若何成为人工智障AI白痴

上周，您通过演习，验证和测试的根本知识与Bean师长西席一起参加了他的冒险之旅。
从这个例子中可以很自然地遵照一些关于如何成为人工智能白痴的规则，但是让我为您明确地阐明它们。
（如果我听起来非常熟习，我表示哀悼。
）

Image: SOURCE.

到目前为止的故事

在上一集中，您扮演了Bean师长西席的耐心教授。
由于您善于于此，因此请坚持利用。
我常常说，避免运用AI涌现最大陷阱的最好方法是永久不要忘却学习和传授教化的根本，因此我暗中希望您能永久保持Bean教授的心态。

永久不要忘却学习和传授教化的根本！

快速提醒三个阶段（在上一篇文章中有更详细的解释）：

· 演习阶段：Bean师长西席（您钟爱的AI系统的占位符）在他在教室上看到的示例中查找模式，然后将这些模式转换为模型（食谱）。

· 验证阶段：查看Bean师长西席的食谱如何利用他未明确研究的示例。
如果分数看起来不错，他会参加考试，否则他会重新开始演习阶段。

· 测试阶段：Bean师长西席参加期末考试，并理解他是否被许可去生产或换专业。

演习阶段非常大略-您将示例推入学生（将数据推入机器学习算法），并且大多希望得到最好的成绩（我只是在开玩笑）。
在此处理解有关其事情事理的更多信息。

在列出成为AI白痴的方法之前，让我们从您尊敬的教授角度谈谈更奇妙的阶段-验证和测试。

如果您所关心的只是使不值得的学生失落败，那么您不须要验证阶段。
您只须要测试。
可怜的Bean师长西席演习，创造一个模式（这是一个屈曲的模式），赶赴考试，考试不及格，并被踢出数学专业。
您捉住并实行了一个无知的决定。
做得好！

测试是关于守门的。
只有有代价的人才能过去！
测试使您免受发布不良原型的侵害。

A good teacher helps students improve. Image: SOURCE.

但是，您希望帮助学生改进的地方在哪里？ 您对帮助他们做得更好的承诺在哪里？ 他们有什么机会获得救赎和自我完善？ 验证就在这里。

验证与赎回有关。
这是一个摆脱尘埃并重试的机会。
验证使您可以迭代到更好的原型。

如果你真的关心你的学生，那将是可悲地创造，他们在配方企图是屈曲的，这只是后为时已晚，以帮助他们。
（关于期末考试本身。
）您是老师还是an子手？

您是老师还是刽子手？

如果您的终极目标是培训合格和有效的学生，那么您将希望供应练习问题（来自验证数据集），以帮助学生在面对教授断头台之前有所提高。

如何不成为AI白痴

只管AI项目的卖力人可能不理解他们的工程师和数据科学家所节制的数学技巧，但没有任何借口会忘却学习和传授教化的根本。
如果您曾经考虑过要进行考试，那么您已经拥有了现所需的大多数知识工具。
这里有一些例子。

Image: SOURCE.

永久不要忘却AI便是用示例进行阐明

如果您的例子不好，您该当感到难过。
如果您没有给学生足够的高质量的例子来学习，您将如何期望学生有效地学习？ 哦，如果您给学生一个有偏见的例子，您将得到一个有偏见的学生。
教授，那是你的错。

从不演习测试数据

如果可以通过影象通过那项考试对您不利。
机器学习是在新示例上取获胜利的动力-如果您关心的只是在旧代码上的表现不错，则可以跳过ML / AI的烦恼并利用查找表。
为确保您评估的是精确的东西（新数据的性能），而不是影象旧数据的能力，请确保您的学生永久没有机会学习（影象）任何测试示例。

切勿在期末考试中加入培训或验证数据，这只会降落您精确测试学生的能力。
（哦，我是否提到打算机是有史以来最好的影象体？）

永久不要稠浊您的数据集

如果您未仔细整理和拆分数据，如何办理上述问题？ 数据拆分是目前最好的数据科学快速办理方案。
在开始传授教化生之前，请务必将测试示例锁定在安全的地方。

在设置考试标准之前，请勿测试学生

即将要面手掌吗？ 握住你的手！
只管这个举动彷佛不太明显，但您会惊异于领导力弱的真实项目团队实行测试的频率，然后再移动目标杆，因此他们的学生得分无论如何都足够好。
不要这样 （在此处理解更多信息。
）

永久不要重复利用测试数据

如果您想对那些挑剔的统计学家视而不见，他们坚持认为您不能多次利用测试数据集，那么我们可以考试测验用另一种办法说出来："如果您给同一逻辑学生两次相同的期末考试， 不要再次信赖他们的表现。
"不要重复利用考试题！

永不跳过测试

测试可以使您免于灾害。
这是您避免批准有毒原型的保护方法。
如果您真的不关心它（例如，如果您正在制作艺术品），请敢于将最低哀求的性能标准设置为-inf。
没有？ 好的，然后精确测试。

永久不要过分相信自己

仍旧有一个薄弱的环节：教授。
如果您不知道自己考试不好怎么办？ 这可能发生在我们当中。
为了以防万一，请务必建立一些安全网以确保刚毕业的学生不受天下的侵害。

如何成为AI白痴

当团队缺少闇练的AI领导力时，或者当他们过于沉迷于工程的棘手时，他们的知识可能会脱颖而出。
他们可能会忽略根本知识，终极发布真正糟糕的办理方案。
我在现实生活中碰着的险些每一次讨厌的ML / AI灾害都可以追溯到上面列表中的一项，因此，如果您喜好AI笨拙的帽子，我给您供应了很多可供选择的缺点清单来自，自救！

但是，如果您希望构建良好，有用和有效的AI办理方案，那么请始终牢记教授的不雅观点。
连续学习机器学习……该是时候考虑机器传授教化了！

(本文翻译自Cassie Kozyrkov的文章《How to be an AI idiot》，参考：https://towardsdatascience.com/how-to-be-an-ai-idiot-8559c65d91a8)