、维护和更改日志等。  对于谷歌公司的数据中心项目，需要确保拥有测量能耗、人工智能决策，这些决策对物理系统的影响以及影响系统的外部因素(在这种情况下，即天气、占用率等)所需的所有数据。需要认真检查收集这些数据的传感器，以确保正确标记和校准，并且延迟不是问题。  步骤5：清除数据。  人工智能可能依赖于数据，但其成功取决于良好的数据，因此需要识别并修复错误数据，合并数据源。确保数据代表试图解决的问题，并且在数据历史记录中表示了一组不同的操作。丰富的历史和数据变化对于人工智能做出决策非常重要。  数据清理是数据中心项目中重要的一步。它还往往需要强大的专业领域知识，这也是人工智能专家和行业专家之间达成伙伴关系重要的另一个领域。必须进行校准或修复损坏的传感器和其他组件，以测量收集的数据。还需要发现丢失的数据，在可能的情况下进行了回填，并统一数据存储库和数据输入。当调整模型时，这使得更容易将额外的数据类型合并到系统中，并改进人工智能的建议。  步骤6：执行持续的数据维护。  由于人工智能项目的成功取决于良好的数据，因此设置例行的定期检查以确保持续的数据清洁是很重要的。  最后三个步骤可以分为“数据质量保证”，它们是流程中耗时的部分，也是大多数组织在开始人工智能项目之前需要集中精力的地方。  在遵循这六个步骤之后，DeepMind的工程师们已经准备好构建模型，并开始与整个谷歌数据中心的人工智能进行互动。为目标选择正确的优化指标非常重要，还要确保人工智能系统能从它所做的决定中得到反馈，以便它能随着时间的推移而学习和改进。  事实上并没有灵丹妙药  没有任何一个人工智能系统可以解决所有目标。大多数项目都需要自定义，因此其旅程可能需要针对不同应用程序的不同人工系统。找到适用于组织用例的方法是开始构建模型，进行迭代并在进行过程中扩展。  人工智能并不总是正确的答案，但它可以成为改进当前系统、构建新流程和解决复杂问题的强大工具。无论组织刚刚起步还是拥有一些人工智能的应用经验，其目标是采用这六个步骤来帮助简化流程。为大型人工智能项目做准备可能需要数月甚至数年的时间，因此尽早开始非常重要。关键是要知道为什么很重要，如何准备，以及如何开始。