（文章來源：教育新聞網(wǎng)）

我參加了多個標準機構。由于不同的用例和不同的業(yè)務市場現(xiàn)實驅動競爭，該標準經(jīng)常被延遲。這條建議在內(nèi)存中的標準AI是最好的辦法。

我敢肯定還有其他人會爭辯說要采用其他方法，也許是利用現(xiàn)有的流數(shù)據(jù)分析或專用的硬件平臺。當前，所有這些方法都正在部署中，我懷疑傳統(tǒng)的標準方法是否可行。

每周都會發(fā)現(xiàn)AI的突破。關鍵供應商很有可能將其解決方案推向市場，因為開源和平臺供應商將生產(chǎn)專門的系統(tǒng)來解決特定的用例。也就是說，本文確實確定了需要正確管理的幾個關鍵領域，人工智能解決方案才能成功：

“為定制服務部署AI要求編寫緊密，有效的生產(chǎn)就緒代碼，尤其是要在欺詐檢測中使用AI，這必須實時發(fā)生并且誤報率極低。人工智能仍在這方面進行開發(fā)-數(shù)據(jù)科學家使用的代碼和工具經(jīng)常需要進行廣泛的自定義，以對企業(yè)開發(fā)人員有用，并且必須進行專門修改才能大規(guī)模和實時地運行。

當AI能夠訪問大量計算能力和高數(shù)據(jù)帶寬時，其工作效果最佳。

緊迫地開發(fā)這些低假陽性模型意味著它們通常是由數(shù)據(jù)科學家開發(fā)的，其中許多人依賴于從磁盤而不是從主內(nèi)存中檢索數(shù)據(jù)。由于搜索數(shù)據(jù)時的查找時間太長，這會干擾開發(fā)人員實時整理實際推理的嘗試。但是，一些工具正在趕上，并且推論已開始被視為企業(yè)軟件機器中的真正齒輪。

總體而言，對同時提取和處理各種數(shù)據(jù)集的更加標準化的方法的需求正在增長。一旦該行業(yè)采用了這種成熟的推理能力并選擇了內(nèi)存數(shù)據(jù)庫，那么AI在欺詐檢測中的使用將變得更加廣泛?！?br /> （責任編輯：fqj）