จาก ผู้ ขับ ขี่ ไป สู่ การ ผลิต: วิทยา การ ลด หย่อน ยาน แบบ AI
เมื่อผมคุยกับผู้ก่อตั้งและCTOs เรื่องเดียวกันนี้เกิดขึ้นเรื่อยมา: เรามีนักบิน AI ผู้ยิ่งใหญ่ แต่ไม่เคยทําให้มันผลิตได้ ชิ้นที่หายไปเป็นระบบวิธี การ ที่ ใช้ ได้ ผลที่ปฏิบัติต่อนักบิน ไม่ใช่เป็นการทดลองที่แยกกัน แต่เป็นขั้นตอนแรกของการผลิต หากปราศจากวิธีการนี้ ทีมจะเสียเวลาเป็นเดือนกับนักบิน ที่พิสูจน์แนวคิด แต่ล้มเหลวในการปรับขนาด -- IDC กล่าวว่า ค่าใช้จ่ายทั่วโลก AI จะมากกว่า 300 พันล้านบาท ในปี 2026 แต่ส่วนที่น่าตกใจของการลงทุนที่ระเหยไป ผม เคย เห็น เส้น ทาง นี้ ใน การ หมั้น หลาย สิบ ครั้ง มา แล้ว: นัก วิทยาศาสตร์ ด้าน ข้อมูล ได้ ส่ง แบบ จําลอง ของ ดวง ดาว ใน สมุด บันทึก ของ จู ปี เตอร์ แต่ เส้น ทาง การ จราจร ที่ จะ มี ชีวิต อยู่ เต็ม ไป ด้วย ท่อ ข้อมูล ที่ พัง ยับ เยิน, โครง สร้าง ที่ เปราะ บาง, และ ข้อ สมมุติฐาน ที่ ไม่ มี การ ทดสอบ. เจตนาวิธี การ ที่ ใช้ ได้ ผลเป็นทางเดียวที่จะหยุดเลือด
ที่ สํานักงาน ดี จี 10 เรา ได้ ช่วย หลาย สิบ บริษัท เชื่อม ช่อง ว่าง นั้น. มัคคุเทศก์นี้จัดวางออกกรอบที่แน่นอนที่เราใช้ : ซ้ํา, การต่อสู้ทดสอบวิธี การ ที่ ใช้ ได้ ผลออกแบบเพื่อย้ายจากนักบิน AI ไปผลิตด้วยความมั่นใจ ความเร็ว และแรงเสียดทานน้อยที่สุด เรา จะ เดิน ผ่าน การ ศึกษา วิจัย จริง ๆ, จํานวน เงิน ที่ หนัก, และ เศษ เครื่อง มือ ที่ ทํา ให้ นางแบบ ของ ลูก ค้า ของ เรา ได้ รับ ประโยชน์ ทุก สัปดาห์.
การ เปลี่ยน แปลง ระหว่าง การ ขับ ขี่ และ การ ผลิต
2023 ตามการสํารวจการ์ตเนอร์ มีโครงการ AI เพียง 54% ที่ทําจากนักบินถึงการผลิต พ.ศ. นั่น เป็น อัตรา ล้ม เหลว เกือบ 50%. 2023 ของแมคคินซีย์ "State of AI" พบตัวเลขที่คล้ายคลึงกัน: องค์กรที่ประสบความสําเร็จในการประเมินผล AI เป็นข้อยกเว้น ไม่ใช่กฎ และที่รายงานการยกรายได้ขึ้น 3-115% ช่อง ว่าง ไม่ ได้ เกี่ยว ข้อง กับ ความ ถูก ต้อง ของ แบบ — แต่ เกี่ยว กับ ช่อง ว่าง ใน การ ทํา งาน. การ วิจัย อีก ราย หนึ่ง จาก BCG พบ ว่า มี เพียง 11% ของ บริษัท ที่ ได้ ใช้ เครื่อง เอ ไอ ใน ระดับ ที่ พอ เหมาะ โดย อ้าง ถึง คอ ขวด ที่ ใช้ งาน ได้ และ ขาด กระบวนการ ที่ เป็น ระบบ.
ทําไม? เพราะทีมส่วนใหญ่เข้าหานักบิน AI เป็นเครื่องพิสูจน์ (PC) โดยไม่คิดถึงเงื่อนไขบังคับใช้ พวก เขา ใช้ ชุด ข้อมูล ของ เล่น ไม่ ใส่ ใจ ต่อ ข้อ เรียก ร้อง เรื่อง ความ เครียด ไม่ เคย มี การ ทดสอบ ความ เครียด ภาย ใต้ การ ควบคุม ของ น้ํา หนัก ที่ เพิ่ม ขึ้น เรื่อย ๆ และ ไม่ วาง แผน จะ ตรวจ สอบ. เมื่อถึงวาระการถ่ายทอดสด โมเดลจะสลายตัวภายใต้การโหลดในโลกแห่งความจริง ท่อส่งข้อมูลล้มเหลว โมเดลที่ดูเหมือนแชมป์ 98% ในห้องทดลอง ส่งผลให้มีแต่ขยะขึ้นมาทันที เพราะข้อมูลการผลิตลอยตัว ด้วยเปอร์เซ็นต์เดียว
วิธี แก้ ไม่ ใช่ เพื่อ หยุด การ วิ่ง ของ นัก บิน — การ รับ เอา เครื่อง บินวิธี การ ที่ ใช้ ได้ ผลที่บังคับให้คุณคิดเกี่ยวกับการผลิตตั้งแต่วันที่หนึ่ง ผม เคย เห็น ทีม งาน ตัด เวลา ที่ ใช้ ใน การ ผลิต ออก ไป 60% และ ตัด อัตรา ความ ล้ม เหลว โดย เพียง แต่ ทํา ให้ นัก บิน ได้ รับ การ รักษา เป็น ครั้ง แรก ใน งาน บริการ การ ผลิต ไม่ ใช่ การ ทดลอง ทิ้ง.
อะไร ทํา ให้ มี การ ใช้ วิธี การ หย่อน ใจ?
วิธี การ ที่ มี ประสิทธิภาพ ต้อง ครอบ คลุม สาม ขั้น ตอน:
- นิยาม&ตรวจสอบความถูกต้อง- นักบิน AI เอง แต่ด้วยการผลิตในใจ
- สร้างเพื่อปรับขนาด- ปรับปรุงรหัสนักบิน โครงสร้างพื้นฐาน และข้อมูล
- สาธิต&ติดตาม- การส่งมอบอย่างต่อเนื่อง, ความรับผิดชอบ, และวงจรตอบรับ
เราเรียกมันว่าDG10 แบบเฟรมเวิร์ก AI. ไม่ ใช่ หนังสือ เล่น ที่ เข้ม งวด — มัน ปรับ เข้า กับ สแต็ก ของ คุณ (บน กอง, บน, ขอบ) และ อาณา เขต ทาง ธุรกิจ ของ คุณ (บริการ, การ ดําเนิน งาน, การ เงิน). ตลอดหลายปีที่ผ่านมา เราได้นําโครงร่างนี้ มาใช้กับเครื่องยนต์ อี-คอมเมอส์ แนะ นํา โมเดลตรวจจับการทุจริต ระบบการประเมินความผันผวน แกนยังคงเหมือนเดิม แต่เครื่องมือและประตูโค้งงอ
ข้าง ล่าง นี้ ผม แยก แต่ ละ ขั้น ตอน ด้วย ขั้น ตอน ที่ ใช้ ได้ จริง, เครื่อง มือ, และ ตัว อย่าง ของ โลก จริง ๆ. นอก จาก นี้ ผม ยัง จะ แบ่ง ปัน ความ รู้ ที่ เรา ได้ เรียน รู้ และ ความ ผิด พลาด ของ ทีม ที่ เดิน ทาง ไป ด้วย กัน บ่อย ที่ สุด.
ระยะที่ 1: กําหนด&จง ทํา ให้ นัก บิน ของ คุณ มั่น ใจ
นักบิน AI คือที่ที่ทีมส่วนใหญ่ตกราง พวก เขา ถือ ว่า โครงการ นี้ เป็น “โครงการ วิทยาศาสตร์ ” และ เพิก เฉย ต่อ ข้อ จํากัด ทาง วิศวกรรม. เพื่อหลีกเลี่ยงมัน เรายืนยันสามประตู
ประตู 1: ปัญหา ด้าน ธุรกิจ
ก่อนที่จะเขียนรหัสเพียงบรรทัดเดียว คําตอบ :ตัว อย่าง นี้ จะ ปรับ ปรุง การ ตัดสิน ใจ อะไร?ไม่ใช่ "เราจะสร้างแชทบอท" แต่ "เราจะลดเวลาในการขอเงินคืนลง 50%" แก้ไขเป้าหมาย KPI ทั้ง นี้ ทํา ให้ ทีม งาน เชื่อม โยง ผล ผลิต ของ แบบ จําลอง นี้ เข้า กับ คาน สําหรับ ธุรกิจ ที่ สามารถ ใช้ ได้. ถ้าไม่มีสิ่งนี้ โปรเจกต์นี้จะกลายเป็นทางแก้ปัญหา ในการค้นหาปัญหา -- และไม่มีวันจะได้งบประมาณการผลิต
ประตู 2: แถว แรก&โรค ข้อ อักเสบ
ประมวลผลคู่มือหรือพื้นฐานเชิงรุกเพื่อเปรียบเทียบ ถ้า แบบ จําลอง ของ คุณ ไม่ ชนะ เส้น แบ่ง นั้น อย่าง น้อย 20% (ปกติ แต่ ใช้ ได้ ทั่ว ไป) นัก บิน คน นี้ ก็ ไม่ มี ค่า ใช้ จ่าย. เอกสารวัดที่แน่นอน -- ความไม่แน่นอน, ความล่าช้า, ค่าใช้จ่ายต่อคําทํานาย ผม ยัง ชอบ เพิ่ม “ค่า ต่อ การ ตัดสิน ใจ ที่ ถูก ต้อง ” อีก ด้วย: ถ้า แบบ ฉ้อ โกง จับ ได้ ว่า มี การ ฉ้อ โกง มาก กว่า 100 ครั้ง ต่อ วัน และ แต่ ละ ครั้ง เก็บ ไว้ 50 ดอลลาร์ ซึ่ง เป็น เงิน 5,000 ดอลลาร์ ทุก วัน. จํานวน ดัง กล่าว ยิ่ง กว่า การ ปรับ ปรุง แบบ เอฟ 1.
ประตู 3: มิ น เน็ต
เอา แบบ จําลอง ที่ มี ประสิทธิภาพ ที่ สุด จาก นัก บิน ของ คุณ ไป ตรวจ สอบ กับ ตัว อย่าง การ ผลิต รถ ติด (ปริมาตร เล็ก ๆ ที่ ไม่ มี ใด เหมือน). วัดความล่าช้า, การใช้หน่วยความจํา, การปล่อยข้อมูล, และการทดสอบความเครียด กับความต้องการซ้ําอีกครั้ง โดยใช้เครื่องมือเช่น k6 หรือ Locust ขั้นตอนเดียวนี้เผยให้เห็น 80% ของฝันร้าย ผมนึกถึงลูกค้าค้าปลีก ที่นายแบบแนะนําวิ่งที่ 120 มม. ในจูปีเตอร์ แต่ต่ํากว่า 100 คน ขอซื้อใหม่ ในตู้คอนเทนเนอร์ p99 สายเกิน 1-8 วินาที เราจับมันได้ในแบบจําลอง ไม่ใช่ใน Black Friday
เครื่องมือที่เราใช้:
- ระดับความโปร่งแสง:สําหรับการทดลองติดตาม
- ข้อมูล Robotสําหรับการตรวจสอบ ML และพร้อมใช้งานโดยอัตโนมัติ
- สคริปต์ Python แบบธรรมดา พร้อมเวลาต่าง ๆ
ผม เคย เห็น ทีม เดิน ข้าม ประตู 3 แล้ว ใช้ เวลา สาม เดือน ดีบั๊ก รุ่น หนึ่ง ซึ่ง ทํา งาน ใน จู ปี เตอร์ แต่ ตก ที่ โด เค อร์. อย่า เป็น ทีม นั้น. การจําลองนี้ยังให้ค่าพื้นฐานในขั้นตอนต่อไปแก่คุณด้วย ตอนนี้คุณรู้คุณลักษณะที่ถูกต้องแล้ว
ขั้น ตอน ที่ 2: การ สร้าง โครง สร้าง สําหรับ สเกล — วิธี การ ขยาย ตัว ของ เรา
ทีนี้เราเปลี่ยนนักบินเป็นบริการผลิต นี่คือที่วิธี การ ที่ ใช้ ได้ ผลส่องแสงจริงๆ เป้า หมาย คือ ทํา ให้ แบบ จําลอง นั้น ยืดหยุ่น, มอง เห็น ได้ ง่าย, ปรับ ตัว ได้ ง่าย ขึ้น โดย ไม่ เสีย เวลา.
สถาปัตยกรรมของบริการไมโคร
ตัดแบบจําลองใน REST API (Flsk, SpastAPI, หรือใช้จุดปลายจัดการเช่นจุดสิ้นสุดของ AWS) แยก งาน ด้าน วิศวกรรม, การ อนุมาน, และ การ ประมวล ผล ออก มา เป็น งาน รับ ใช้ ที่ ต่าง กัน. นี่ช่วยให้การปรับขนาดอิสระ เราบรรจุทุกอย่างด้วยโดเคอร์ และแสดงร่วมกับคูเบอร์เน็ตส์ ดังนั้นแต่ละองค์ประกอบสามารถปรับปรุงได้โดยไม่ต้องแตะต้องตัวอื่นๆ
การปรับอัตโนมัติ
นักบินน่าจะใช้แฟ้ม CSV แบบคงที่ สําหรับการผลิต การดึงคุณสมบัติอัตโนมัติด้วยเครื่องมือเช่นอา ปาเช คาฟ คาหรือการ ไหล ของ อากาศ(ชน) ใช้ร้านขายคุณสมบัติ (เช่นเฉลิมฉลองเพื่อทําให้แน่ใจว่าการฝึกและการให้บริการ ใช้ลักษณะที่เหมือนกัน ห้าง สรรพ สินค้า ยัง มี การ คํานวณ ลักษณะ ต่าง ๆ ด้วย เพื่อ ว่า การ ทํานาย ทาง อินเทอร์เน็ต จะ ไม่ กระทบ กระเทือน การ เก็บ ข้อมูล สด ซ้ํา แล้ว ซ้ํา อีก — เป็น เรื่อง ธรรมดา ที่ จะ มี ความ ล่า ช้า ต่ํา. สําหรับลูกค้าชาวฟินเทค การย้ายจากเครื่องแยกชิ้นส่วนตอนกลางคืน มาที่คาฟก้าสตรีม พร้อมสัญญาณตัดต่อร้านค้าออนไลน์
CI/ CCD สําหรับโมเดล ML
ปฏิบัติต่อแบบจําลองของคุณ เป็นสิ่งประดิษฐ์ซอฟต์แวร์ ใช้การไหลของ Kubeหรือเส้นพริ้วไหวเพื่อฝึกอบรม, ทดสอบ, และนําไปใช้ ทุกรุ่นควรผ่านการทดสอบ integration (ระดับความซับซ้อนต่ํากว่า 200 มม., ไม่มี NaN ผลลัพธ์, รูปแบบการแสดงผลที่เข้าคู่กัน) นอก จาก นั้น เรา ยัง เพิ่ม ขั้น ตอน ที่ ใช้ การ ได้ ซึ่ง เทียบ กับ การ แสดง ของ ผู้ สมัคร ใน การ จัด ชุด ข้อมูล ที่ ต่อ กับ รุ่น การ ผลิต ใน ปัจจุบัน. ถ้า ไม่ มี การ ปรับ ปรุง ให้ มี การ ติด ตั้ง เค พี ไอ ให้ ดี ขึ้น อย่าง น้อย 1 เปอร์เซ็นต์ ท่อ ส่ง น้ํา ก็ จะ ปฏิเสธ โดย อัตโนมัติ และ เตือน ทีม.
เฝ้าดู&ตรวจพบการเลื่อนหาย
เมื่อใช้แล้ว ทุกอย่างก็เปลี่ยนไป ข้อมูล ลอย, แนว คิด ลอย, และ ความ ล้ม เหลว ด้าน โครงสร้าง พื้นฐาน เกิด ขึ้น. ใช้เห็นได้ชัดว่า AIหรือเหตุ ผล ที่ ทํา อย่าง นั้นเพื่อดูรุ่นที่ป้อนเข้ามาและผลลัพธ์ที่ออกมา โดย ทั่ว ไป ผม จะ ตั้ง ดัชนี ความ เป็น ไป ได้ ของ ประชากร (PSSI) สําหรับ แต่ ละ ลักษณะ แต่ ละ ลักษณะ; ถ้า นั่น เกิน กว่า สาม ชั่วโมง ติด ต่อ กัน แล้ว ก็ จะ มี การ ปรับ ปรุง ใหม่ โดย อัตโนมัติ. เรายังตรวจสอบธุรกิจที่ KPIs โดยตรง -- สําหรับแบบจําลองการคาดการณ์กวน, เราดูอัตราการหมุนจริง vs. ทํานายความน่าจะเป็นทุกวัน เมื่อ ไดเวอร์เจนซ์ ข้าม จุด แน่นอน 2% นั่น เป็น ตัว กระตุ้น การ ตรวจ สอบ.
เรียลฟลายเวิลด์ตัวอย่าง:ลูกความของฟินช์เทคที่เราทํางานด้วย ได้ย้ายจาก นักบินโฆษณาไปใช้ระบบการผลิต โดยใช้วิธีการนี้ การ คาด คะเน ของ พวก เขา ใน ช่วง ปลาย วินาที ได้ ลด ลง จาก 1.2 ถึง 180 มิลลิวินาที และ พวก เขา ตัด เวลา ที่ ใช้ ใน การ คํานวณ จาก สอง สัปดาห์ เป็น สอง ชั่วโมง. การ เปลี่ยน แปลง ดัง กล่าว ทํา ให้ พวก เขา สามารถ เริ่ม การ ตรวจ พบ บัตร ปลอม ใหม่ ภาย ใน ห้า สัปดาห์ แทน ที่ จะ เป็น หก เดือน ป้องกัน การ สูญ เสีย ประมาณ 1.2 ล้าน บาท ต่อ ปี.
สัมพัทธ์: Ad‐ Hoc vs. วิทยาการย่อยสลาย AI
| สัดส่วน | ภาษาอะด็อกดั้งเดิมName | DG10 วิทยาการย่อยอาหาร AI |
|---|---|---|
| เวลา จาก นัก บิน ไป สู่ การ ผลิต | 6-12 เดือน | 4–8 สัปดาห์ |
| อัตราการล้มเหลวของโมเดล (เริ่ม 90 วัน) | ~50% | <15% |
| ความ ยาก ลําบาก | ความสูง - การปรับเครื่องยนต์ด้วยตนเอง | ต่ํา – สร้างจากหน่วยย่อย |
| เฝ้าดู | ไม่มีจนกว่าจะล้มเหลว | แจ้งเตือนการลอยตัวและการทํางาน |
| หมุนทวนเข็มนาฬิกา | เอ ด็อค บ่อย ครั้ง หลาย เดือน | อัตโนมัติ ทุกสัปดาห์ หรือบนแผ่น |
| ความสม่ําเสมอของคุณสมบัติ | การฝึก V ทําหน้าที่ลอย | รับประกันผ่านทางร้านขายอุปกรณ์ |
| ความสามารถในการกลับภาพ | ปกติต้องป้อนเวลา | หนึ่ง กรุงเทพ ฯ พ.ศ. |
| ประสิทธิภาพของทีม | งานของนักวิทยาศาสตร์ข้อมูล | ความร่วมมือแบบเต็มกําลังจากนักบิน |
| ค่าใช้จ่ายรวมในการผลิต | สูงจากการทํางานใหม่ | ลดค่า (ถึง 40% ออมต่อโครงการ) |
ข้อมูล โดย อาศัย เครื่อง วัด ที่ รวบ รวม จาก 30+ enterprises เรา ได้ ช่วย เหลือ (2002-2025).
ขั้นที่ 3: ปล่อยตัว&ติดตาม
เนื่อง จาก มี การ บรรจุ เครื่อง แบบ และ ท่อ ส่ง น้ํา ไว้ พร้อม แล้ว จึง ถึง เวลา สําหรับ การ ผลัก พ่น ครั้ง สุด ท้าย.
การ ว่าง งาน ประจํา เดือน
เส้นทางที่ 5% ของการจราจรไปยังรุ่นใหม่ เปรียบเทียบคีย์แมกซ์ธุรกิจ (เช่น อัตราการเปลี่ยนแปลง เวลาความละเอียด) กับรุ่นเก่า หรือ เฮอริก ถ้าทุกอย่างดูดี, เพิ่มเป็น 50% แล้ว 100% เครื่องมืออย่างเช่นโรลอท์หรือ ARWS Code Deplay สนับสนุนเรื่องนี้ สําหรับลูกค้าผู้บังคับการการท่องเที่ยว เราดําเนินการขายนกขมิ้น 10% เป็นเวลา 2 สัปดาห์ เฝ้าดูบัญชีจริง โมเดลใหม่ส่งรายได้ 6.8% ที่เพิ่มขึ้นโดยเพิ่มข้อผิดพลาดเป็นศูนย์ เราจึงรีดข้อมูลได้ 100% ภายในหนึ่งชั่วโมง
ทดสอบและประมวลผล A/B
ไปไกลกว่านกขมิ้นธรรมดา การ ตรวจ สอบ แบบ เอ/บี ซึ่ง กลุ่ม หนึ่ง ได้ เห็น การ ตัดสิน ใจ ของ เอ ไอ และ อีก กลุ่ม หนึ่ง เห็น การ ตัดสิน ใจ แบบ ถอน ตัว แบบ เก่า. การวัดไม่ใช่แค่การคลิก-ผ่านเท่านั้น แต่กลายเป็นผลลัพธ์ของกระแสเช่น การซื้อที่เสร็จสมบูรณ์หรือการรองรับการเพิ่มความเร็ว 2 กลยุทธ์แนะนําผ่าน A/B, และชนะคะแนนเพิ่มถึง 12% การทดลองปิดปิดนี้ฝังอยู่ในวิธีการใช้ของเรา เพราะแบบจําลองในการผลิตนั้นไม่เคย "เสร็จ" จริง ๆ
การวนซ้ํา
การผลิตไม่เคยสิ้นสุด เดอะวิธี การ ที่ ใช้ ได้ ผลรวมถึงการปิด): เก็บเสียงตอบรับจากผู้ใช้ หรือข้อมูลพฤติกรรม เทียบกับการคาดการณ์แบบจําลอง ตัว อย่าง เช่น ถ้า อัตรา มติ ของ แช ต บอต ต่ํา กว่า 70% จะ ทํา ให้ การ สนทนา ใน สัปดาห์ ที่ แล้ว กลับ คืน มา โดย อัตโนมัติ. บันทึกคําทํานายและผลที่ออกมาทั้งหมด และส่งพวกเขากลับไปอยู่ในร้านขายอุปกรณ์ ดังนั้นวงจรการฝึกอบรมต่อไป สะท้อนถึงความเป็นจริงล่าสุด
ตารางงาน&มีแผนม้วนกลับ
ทุกการทํางานจําลองจะต้องมีหนึ่ง cholkback เอกสารตรงกับสิ่งที่ควรตรวจสอบ บันทึก, เมตริก, ธุรกิจเคพีไอ ผมขอให้ลูกค้าทุกคนทํางาน “วันเกม" ที่เขาจําลองความล้มเหลวและฝึกฝนการฟื้นตัว ทีม งาน ที่ ทํา งาน นี้ ใน เวลา ไม่ ถึง สาม นาที; คน ที่ ไม่ ได้ ใช้ เวลา หลาย ชั่วโมง. เวิร์คบุ๊ครักษาความปกติ
การศึกษาคดีลึก (intech scorection) ตรวจพบการทุจริตใน 6 สัปดาห์
ให้ผมพาคุณผ่านการหมั้นที่แท้จริง ที่แสดงถึงวิธีการปฏิบัติ นก จาบ ปีก อ่อน ใน ยุโรป (ผม จะ เรียก มัน ว่า เซฟฟโลฟท์) เข้า มา หา เรา หลัง จาก นัก บิน ที่ หวัง จะ ได้ รับ การ ตรวจ จับ แบบ หลอก ลวง. รุ่นของพวกเขาประสบความสําเร็จ 94% เรียกคืนด้วยอัตราบวกเท็จ 0.1% ในการทดสอบออฟไลน์ แต่นักบินดําเนินการบนข้อมูลประวัติศาสตร์คงที่ และสคริปต์ Python ครั้งเดียว พวก เขา จําเป็น ต้อง ได้ รับ การ ดู แล ให้ มี ชีวิต อยู่, ดําเนิน การ ซื้อ ขาย 5,000 ครั้ง ต่อ วินาที ด้วย ความ ชักช้า ต่ํา 2200 มม.
เราสมัครทําเฟรมเวิร์ก DG10 AI
- ระยะที่ 1 (1 สัปดาห์):เราให้ความชัดเจนของธุรกิจ KPI: ป้องกันอย่างน้อย 80% ของการทําธุรกรรมฉ้อโกง ในขณะที่รักษาการบวกเท็จภายใต้ 0.5% เบสไลน์ของนักบินได้พบสิ่งนี้ แต่แบบจําลองการผลิตขนาดเล็กของเราโดยใช้ k6 แสดงให้เห็นว่าภายใต้ข้อเรียกร้องที่ต่อเนื่อง 500 ข้อ เราระบุว่าขั้นตอนด้านวิศวกรรมลักษณะนี้ คือ คอขวด ซึ่งเรียกว่า API อันดับ 3 สําหรับตําแหน่งข้อมูลพร้อมเพรียงกัน
- ระยะที่ 2 (3 สัปดาห์):เราสร้างสถาปัตยกรรมใหม่ วิศวกรรมแบบธรรมชาติได้ย้ายไปที่อาซิงค์ แคฟก้า ลําธารที่มีแคชเรริส แบบ จําลอง นี้ ถูก นํา มา ใส่ ไว้ ใน ภาชนะ และ นํา ไป เสิร์ฟ โดย ใช้ เครื่อง ปรับ อากาศ แบบ ฟาสต์ ไอ อยู่ หลัง เครื่อง ชั่ง น้ํา หนัก. เรา ได้ ทํา งาน ที่ ร้าน จัด งาน เลี้ยง เพื่อ ว่า การ ฝึก อบรม และ การ รับ ใช้ จะ มี ลักษณะ ที่ เหมือน กัน. CI/CD ท่อส่งน้ํามันในคูเบฟ ทดสอบรุ่นใหม่ ๆ โดยอัตโนมัติ เฝ้าดูผ่าน AI ตามรอยการจัดจําหน่ายของคุณสมบัติการนําเข้า และความถูกต้องแบบ กับชุดชุด 7 วัน
- ระยะที่ 3 (2 สัปดาห์):การใช้รถคานารีเริ่มที่ 5% การจราจร เราสังเกตเห็นความล่าช้าคงที่ที่ 120 มม. p99 และอัตราจับปลอมตรงกับนักบิน การทดสอบ A/B ตลอดสองสัปดาห์ แสดงให้เห็นว่ามีการขัดขวางการทุจริต 21% (vs. 8% สําหรับระบบที่เป็นไปตามกฎเดิม) ในขณะที่รักษาการบวกเท็จไว้ที่ 0.12% มี การ ใช้ สคริปต์ ม้วน หนังสือ ใน วัน ที่ มี เกม หนึ่ง การ ฟื้น ตัว ใช้ เวลา 2 นาที 18 วินาที. การผลิตเต็มรูปแบบเสร็จในสัปดาห์ที่ 6
ผล ก็ คือ การ ป้องกัน ความ ปลอด ภัย ไม่ ให้ มี การ กะ ประมาณ ว่า มี การ สูญ เสีย ผู้ ที่ ฉ้อ โกง ใน สาม เดือน แรก. Retrieveling รุ่นตอนนี้ทํางานสัปดาห์ จุดชนวนโดย PSI ธรณีของ 0.08 นี่คือสิ่งที่โครงสร้างวิธี การ ที่ ใช้ ได้ ผลการส่งมอบ: ไม่ใช่แค่โมเดลการทํางาน แต่เป็นระบบพัฒนาที่เชื่อถือได้ ที่จ่ายสําหรับตัวมันเองหลายครั้ง
Real‐ โลกประสบความสําเร็จ: Netflix and over
เน็ตฟลิกซ์มีชื่อเสียงสําหรับระบบที่แนะนํา แต่ยังใช้ ML เพื่อทําให้เนื้อหาเหมาะสมที่สุด วิธีการของพวกเขา -- การใช้งาน Canary, การทดสอบ A/B อย่างต่อเนื่องและม้วนกลับอัตโนมัติ --วิธี การ ที่ ใช้ ได้ ผลเราสนับสนุน พวก เขา ไม่ ได้ ไป ที่ นั่น ชั่ว ข้าม คืน; พวก เขา พัฒนา จาก นัก บิน ที่ ใช้ มือ ไป จน ถึง เวที เอ็ม แอล ป์ ที่ ซับ ซ้อน.
คุณ ไม่ จําเป็น ต้อง ใช้ ขนาด ของ เน็ตฟลิกซ์ เพื่อ ได้ รับ ประโยชน์. ลูกค้ากลุ่มกลาง electommerce ที่เราทํางานด้วย ใช้โมเดลสินค้าแนะนําในหกสัปดาห์โดยใช้กรอบนี้ นักบิน AI ของพวกเขาได้แสดงให้เห็นการยก 12% ในอัตราการออกจําหน่าย -- และครั้งหนึ่งในการผลิตที่ยกถือมั่นคงที่ 11.7% หลังจากสามเดือนที่เป็นศูนย์ outages ลูกความอีกคนหนึ่ง บริษัทท่องเที่ยวออนไลน์ ใช้วิธีการในการสร้างแบบจําลอง นักบินระบุว่ามีรายได้เพิ่มขึ้น 7% ในการผลิต โดยมีการเพิ่มข้อมูล เอ/บีสเต็ปอย่างต่อเนื่อง การยกจริงได้ตกลงที่ 6.9% หลังจาก 6 เดือน -- การแปลอย่างง่ายเป็น $800K ในรายได้ประจําปีที่เพิ่มขึ้น
ผล เหล่า นี้ ไม่ ใช่ โชค. พวก เขา มา จาก ความ ขยัน ขัน แข็ง ใน การ นํา วิธี การ ต่าง ๆ มา ใช้ อีก ซึ่ง เชื่อม วิทยาศาสตร์ ข้อมูล กับ ผล ทาง ธุรกิจ และ ถือ ว่า การ ผลิต เป็น เหตุ การณ์ สําคัญ ไม่ ใช่ เป็น การ คิด หลัง.
อุปกรณ์เทคโนโลยีสําหรับกระบวนการผลิต AI
วิธี การ ก็ ดี พอ ๆ กับ เครื่อง มือ ที่ ใช้. ในขณะที่ทุกกองมีความแตกต่างกัน ผมแนะนําให้รวบรวมเครื่องมือหลักที่ครอบคลุมสี่เสาของ MLOps :
- การติดตามแบบทดสอบ&การลงทะเบียนรุ่น:น้ํา หนัก เบา&เบส
- วงออร์เคสตรา&ท่อส่งข้อมูล:การ ไหล เวียน, การ ไหล เวียน ของ อากาศ, หรือ การ เป็น เจ้า เมือง
- ร้านขายภาพ:เทศกาล หรือ เท็กคอน
- บริการแบบ:The September, Kserver, Seldon Core, หรือ Serge Graffer ปลายจุด
- CI/CD สําหรับ ML:การกระทํา GitHub กับ MLPM, หรือ GitLab CI
- เฝ้าดู&ตรวจพบการลอย:เห็นได้ชัดว่า AI, ทําไม Labs, โพรมีธีอุส + Grafana
- โครงสร้างอินฟรา เป็นรหัส:เท ราฟอร์ม หรือ ปูลู มิ
แพ็คนี้เมื่อเชื่อมต่อกันภายใต้วิธีการการใช้งานของเรา สร้างวงที่เป็นตัวของตัวเองซึ่งแบบจําลองได้รับการฝึกฝนอย่างต่อเนื่อง ทดสอบและส่งเสริมอย่างปลอดภัย การรับสมัครมาตรฐานที่เปิดให้บริการหลีกเลี่ยงผู้จําหน่ายล็อคและเก็บของคุณวิธี การ ที่ ใช้ ได้ ผลเคลื่อนย้ายผ่านเมฆและบนสภาพแวดล้อม
การ ตรวจ สอบ วิธี การ บริหาร งาน ของ คุณ ข้าม องค์การ
เมื่อ คุณ ได้ พิสูจน์ โครง สร้าง ของ โครงการ หนึ่ง แล้ว การ จําลอง ก็ เป็น กุญแจ. เราช่วยลูกความสร้าง "รายการเอไอเพลย์บุ๊ค" (AI playbook) -- แบบต้นแบบของวิธีการที่ทีมใหม่สามารถรับได้ รวม เอา:
- โครงสร้างโครงการมาตรฐาน (คลังสินค้าแบบ Git with presified CI/CD)
- ร้านค้าพร้อมใช้งาน
- เส้นทางทองสําหรับการใช้งาน Canary และม้วนกลับ
- การติดตามหน้าจอพร้อมแจ้งเตือน
- การ ตรวจ สอบ ความ เป็น ส่วน ตัว และ ความ สามารถ ใน การ อธิบาย แบบ อย่าง ของ คณะ กรรมการ ปกครอง
โดยการปรับขนาดวิธี การ ที่ ใช้ ได้ ผลเพื่อฝึกซ้ําได้ บริษัทเปลี่ยนจากฮีโร่คนเดียว ไปเป็นเครื่องจักรที่นักบิน AI ทุกตน มีเส้นทางที่ชัดเจนที่จะผลิต เชื่อมโยง:โปรแกรมค้นหาลึก V4 การจัดอันดับสําหรับการดาวน์โหลด, execs ของหน้าปัดและสิ่งที่ App Showns สําหรับธุรกิจอินเดีย. ลูกความในล็อกติกส์ ได้เปลี่ยนจากโมเดลหนึ่งเป็น 7 ใน 18 เดือน โดยใช้วิธีการนี้ ทั้งหมดถูกจัดการโดยทีมเดียว
AI นักบินเพื่อผลิต FAQs
1. ทําไมนักบิน AI ส่วนใหญ่ไม่เข้าถึงการผลิต?
นัก บิน ถูก สร้าง ให้ เป็น ผู้ ทดลอง ที่ โดด เดี่ยว: ไม่ มี ร้าน เครื่อง ดนตรี, ไม่ มี การ ตรวจ สอบ, ไม่ มี แผนการ ย้อน กลับ. การ ผลิต ทั้ง หมด จําเป็น ต้อง มี ระบบ บริหาร รวม ทั้ง สาม อย่าง ซึ่ง ก็ คือ วิธี การ ต่าง ๆ ที่ อยู่ เบื้อง บน สร้าง ขึ้น มา จาก ขั้น ที่ หนึ่ง.
2. ใช้เวลานานแค่ไหนกว่าจะเดินทางจากนักบินถึงการผลิต
ด้วยระยะการดําเนินงานที่นี่ 4-8 สัปดาห์ กับ 6-112 เดือน สําหรับความพยายามด้านโฆษณา (ดูตารางเปรียบเทียบด้านบน).
3. อะไรอยู่ในกองการผลิต AI
การติดตามข้อมูลเชิงเทคนิค (MLP) วงออเคสตร้า (Airfraft) ร้านค้าเด่น (FEST), สตรีม (Kafka), ให้บริการ (Kubéf) (Kubéf/Sage Gadeer) และติดตามด้วยคําเตือนที่นิยามไว้ล่วงหน้า
4. คุณตรวจสอบแบบจําลองในการผลิตอย่างไร?
การ คาด การณ์ ล่วง หน้า ทาง แทร็ก, คุณภาพ ข้อมูล, ความ ชักช้า, และ ธุรกิจ เค พี ไอส์ พร้อม กับ การ ตื่น ตัว; ตาราง เวลา ย้อน กลับ สู่ วัฏจักร ที่ แน่นอน, ไม่ ใช่ เมื่อ สิ่ง ต่าง ๆ แตก สลาย.
5 คุณวัดวิธีการทั้งทีมอย่างไร
เพื่อ จะ ได้ ข้อมูล เพิ่ม เติม โปรด ติด ต่อ สํานักงาน สาขา ของ พยาน พระ ยะ โฮ วา.
2026. เฟรมเวิร์คและไทม์ไลน์ที่ทบทวนจากการต่อต้านการผลิต MLOps ฝึกอบรมเมื่อ 20 กันยายน ค.ศ.