老闆要你在工廠實現AI專案，卻不知怎麼開始？
學校老師總要求辨識率100%，是否那麼重要？

SATLYS是由Toshiba提出的人工智慧服務，其宗旨為

Transforming IoT Data into Business Value

他們將很多專案、想法發布於官網期刊
其中，特別公開了他們的AI服務流程 [1]
因為要落實人工智慧，不能像學術研究一樣
它需要一個非常完整的規劃才能「讓資料帶來價值」

1、SATLYS 服務流程

要如何讓資料成為企業的價值，Toshiba厲害的不只有AI(Deep Learning)技術，他們的服務流程包含「資料的準備→AI技術→後來的分析與回饋」，並且以Issue applicability做為核心，我使用下圖進行完整的解釋。

Digital consulting

在開始AI服務前，會有個「Digital consulting」，我稱之為資料(Plan)準備期。資料包含以下三點：

1、想要解決什麼問題 (Issue pinpoing)
2、預期目標、會帶來什麼價值 (KPI definition)
3、需要收集哪些資料(Data)、格式正規化 (AI deployment proposal)

在第二點的預期目標，蠻有趣的是，他們會先設定期望的模型準確度，如果70%就能滿足需求，就不需要花時間弄到100%。還有他們是「先決定要解決哪個問題、再準備訓練資料」，而不是像我們比較常變成「你有存什麼資料、我能用它做到什麼」。

假如解決問題後帶來的價值是客戶接受的，才會繼續後面的服務。

Analytics AI services

實作上分為四大部分，依序是Design、Construction、Operation和Maintenance。

Step 1, Design (AI deployment preparation)
先拿一些資料作為訓練集、設計並訓練模型，判斷這些資料和團隊掌握的技術，是否能解決這個問題。如果可行性是高的，才會繼續後面的服務。

Step 2, Construction
拿大量的資料進行訓練，使模型學習到滿足當初設定的目標。

Step 3, Operation
將模型移至實際場域，利用新的觀測資料解決該問題。

Step 4, Maintenance
監測狀態、評估效能。適時更新模型，回到Step2。

2、結語

以前在學校時，我們都停留在Design階段。想著如何解決被指定的問題，可能是作業、專題或是論文。嘗試不同超參數(hyperparameters)，只期盼準確度可以高一點點。

當我們真的要落地「AI」，如同上面提到，從需要解決的問題、收集的資料、硬體的規格、亦或是寫在哪個雲端。計畫這些事情的時間可能比訓練模型還多很多。最重要的是，還要討論我們能藉此賺到多少錢，產生的市場價值有多少？

Toshiba提供給我們清楚的作業流程，只要按部就班，就能一步步完成。他們官網還有很多有內涵的文章，我會陸續挑選幾篇分享（翻譯）。

歡迎追蹤我的粉絲頁：賈維斯的智慧工坊