个专家团队在各种实际项目中的人工智能应用中学到了知识和经验，他们为采用人工智能的企业首席信息官提出了六个步骤的建议。
人工智能(AI)是提高人类解决问题能力的关键，但与人工智能互动并不一定是直观的。企业领导者可能很难理解如何将特定的人工智能技术应用于其组织，以及如何开始大规模集成人工智能技术。
使用人工智能可能并不总是正确的方法，甚至不是必要的方法。在采用人工智能之前，首席信息官和业务领导者应该确定很紧迫的问题，并对它们进行优先级排序，然后确定哪种技术适合解决这些挑战。企业领导者不要忽视简单的解决方案，也不要强制在组织内使用人工智能。
一旦发现问题并确定人工智能确实是适当的解决方案，就开始在业务中技术很先进的领域工作，因为人工智能模型需要丰富的数据历史和持续的数据收集来提出有益的建议。对问题域中的功能、特性和资产进行优先排序，这将有助于进一步做好数据准备。而作为额外的好处，这些领域通常对企业而言尤为关键。
使用人工智能与使用其他技术都没有什么不同：企业需要了解试图解决的问题和技术能力，并对两者进行协调。
本文从人工智能在各种实际项目中的应用中总结出一些步骤。为了使步骤切实可行，我们将深入探讨其中之一：谷歌数据中心的能源效率。
谷歌DeepMind希望降低数据中心的能耗，同时保持运营安全。这个团队在谷歌很新、很优化的一个数据中心开展这个项目。这为数据丰富的环境提供了很新的传感器和设备，这有助于基线性能(以及后来测量影响)。虽然人工智能应用并不容易，但是如果从一个拥有干净数据的高级环境开始，其成功率可能会更高。
然后，DeepMind遵循以下六个步骤。其结果是人工智能系统在继续以安全、有效的方式运营数据中心的同时，降低了30%的能耗。其好处显而易见：谷歌公司在提高系统效率的同时，降低了数据中心的能耗、环境影响、成本。
从人工智能开始的六个步骤
该项目很复杂，但是其过程很简单。以下进行一下分解：
步骤1：确定目标。
在开始之前，需要定义要实现的目标以及参与的哪些部门。在人工智能中称之为目标函数。需要记住，这可能需要平衡多个目标。
在示例中，目标是很大程度地降低冷却谷歌公司数据中心所需的能源，同时将服务器保持在安全的工作温度下。这个目标是很重要的，但也可以尝试将冷却成本降至很低，减少用水量等。在此确定优先级也是关键。将很重要的目标设置为目标函数，然后确保模型在制定决策时也将其次要目标考虑在内。
步骤2：定义可能的决策集。
确定目标后，概述可利用的杠杆，企业可以(并希望)使用人工智能改善系统的哪些部分。这是行动空间。
对于谷歌公司的数据中心来说，非常依赖数据中心运营商(即领域专家)来了解DeepMind可以调整设施的哪些部分，因为某些变量无法直接设置，并且可以由系统的其他部分间接控制。谷歌数据中心设施管理人员表示，很大的能源消耗者是冷却设备，因此从这里开始。这些技术深厚的合作伙伴关系对于成功应用人工智能至关重要，并允许领域专家将人工智能作为一种工具来增强其影响力。
步骤3：确保系统安全。
很多人工智能系统设置的一个关键步骤是了解确保系统安全所需的操作边界。应该在单个组件和整个系统级别定义这些约束。
在数据中心示例中，数据中心运营人员概述了单个设备的操作范围以及这些组件在系统级别的交互方式。然后，根据数据中心的安全操作所允许的内容，对人工智能的安全约束进行建模。约束系统对于避免损坏组件很重要，但过多的安全措施可能会限制创新。人工智能的一个优点是，它可以探索在系统上设置的边界内的选项，但是越严格的防护，就越难探索。在不缺少核心约束的情况下保持平衡是关键。
步骤4：审核数据。
人工智能依靠数据来做决定，所以需要相应的数据来衡量其所选择的行动和目标。在此阶段，还可以解决正在进行的数据问题，例如需要捕获系统级数据的频率、数据的延迟、维护和更改日志等。
对于谷歌公司的数据中心项目，需要拥有测量能耗、人工智能决策，这些决策对物理系统的影响以及影响系统的外部因素(在这种情况下，即天气、占用率等)所需的所有数据。需要认真检查收集这些数据的传感器，以使其正确标记和校准，并且延迟不是问题。
步骤5：清除数据。
人工智能可能依赖于数据，但其成功取决于良好的数据，因此需要识别并修复错误数据，合并数据源。确保数据代表试图解决的问题，并且在数据历史记录中表示了一组不同的操作。丰富的历史和数据变化对于人工智能做出颇佳决策非常重要。
数据清理是数据中心项目中至关重要的一步。它还往往需要强大的专业领域知识，这也是人工智能专家和行业专家之间达成伙伴关系至关重要的另一个领域。须进行校准或修复损坏的传感器和其他组件，以测量收集的数据。还需要发现丢失的数据，在可能的情况下进行了回填，并统一数据存储库和数据输入。当调整模型时，这使得更容易将额外的数据类型合并到系统中，并改进人工智能的建议。
步骤6：执行持续的数据维护。
由于人工智能项目的成功取决于良好的数据，因此设置例行的定期检查以确保持续的数据清洁是很重要的。
最后三个步骤可以分为“数据质量保证”，它们是流程中很耗时的部分，也是大多数组织在开始人工智能项目之前需要集中精力的地方。
在遵循这六个步骤之后，DeepMind的工程师们已经准备好构建模型，并开始与整个谷歌数据中心的人工智能进行互动。为目标选择正确的优化指标非常重要，还要人工智能系统能从它所做的决定中得到反馈，以便它能随着时间的推移而学习和改进。
事实上并没有灵丹妙药
几乎没有任何一个人工智能系统可以解决所有目标。大多数项目都需要自定义，因此其旅程可能需要针对不同应用程序的不同人工系统。找到适用于组织用例的颇佳方法是开始构建模型，进行迭代并在进行过程中扩展。
人工智能并不总是正确的答案，但它可以成为改进当前系统、构建新流程和解决复杂问题的强大工具。无论组织刚刚起步还是拥有一些人工智能的应用经验，其目标是采用这六个步骤来帮助简化流程。为大型人工智能项目做准备可能需要数月甚至数年的时间，因此尽早开始非常重要。关键是要知道为什么很重要，如何准备，以及如何开始。
