確認創建人工智能實驗室的需求:
顯而易見的,這是創建人工智能實驗室的基石。正如笛卡爾咨詢公司人工智能實驗室負責人Ramasubramanian Sundararajan所說,對于啟動人工智能實驗室來說,最好的開始,甚至可以說必要的開始是在找到一個人工智能實驗室可以研究的方向。他在接受《印度分析》雜志采訪時時表示: “比起熱愛人工智能這樣一理由而言,更好的開端是找到需要解決的具體問題或一系列問題包括:需要一個專家團隊來開展工作嗎?或者是對市場需求的更普遍看法?”

人工智能
Instamojo的分析和用戶增長負責人Ankur Sharma,在另一篇獨家評論報道中也回應了同樣的觀點。他說,充分了解你希望處理的問題或項目至關重要。 人工智能和學習型機器具有廣泛的應用范圍,因此,重點關注應用程序的某個主題,而不是選擇過于廣泛的范圍。
硬件和軟件要求:
目前市面上有許多尖端的開源軟件,如TensorFlow、PyTorch等,它已經變得非常容易使用和運行。了解Python也非常有用,因為Python擁有大多數學習型機器算法的即用型,它對初學者非常友好。
此外,云計算的可用性使得創建人工智能或學習型機器實驗室變得小菜一碟。 “人們可以在云中建立端到端的人工智能,并且可以在云服務器實例上訓練和托管模型,并輕松將其部署在應用程序或任何其他硬件和芯片上。”Sharma如是說。對于硬件來說,培訓好模型需要多少錢?在大多數情況下,具有GPU的高級服務器就足夠了。
找到合適的人才:
一旦想法和基礎設施準備到位,擁有合適的人才是建立人工智能研發實驗室的重中之重。目前全球各大公司都為吸引合適的人才而投資,他們需要可以接受并適應公司文化的人才。例如,在2018年初,Facebook在美國和英國聘請了五位頂尖大學教授,作為加強其人工智能研究部門的一部分。 “目前,數據科學家遠遠供大于求,這使人工智能實驗室的人員配置成為一項巨大挑戰。”Sharma說。

人工智能
“開源代碼和算法模型的激增要求人工智能從業者需要一點黑客的心態,所以你會發現很多解決方案很快就能被建立起來。但是建立一個長久且強大的解決方案需要有人退后一步,縱觀全局。你需要確保你的實驗室里有能夠做到這一點的人。” Sundararajan補充說,“聘請具有批判性思維的人是很重要的。”
構建正確的模型:
人工智能和學習型機器是需要深入理解數據域的復雜領域,如果沒有正確的經驗,即使最簡單的任務也可能困難重重,但另一方面構建復雜模型非常有趣。 “圍繞這個領域有如此多的令人興奮的事件,每天都有很多新的研究表明,當你成為其中的一部分,這種感覺無疑是興奮異常的。然而,這項工作非常繁瑣。“Sundararajan說:“重要的是要考慮前面的幾步,以了解算法最終將要生存的環境。確保你有一個生態系統來部署好的算法,還需要那些可以分辨出酷與實用之間區別的人。”Sharma也有同樣的想法。他說,必須對學習型機器算法以及其基礎設施服務有深刻的理解。
創造合適的環境:
創造合適的環境并提供舒適的工作空間對于實現良好的研究至關重要,除了具有卓越計算能力的超級計算機外,還需要能夠輕松訪問的高級工具,引發協作思維文化,設計思維等,這對由好奇心驅動的研究來說非常重要。