可以用人工智能创造事物，但“可操作的事物”是另一回事

这篇文章强调了围绕人工智能的炒作中经常被忽视的一个关键区别：用人工智能创造事物与在现实世界的运营环境中实际部署和维护事物之间的区别。 虽然人工智能工具正在迅速发展并使开发变得更容易，但确保可靠性、可扩展性、安全性以及长期可维护性的挑战仍然是巨大的障碍。 作者可能强调了从概念验证人工智能项目过渡到强大、可用于生产的系统时遇到的实际困难。 这包括数据漂移、模型再训练、监控以及与现有基础设施集成等问题。 这篇文章提醒人们，成功的人工智能实施需要的不仅仅是技术实力； 它需要仔细的规划、强大的工程实践以及对运营环境的深刻理解。

• •人工智能开发正在加速，但运营挑战依然存在。
• •创建人工智能模型与部署和维护它不同。
• •部署人工智能时，请考虑数据漂移、模型再训练和集成。