想快速从AI获益的组织，或容许通过托管做事，直接在运用中接入AI。

译自How to Easily Add AI to Your Applications，作者 Jason Monden 是 Oracle Cloud Infrastructure 的产品管理总监。
20 多年来，Jason 一贯在领导和建议财富 500 强公司和创业公司。
他一贯关注企业技能、云采取、运用程序当代化，最近关注......

AI 很强大，但其内在的繁芜性可能会让潜在的企业用户望而生畏。
对付许多希望快速从 AI 中得到代价的组织来说，许可他们将 AI 与运用程序集成的托管做事可能是答案。

好是这样的托管 AI 做事，它们会向用户隐蔽繁芜性，是可以得到的。
在走这条路之前须要考虑两件关键的事情：

1：公司想要建立什么功能(或想要自动化什么流程)？ 以及2：基于利用案例、位置和监管哀求，此需求如何运行？从终极目标开始

利用 AI，全体流程始于数据。
初始目标是定义所需的数据类型、其来源以及所需的 AI 做事。

例如，对付想要自动化流程以减少人为缺点、降落本钱并提高生产产品效率的制造商，须要 AI 来利用图像。
可以利用固定摄像头或无人机捕获图像，这取决于要拍摄成品的状态和位置。
这些运用程序须要打算机视觉 AI。

演习与推理

托管 AI 做事的一个优点是它们会卖力演习和推理。
用户只需微调演习数据并调用 API 来处理做事和模型上的推理。

这种方法对开拓者很友好，许可组织进行试验和快速实现。
除了自动处理演习和推理所需的根本举动步伐和软件之外，这些做事还根据须要扩展那些无形的组件，用户在 API 层面进行交互。
它们的本钱效益也非常高，常日仅按 API 调用次数收费。

根据组织是否关注演习还是推理，数据类型和数据捕获方法会有所不同。
当 AI 即将投入生产时，推理是须要的数据捕获设置。
这可以看作是一个预设的自动无人机航线。
如果模型须要自定义演习，则数据须要代表可能情景的不同方面。
对付图像，考虑光照、角度、阴影以及过程中可能碰着的许多阶段都是必不可少的。
这些阶段可能是不同长度的钢管和钢梁。

我在哪里得到演习数据？

有用的数据常日散落在企业的不同系统中。
偶尔也须要来自特定外部存储库或公共来源的外部数据。

导入不同形式的数据须要清理和重组，以与项目操持同等。
一旦制订出这些方法，用户就可以创建一个管道，将从数据导入到数据清理到数据标注的全体过程自动化。
一个标记好的数据集是AI定制过程的出发点。

以下是一个打算机视觉的示例，用户可以导入许多显示不同角度、光照、形状、长度、数量和其他标准的管道图像。
源图像看起来类似这样：

一旦网络了源图像，公司将创建一个可用于自定义演习的数据集。
在此过程中，必须针对工具检测演习AI，并创造工具在图像中的位置。
这是通过利用所谓的边界框利用元数据标记源图像来完成的。
这些供应了图像中工具的确切坐标，向模型阐明要查找的内容，同时考虑到先条件到的各种标准和场景。
一个标记的图像如下所示：

一个完备标注的数据集常日会保存在工具存储中，以供打算机视觉AI做事在运行模型定制时引用。
模型定制微调常日在24小时或更短的韶光内完成。

在测试模型时，用户必须把稳“置信度因子”。
模型会以百分比的形式解释它对识别工具的置信度。
可以通过这些报告的置信百分最近衡量模型的准确性。
常日，90%或更高会导致非常同等和准确的结果。
用户该当确定哪些成分最适宜给定的场景，并将此逻辑构建到运用程序中，由于当运用程序调用托管AI做事时，置信因子将包含在API相应中。

API 相应还将包括有关创造的其他详细信息。
在打算机视觉的情形下，它将供应在图像上找到工具的确切坐标。
这使企业能够更多地利用结果。
他们可能希望在图像上绘制边界框，以显示 AI 在哪里找到了工具或找到了多少个工具。

末了，企业必须考虑在哪里以及如何支配 AI。
他们须要考虑生产时的数据源，以及 AI 须要多快相应才能知足内部和客户的需求。
如果 AI 位于公共云中，数据传输到公共云、通过 AI 做事运行、天生相应以及运用程序采纳行动都须要韶光。

如果利用无人机或摄像头，应多久更新一次图像？预期的相应韶光是多少？对付每分钟发送的图像，30 至 60 秒的相应韶光是公共云的合理预期。
如果须要更低的延迟、更高的数量或更靠近实时的相应，则该当将 AI 做事支配得更靠近数据源。

其他考虑成分包括法规、主权、安全性和其他限定。
在这种情形下，所有数据和 AI 做事必须在知足这些哀求的云区域内运行，或者在不危害功能的做事中运行，以适应不同的地理支配模型。

有许多有用的 AI 做事可用。
本文提到了OCI Vision，但其他做事包括OCI 工具存储、OCI 数据标注和OCI 当代数据平台。

只管所有主流编程措辞都广泛支持 AI，但 Python 有许多精良的库可以帮助简化打包利用这些类型 AI 做事的运用程序。
您可以在 Oracle 找到许多实验室，这些实验室使 AI 做事易于学习和利用。