如何将研究转化为实际的生产部署，很多公司和研究团队都经历过艰苦挣扎。李飞飞在斯坦福大学以人为本人工智能研究院(HAI) 的 live seminar 中连线吴恩达，吴恩达发表了主题为“搭建 AI 的概念验证与生产的桥梁”的演讲，其中分享了一些有趣的观点。
我把视频搬运到了B站：
https://www.bilibili.com/video/BV13y4y1r7hY/ (复制或直接点文末阅读原文打开)
AI 部署的挑战:
- 小数据在消费者互联网之外的工业应用程序中很常见，而 AI 研究经常使用大数据。[视频12:35起]
- 算法的鲁棒性和泛化性。模型在已发表的论文中效果好，但在生产中通常不行。[视频18:54起]
- 变化管理。作为自动化工作流中一个部分，模型可能会潜在地影响整个系统和很多相关者。[视频20:44起]
解决方案:
系统地规划机器学习项目的整个周期，从范围到数据、建模和部署。[视频27:48起]
