最近接了一個AI專案,客戶要求以AI方式實現節能功能,以下提供我的專案思考軌跡:
- 面對這樣的技術,我第一個想到使用Reinforcement Learning技術,然而這裡我思考一件事,這個專案是要幫助客戶賺錢的,在沒有Digital Twin的搭配之下,貿然使用Reinforcement Learning技術可能會造成客戶維運上面的風險,也會砸了我的招牌
- Reinforcement Learning需要Digital Twin的原因見談談未來的AI趨勢
- 因此我選擇使用Supervised Learning技術來解這問題,然而我知道目前AI最被人詬病的議題就是「黑盒子」議題,因此我跟客戶要了目前有的資料,並以此做「Feature Engineering」,這不僅可以幫我篩選有用的特徵,排除不必要的資訊,也可以加速演算法的運作速度,此外最重要的是:「增加演算法透明性」,我使用Decision Tree的Entropy當作篩選機制,幫我把最有用的特徵羅列出來
- 篩選出有用的特徵之後,思考做節能的時候要考慮的是這些特徵的「時間序列」,然而處理時間序列的手法有很多,CNN、LSTM、Transformer等等都可以,首先Transformer優於LSTM可以先把LSTM排除,又因為Transformer有Attention機制可以追蹤時間序列的「交錯特性」,然而節能這個題目並不需要考慮到「時間序列的交錯特性」,因此我選擇使用多維度的CNN即可解決
- 演算法部分都解決了,剩下報告處理的部份,這部分我選擇自己做簡報來闡述各個細節,但是針對音源這部分,我一直在想方法省時間,我看上AI配音,這不僅幫我省下報告時的彩排準備時間,也能讓這個專案增添更多AI元素