如果你想在AI项目上尝试一下，你如何选择一个有价值的项目来工作呢？不要指望一个想法在一夜之间过来。
有时会发生这种情况，但有时候还需要几天或几周的时间来提出一个值得追求的想法。
在这个视频中，您将看到一个用于头脑风暴的框架，用于追求可能令人兴奋的AI项目。
假设您想为您的企业构建AI项目。
你已经看到了AI无法做到的一切，所以人工智能可以做的事情就会出现。
所以让我们让圆圈代表AI可以做的事情。
现在，还有一些对您的业务有价值的事情。
因此，让我们让第二个圆圈代表一组对您的业务有价值的东西。
您想要做的是尝试选择位于这两个集合交叉点的项目，因此您选择既可行又可以通过AI完成的项目，这对您的业务也很有价值。
因此，AI专家将倾向于很好地理解左边的集合中的内容和内容。
领域专家，您的业务专家，无论是销售和市场营销，还是农业或其他方面，都能最好地了解对您的业务有何实际价值。
因此，当集体讨论人工智能并且对您的业务有价值的项目时，我会经常组建一个团队，其中包括熟悉AI的人员，以及您商业领域的专家，共同集思广益。
因此，他们可以一起尝试在这两个集合的交叉点识别项目。
因此，有时我们也称这些跨职能团队，这意味着团队既包括AI专家，也包括领域专家，这意味着您所在领域的专家。
头脑风暴项目时，有一个框架，我已经使用了很多我认为有用的公司。
因此，让我与您分享三个原则或三个想法，了解如何开展一个茶馆项目。
首先，即使有很多关于人工智能自动化工作的新闻报道，这是一个需要解决的重要的社会问题，在考虑具体的人工智能项目时，我发现考虑自动化任务而不是自动化工作更有用。
在呼叫中心的运营中，呼叫中心会发生很多任务。
从接听电话的人接听电话到回复电子邮件，采取特定行动，例如在客户请求的一半上发出退款。
但是，在呼叫中心的所有这些任务中，可能有一个，呼叫路由或电子邮件路由，这可能特别适合机器学习自动化。
通过查看员工团队所做的所有这些任务，并选择一个可以让您在短期内选择最有成效的自动化项目。
让我们看另一个例子，放射科医生的工作。
有很多关于我自动化放射科医师工作的新闻，但放射科医生实际上有很多东西。
他们阅读X光片，这非常重要，但他们也参与了他们的继续教育。
他们咨询其他医生，他们可能会指导年轻的医生，其中一些医生也会直接咨询患者。
因此，通过查看放射科医师所做的所有这些任务，您可以确定其中一个，让我们说用于阅读X射线的AI辅助或人工智能自动化，这使您可以选择最有成效的项目。
所以我建议的是，如果你看看你的业务，考虑一下人们所做的任务，如果你只能识别其中一个，或者只是其中一个，那么可以使用机器学习来自动化。
当我与公司的大型公司头脑风暴人工智能项目的首席执行官会面时，我还要问的一个常见问题是，商业价值的主要推动因素是什么？有时候找到人工智能解决方案或数据科学解决方案来增强这一点可能非常有价值。
最后，第三个问题，我曾经问过，有时候会提出有价值的项目想法，这是你企业的主要痛点吗？其中一些问题可以通过人工智能解决，其中一些问题无法用人工智能解决。
但通过了解业务中的主要观点，这也可以为集思广益AI项目创造一个有用的起点。
我有最后一条关于脑力激励项目的建议，即使没有大量数据，即使没有大数据，你也可以取得进步。
现在不要误解我的意思，让更多的数据几乎从不伤害，除了可能需要为磁盘空间或网络带宽支付更多的费用来传输和存储数据，拥有更多的数据总是只有帮助。
而且我喜欢拥有大量数据。
数据也是如此，因为网络搜索等一些有线网络可以防范。
网络搜索是一项长尾业务，这意味着有很多非常非常罕见的网络查询。
因此，当您搜索所有这些罕见的Web查询时，查看人们点击的内容确实有助于领先的网络搜索引擎获得更好的搜索体验。
如此大的数据是很好的，当你可以得到它，但我认为大数据有时也过度炒作，即使使用小数据集，你仍然可以经常取得进展。
这是一个例子，假设你正在为咖啡杯建立一个自动视觉检测系统。
所以你想自动检测右边的咖啡杯有缺陷。
好吧，如果你有一百万张好咖啡杯和有缺陷的咖啡杯的图片，那么就会有很多好的咖啡杯照片供你的AI系统使用。
但是我希望你没有制造出100万个有缺陷的咖啡杯，因为这样的东西就像扔掉一样非常昂贵。
因此，有时只需要100，或者1000，或者有时可能只有10，您就可以在机器学习项目中开始。
您需要的数据量非常依赖于问题，与AI工程师或AI专家交谈可以帮助您更好地理解。
有一些问题，1000张图片可能不够，你需要大数据获得良好的性能。
但我的建议是，不要因为你没有大量的数据而放弃。
即使使用小型数据集，您仍然可以取得进步。
在这段视频中，您看到了一个头脑风暴的框架，以及一套试图提出可以用AI实现的项目的标准，这些标准对您的业务也很有价值。
现在，已经集思广益一个项目列表，你如何选择一个或选择一小部分实际承诺和工作？让我们在下一个视频中谈论这个。
讲师：Andrew Ng
课程：https://www.coursera.org/learn/ai-for-everyone
