到的信息调整训练。小实验提供了一个很好的适应机会：在这里，可以在规定的时间内更改训练单元，以检查您是否可以通过这种方式更快地接近目标。举个例子：在这个实验期间，我会进行不同的间歇训练或更换健身练习。在此期间结束时，我会检查调整是否达到了预期效果，或者负面影响（例如肌肉疼痛）是否占主导地位。
这同样适用于敏捷软件开发：在这里，实验也提供了巨大的潜力和良好的适应框架。适当的目标和措施可以从改进的潜力中得出，无论是在团队内部还是改进产品。例如，在团队内冗长且反复的讨论中，可以设置一个时间框来保持焦点。然而，例如，如果发现重复推出的功能未被用户使用，则可以尝试让这些用户尽早参与开发过程。
为了务实地检查派生措施是否成功，将在先前定义的时间段内 民主捐助者电子邮件列表 应用这些措施。最后，可以检查这些措施是否有助于实现目标。
结论
让我们回到最初的问题“真正激励我们的是什么？”正如我所说，我不认为有外部因素（无论是在体育运动中还是在敏捷软件开发中）从根本上有助于激励。无论骑行时是晴天还是下雨，或者敏捷软件开发中是否使用某种方法，都无关紧要。相反，我认为，当整个过程给每个人提供行使自由、发展自己的想法、尝试和实验的机会时，整个过程就是激励人心的。
我们如何处理这个影响从超市收银台的支付过程一直延伸到医学深处的话题？工作和私人生活同样改变吗？彻底简化——并着眼于可能性。因为仅仅谈论人工智能是没有帮助的。这是关于寻找用例然后构建正确的系统。这就是我们关于人工智能（AI）的十篇论文背后的想法。
他们强调了人工智能的优势、偏见和程序：获取数据、开发应用程序、训练模型。但也能发现新事物、带领员工并激励客户。每个成功规划、实施和使用人工智能应用的人都在这个紧张的领域运作。
在接下来的几周内，我们将讨论博客中的每一个理论并扩展这些想法。
数据是必要条件，但不是充分条件
昨天是国际象棋，今天是围棋，明天是所有其他的事情：人工智能的成功故事似乎已经确定。人工智能已经可以做很多事情，并且很快就能做几乎所有事情——这是许多媒体报道的主旨。这项技术有一些神奇之处。如果有足够的数据，所需要的只是一种算法，只需打个响指，就可以创建一些有用的东西：机器在出现故障之前报告。医疗应用程序无需医生即可检测皮肤异常。汽车在高峰时段自动驾驶。如今，人工智能应用程序已经可以做到这一切。新的领域和应用程序正在快速添加。