评论:机器学习模型速度和代码优化对企业至关重要

代码优化对于提高机器学习模型和AI解决方案的性能至关重要。预测速度是代码优化可以提高的一个关键性能指标，在快速变化的商业世界中，速度就是金钱。在这里，我将讨论机器学习模型速度对企业至关重要的四个实例，以及代码优化在实现这一点方面所扮演的角色。

1 .在竞争对手之前利用有利可图的交易机会

由于机器学习能够分析大量多样的信息，基于机器学习的模型被用于交易，以做出更准确和迅速的决策。通过优化，机器学习模型能够更快地执行，以更快的速度生成交易决策。据报道，一毫秒的优势价值100美元一年的交易。这强调了速度在机器学习模型中的价值。

改善客户体验，降低客户流失率

大多数消费者现在默认使用数字渠道与企业打交道。虽然基于网络的服务和移动应用程序可以让企业及其产品和服务对客户更具吸引力，但低于标准的数字支持也很容易让客户流失。的研究Booking.com已经表明，大约30%的延迟增加会带来超过0.5%的转化率。转化率的下降会导致收入的减少，进而导致数百万美元的利润损失。为了让用户感到系统正在立即作出反应，系统在理想情况下必须显示响应时间为0.1秒。代码和模型优化确保AI应用程序满足这些理想的性能率，为用户提供无缝体验，从而提高客户留存率，降低流失率。

3生死攸关的决策

新兴的人工智能应用在自动驾驶汽车和医疗保健领域不仅新颖，而且还能做出对生命至关重要的决定。在最近启动的一个项目中时刻(ITM)美国国防高级研究计划局(DARPA)的目标是开发AI系统，在快速演变、不确定和没有“地面真相”的环境中做出关键决策。例如，在医疗分诊方面，由于资源有限，需要医疗专业人员根据患者的疾病或损伤的病死率来决定优先治疗哪些急诊患者。在这种关键情况下使用的人工智能解决方案必须快速显示健壮的结果。

实时决策系统中的延迟可能会造成严重的伤害，并严重危及系统的可信度。2016年，一辆自动驾驶的特斯拉撞上了一辆白色卡车，由于颜色不同，特斯拉无法区分这辆车。这次碰撞让人们对自动驾驶汽车的安全性产生了很多疑虑。这些事件重申了机器学习模型在人工智能系统中的速度和准确性的重要性。优化的机器学习模型能够减少对生命至关重要的AI应用的低效，允许更快地做出更准确的决策。

4提升边缘设备性能

随着安全摄像头、无人机和可穿戴技术等应用程序的出现，边缘设备在各行各业都变得越来越普遍。边缘设备和物联网(IoT)提供了更大的可扩展性、可访问性和速度，使它们对企业非常有用。越来越多的分析功能出现在这些设备中，特别是为了减少决策的延迟。例如，可以在边缘设备本身内处理数据降低网络容量降低带来的风险。然而，由于边缘设备通常有内存和功率限制，可以使用代码优化来提高机器学习模型的性能，以适应目标设备的要求。这将导致及时和准确的分析，让企业充分利用边缘人工智能。

底线

已经证明，代码优化可以达到执行时间提高了46%内存消耗提高了44.9%，CPU使用提高了49.7%，从而提高了机器学习模型的速度，并提高了AI应用程序的整体性能。此外，通过代码优化，企业能够轻松构建快速高效的机器学习模型，利用人工智能的力量来提高利润。

莱斯利·坎森博士，联合创始人兼首席执行官TurinTech