作者：是德科技Jeff Harris

著名的開爾文勛爵曾經(jīng)說過："如果你不能測量它，你就不能改進(jìn)它"。

測量是一切科學(xué)研究的基礎(chǔ)，沒有測量就沒有科學(xué)。

每當(dāng)你評估任何東西的潛力時，都要從基礎(chǔ)開始。AI 系統(tǒng)的基礎(chǔ)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 算法的潛力會受到感測能力的限制。開爾文勛爵曾經(jīng)的名言至今仍不過時――“無法測量，則無法改進(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始。

每個AI算法的核心都有三個基本要素。

1）測量的能力，

2）知道你測量的東西有多少需要被處理，

3）一次處理多個輸入的能力。

系統(tǒng)的潛力是指它的可測性以及可達(dá)到的測量深度，而潛力的發(fā)揮則指的是決定系統(tǒng)必須將哪些方面的測量結(jié)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(jié)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。通過反饋環(huán)路增強(qiáng)傳感器融合，算法將能夠校驗(yàn)和糾正自身的邏輯，這是機(jī)器學(xué)習(xí)必不可少的一個組成部分。

這三個屬性對于了解人工智能的深度非常關(guān)鍵，尤其是其獨(dú)特能力方面。我們發(fā)掘和校準(zhǔn)的基礎(chǔ)要素越多，人工智能算法的長遠(yuǎn)表現(xiàn)就越好。介紹了我們要探索的三個領(lǐng)域之后，接下來我們深入了解第一個方面——測量深度，以及它對構(gòu)建穩(wěn)健的高性能AI算法基礎(chǔ)的重要性。

測量深度

計量學(xué)是對測量科學(xué)的研究，在構(gòu)建穩(wěn)健算法的過程中，測量深度發(fā)揮著至關(guān)重要的作用。Gagemaker規(guī)則（10:1規(guī)則）規(guī)定，測量設(shè)備的精度必須比被測對象高10倍。測量深度之所以如此關(guān)鍵，是因?yàn)樗鼪Q定了可能的精度水平，限定了算法的最大潛力。因此，在任何一項(xiàng)指定測量時，精度越高，AI算法的潛力就越大。

計量學(xué)側(cè)重于對特定測量的深入理解。這種測量可以像電壓、接地或溫度那樣簡單明了，也可以像飛行器控制面一樣涉及多個模態(tài)，十分復(fù)雜，比如像最大化制造裝配線的吞吐量那樣復(fù)雜。無論你是測量一個參數(shù)還是多個參數(shù)，測量深度決定了可能的可編程能力。例如，測量一個3伏的系統(tǒng)到1/10伏，在洞察力方面，就無法與1/1000伏的測量精度同日而語。取決于給什么樣的系統(tǒng)供電，額外的精度可能會對電池的續(xù)航時間至關(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端到端測量需求與所需的深度相匹配。無論測量的對象是什么，這一點(diǎn)都是正確無誤的，即使是可能不那么直觀的數(shù)據(jù)系統(tǒng)也不例外。下面，我們來看一個示例。

如何優(yōu)化測量

企業(yè)IT堆棧是一個復(fù)雜的數(shù)據(jù)互連系統(tǒng)網(wǎng)絡(luò)，每個系統(tǒng)需要交換信息來協(xié)調(diào)組織的運(yùn)營。這些技術(shù)堆棧包含一系列軟件，例如CRM、ERP、數(shù)據(jù)庫、訂單履行等等，每一種軟件都有各自獨(dú)特的數(shù)據(jù)格式和自定義應(yīng)用編程接口（API）。Salesforce的數(shù)據(jù)顯示，公司的技術(shù)堆棧中應(yīng)用軟件個數(shù)平均有超過900個，其中許多是云應(yīng)用，并且它們的軟件更新都可能會產(chǎn)生連鎖反應(yīng)。發(fā)現(xiàn)問題和隔離問題就如同大海撈針一般，優(yōu)化多個交叉應(yīng)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(nèi)的每個應(yīng)用軟件會有一個不同的責(zé)任部門，譬如財務(wù)、人力資源、銷售、營銷、供應(yīng)鏈。IT會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，也會集成眾多應(yīng)用軟件和后端系統(tǒng)，用戶使用軟件的行程或旅程會涉及各種路徑，單一的線性旅程非常少見。因此，即使兩家企業(yè)的技術(shù)堆棧中使用了同樣的應(yīng)用軟件，他們的所有交換點(diǎn)映射以及端到端操作驗(yàn)證方式也會完全不同。需要人工智能的應(yīng)用軟件因此應(yīng)運(yùn)而生。在這種情況下，測量位置可能是系統(tǒng)間的數(shù)據(jù)輸入點(diǎn)，也可能是系統(tǒng)內(nèi)的數(shù)據(jù)交換點(diǎn)和數(shù)據(jù)顯示點(diǎn)。

要了解AI算法如何在這樣的系統(tǒng)中運(yùn)作，首先要了解它如何在三個關(guān)鍵領(lǐng)域測量點(diǎn)數(shù)據(jù)。

?評測用戶與應(yīng)用軟件的交互方式，無論使用的是什么操作系統(tǒng)。在某些情況下，當(dāng)需要按鍵操作時，還涉及到采用機(jī)器人流程自動化（RPA）

?評測在復(fù)雜的技術(shù)堆棧中各個系統(tǒng)之間的數(shù)據(jù)交換以及連接這些系統(tǒng)的應(yīng)用編程接口命令，確保它們正確運(yùn)行

?評測所有平臺（包括臺式機(jī)和移動設(shè)備）上的屏幕信息，例如圖像、文本、標(biāo)識，從而了解它們的呈現(xiàn)方式

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

在評估某個事物的潛力時，我們需要從基礎(chǔ)入手。AI系統(tǒng)的基礎(chǔ)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算法的潛力會受到感測能力的限制。開爾文勛爵曾經(jīng)的名言至今仍不過時――“如果你不能測量它，你就不能改進(jìn)它”。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始。