关于人工智能评估的常见问题（及解答）

过去几个月，Hamel Husain 和 Shreya Shankar 一直在为工程师和项目经理开设一门付费的、基于群组的 AI 评估课程。Hamel 收集了课程中最常见的问题的答案。

这里有很多切实可行的建议。我仍然相信，稳健的评估方法是区分精心设计、可靠的人工智能系统和 YOLO 交叉测试的最重要因素，并希望这种方法能够有效促进开发。

哈默尔说道：

重要的是要认识到评估是开发过程的一部分，而不是一个单独的项目，类似于调试是软件开发的一部分。[…]

在我们参与的项目中， 60% 到 80% 的开发时间都花在了错误分析和评估上。预计你的大部分精力将用于理解故障原因（例如查看数据），而不是构建自动化检查。

我发现这个建议很有用而且令人惊讶：

如果你的评估通过率是100%，那么你的系统可能还不够有挑战性。70%的通过率可能表明评估更有意义，实际上是在对你的申请进行压力测试。