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
- AI黑盒子議題見Chat GPT是黑盒子嗎 ？
- 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
