度開(kāi)始。