Fleira má bíta en feita steik: Flottræfilsháttur flækjustigs

Stundum gott að staldra við og rifja upp gamla íslenska málshætti:

 

"Fleira má bíta en feita steik"

 

Er ég að nota hér sem þýðingu á enska hugtakinu "low hanging fruit" og á að mínu mati nokkuð vel við þegar kemur að tilraunum og þróun með AI. Í viðbragðsgeiranum var oft notast við "KISS, keep it simple, stupid!" það merkir að lausnir mega ekki vera það flóknar að þær virki ekki undir álagi í krefjandi aðstæðum, sú nálgun á kannski víðar við...

 

Freistingin að flækja hlutina

 

AI gerir það afar auðvelt að láta sig dreyma um flóknar og framúrstefnulegar lausnir. Við viljum sýna hvað við erum klár "flexa" færni okkar og byggja eitthvað stórkostlegt. En í þessari leit að flóknum lausnum, gleymum við oft að einfaldar nálganir geta oft skilað jafn góðum eða betri árangri.

 

Lærdómur af eigin reynslu

 

Ég stóð sjálfan mig að þessu, ég var að skauta fram hjá augljósum, einföldum lausnum og var að nota of mikinn tíma í að koma einhverju flóknu saman. Þegar upp var staðið hefði einfaldari nálgun oft skilað sambærilegum eða betri praktískum ávinningi.

 

Dómagreiningar appið

 

Er ágætt dæmi þar sem nálgun mín í upphafi var of flókinn og ég náði ekki nægilegri nákvæmni þar sem ég var með gríðarlega mikið magn af gögnum fyrir kerfið að vinna úr. Núna hins vegar er ég með afar einfalda lausn sem einfalt er að þróa áfram og byggja við.

 

* Prófa aðrar tengingar

* Vista greiningar í gagnagrunn

* Sjálfvirkni

* Setja appinu fyrir að greina fleiri dóma og vista niðurstöður

* Viðbótar upplýsingar með tengingum t.d. fá inn hlekki á dómana

 

Þetta eru bara nokkur dæmi, en það sem skiptir kannski máli er að stemma sig af, er maður að skjóta mýflugu með fallbyssu....

 

Einfaldur gátlisti til að sjá hvort þú getir leyst verkefnið á einfaldan hátt:

 

1. Skilgreining verkefnis

* Hvaða vandamál erum við að reyna að leysa?

* Hvernig myndi góð lausn líta út?

 

 

2. Einfaldar lausnir

* Gætum við náð góðum árangri með einfaldri aðferð?

* Dugar kannski vel skrifuð fyrirmæli (prompt)?

* Er sérsniðið GPT eða sambærilegt kannski hentug lausn?

* Aðrar lausnir sem liggja fyrir?

 

 

3. Gögn

* Höfum við góð gögn til að vinna með?

* Eru þau aðgengileg og má nota þau?

 

 

4. Flóknari lausnir

* Er raunveruleg þörf á flóknari AI tækni?

* Vector database

* RAG

* Fine tune

* Réttlætir verkefnið kostnaðinn / tímann við flóknari lausn?

* Þolir lausnin uppfærslur t.d. þegar ný módel koma út, þetta er raunveruleg áhætta sem þarf að taka tillit til.

 

 

5. Þróun

* Getum við byrjað einfalt og þróað áfram?

 

Kostirnir við einfaldleika

 

• • ✓ Auðveldari innleiðing
  • ✓ Minni kostnaður af fjármagni og tíma
  • ✓ Meiri sveigjanleiki gagnvart breytingum, koma í veg fyrir "sunk cost fallacy"
  • ✓ Auðveldara að skilja og útskýra fyrir samstarfsaðilum / hagsmunaaðilum
  • ✓ Oft hagkvæmari lausn

 

Niðurstaða

 

Þó að það sé vissulega spennandi að spreyta sig á flóknum lausnum, er mikilvægt að muna að fleira má bíta en feita steik. Einfaldar, skilvirkar lausnir geta oft skilað jafn góðum eða betri árangri en þær flóknu. Ég er ekki einn um þessa skoðun og hér er hlekkur á áhugaverða grein um svipað málefni.

 

Julia Winn, 'What Makes a True AI Agent? Rethinking the Pursuit of Autonomy' (Towards Data Science, October 2024) https://towardsdatascience.com/what-makes-a-true-ai-agent accessed 7 October 2024

 

 

Blár hlekkur! Vúhú