如何将人工智能引入没有数据的行业
有了开源和第三方工具的指导，企业应该能够将人工智能融入到他们的工作中，而不必从头开始，对吗？
如果该行业没有相关数据，就不会出现这种情况，因为部分食品行业就是如此。AgShift首席执行官Miku Jha用一句咒语来概括这个问题：“行业越老，战斗就越艰难。”
“不管你的银行账户有多深，如果你想让人工智能来解决食品供应链中的问题，你必须从绝对底部开始。因为没有人把图像存储在任何地方，任何设施的任何地方，”Jha在VentureBeat 2019年转型大会上说。
她的公司负责食品检验自动化，在培训评估食品质量的工具之前，必须为每一种新产品创建数据。AgShift通过跟踪他们的客户并与食品缺陷领域的专家合作来做到这一点。
对于一个客户，“我们只是日复一日地在客户的加工设施里扎营。我们吃他们的食物，我们从农场摘草莓。在这个过程中，我们收集了一组数据。”
一旦他们为一个商品创建了一个数据集，他们就可以将其作为一个基线来训练AI工具为新客户处理相同的项目。
她说，食品加工设施的最终结果是一个类似于亭子的设备。“你把要检查的商品放入系统，系统就会获取图像，(然后)在20秒内返回结果。“传统的人工检查需要更长的时间，而且不那么彻底。
农业可能是一个缺乏数据的行业的极端例子，因为有如此多的工作是由人类手工辛苦完成的。但数据存储公司Western Digital的首席数据官珍妮特•乔治(Janet George)表示，其它行业的工厂也可能缺乏足够的高质量数据来培训人工智能软件。
乔治说，解决这个问题的一个好办法是使用GANs，即生成对抗网络，来创建合成数据。
“这对我们很有帮助，因为我们可以在那里开始创建我们想用于培训目的的数据。所以我能够进入(一个)工厂，找到所有的领域专家，真正标准化什么是坏数据，什么是好数据，”她说。基于此，人们可以创建数据来训练人工智能工具。
