DI šiandien naudojamas kiekviename sektoriuje, o tai reiškia poreikį mokytis, tobulėti ir prisitaikyti prie klaidų, iškylančių projekto metu. Štai vienas pavyzdys iš mūsų praktikos, kai mūsų pačių mokymas buvo ne ką mažiau svarbus, nei modelio.
Įsivaizduokite: klientas nori, kad DI modelis suskaičiuotų lentas nuotraukoje:
Paprasta! Pasiėmėme krūvą lentų nuotraukų, išmokėme modelį jas atpažinti ir skaičiuoti. Po kelių savaičių bandymų, testavimo ir patobulinimų modelis dirbo nepriekaištingai: pažymėdavo kiekvieną lentą, surašydavo tikslų skaičių, net tvarkingiau nei mes patys. Klientas patenkintas, visi laimingi.
Praeina keli mėnesiai... klientas gauna naujo tipo lentas. Nufotografuoja, atsiunčia, paleidžia per modelį.
Rezultatas? Mūsų DI lyg pamatęs svetimą kalbą: „Čia… stalai? Plytos? Kaimyno tvoros fragmentas?“ - tik ne lentos.
Ir tada pamatėme nuotrauką. Naujos lentos - visiškai kitokio atspalvio, platesnės, kitokios tekstūros, be senų mums įprastų žymių:
Pamokos, kurias išmokėme kartu su DI
1. Duomenų įvairovė yra kritiškai svarbi.
Jei ruošiame modelį atpažinti objektus, turime parodyti jam kuo daugiau realių variantų: skirtingos spalvos, formos, apšvietimo sąlygos, nauji gamybos modeliai. Kitaip sakant – jei modelis mokosi tik iš „vieno tipo lentų“, pamatęs kitas jis sutriks.
2. DI nėra „padarei ir pamiršai“ sprendimas.
Pasaulis keičiasi. Produktai keičiasi. Jei atsiranda naujas, iki tol nematytas atvejis, modelį reikia papildomai apmokyti. Tai nėra ženklas, kad pirmas modelis buvo blogas - tai tiesiog natūralus evoliucijos procesas.
3. Planuokite modelio palaikymą nuo pat pradžių.
Kurdami DI projektą, įtraukite modelio atnaujinimus į strategiją. Nes DI - ne statinė programėlė, o gyvas mechanizmas, kuris turi mokytis kartu su jumis.
Šiandien mūsų modelis vėl puikiai suskaičiuoja visas lentas - senas, naujas ir net tas, kurias pirmą kartą mato. Bet ši istorija tapo puikiu priminimu, kad DI mokymasis niekada nesibaigia.
Ši istorija taip pat primena, kad modelis turi atitikti jūsų specifinius poreikius. Modelis, sukurtas ir apmokytas pagal jūsų tikslus produktus ir procesus, visada pralenkia bendrinio tipo sprendimus. Situacijos, panašios į apibūdintą aukščiau, yra priežastis, kodėl universalių sprendimų ne visada užtenka.