人工智能解决方案需要考虑的问题汇总

　　人工智能解决方案需要考虑的问题主要包括：1.ai处理技术的选择2.ai数据处理的能力3.ai算法的准确性和稳定性4.ai设备数量和驱动力5.ai资源消耗6.ai应用范围7.ai应用场景8.ai应用后期管理问题与解决方案。

　　一、ai处理技术选择在ai解决方案设计阶段，先应该有初步的判断，必须要考虑的5大核心因素。1.ai数据如何处理？需要新建一个数据库，以保存前面所收集的数据，从而达到缓存数据的目的。2.ai数据如何操作？

　　需要新建一个流程，以达到异步处理数据的目的。比如：log4j代表的传统处理方式，需要一个轮询的方式来执行post和get操作，而log4j代表的分布式流处理方式，可以利用googlestream这样的流处理工具。3.ai语言使用什么语言？这个分模块来说，一般来说，语言都是相通的，可以采用openstack上的swoole或cloud/cloudstream这种分布式、通用的解决方案。4.ai结构的拓扑怎么设计？

　　一般是下面两种设计方案。一种就是服务端直接响应客户端请求。一种就是服务端和客户端同时响应。5.ai算法的算法设计和研发是一个系统性工作，要确保的是研发团队有足够的能力和精力。算法设计一般会采用4+1个特征，即算法研发需要确保算法的达到accuracy（准确率），即达到80%以上的正确率；并且研发团队可以独立解决算法研发中遇到的各种问题；还需要可视化设计的研发流程。

　　二、ai数据处理能力在人工智能解决方案构建和测试的过程中，必须要进行数据产生能力的测试，确保系统是可靠、可用的。人工智能解决方案设计的时候，人们往往会忽略一个问题：系统提供的数据源足够多吗？这样就造成了数据产生能力不足。

　　所以在整个数据产生过程中，又会有一个问题：如何设计一套可以多个数据源提供给用户的解决方案？这个时候需要使用到一个评估理论，叫做uva-unifiedadvancedviava-advanced。计算机专业课老师说，uva指的是一种并行处理的能力和效率。让计算机来使用的时候，可以实现算法跟执行操作同时进行。

　　比如你要建立一个股票量化对冲交易系统，那么，你的思路是，先给一大批股票数据，比如1000万，然后你将这些股票数据分成n个小块，建立一个小池，这些小池中的股票数据就是你建立交易系统用的数据。

　　这样，即便你计算机再快，也要等n小块的股票数据分完，才能实现你的交易逻辑。在人工智能系统开发的过程中，这些逻辑计算的速度往往会很慢，造成性能不足，缺乏竞争力。接下来是数据获取和压缩处理。人工智能解决方案的设计首先是要有数据。
责任编辑人：CC