您打算如何展示贝叶斯优化？大家好，
我很好奇大家计划如何在软件工程工作流程中推广和定位贝叶斯优化。你会把它纳入 DoE 会议吗？会把它与生产改进联系起来吗？会把它展示在任何地方吗？你会在哪里谈论它？
有趣的是，看看人们认为它将如何“适应”他们目前与客户和潜在客户的工作/交谈方式，或者是否会出现一种新的方式！
谢谢！
本
回复：您打算如何展示贝叶斯优化？非常好的问题， @Ben_BarrIngh 。
听听我们迄今为止通过与客户交谈了解到了什么将会很有趣。
我已经与一些对该方法感兴趣的客户进行了沟通。我也与一些规模较大的客户进行了沟通，他们表示 BayesOpt 可以提供额外的价值，并且/或者可以成为更多 Pro 的理由。在这两种情况下，BayesOpt 的定位都相对简单。而这些也应该是我们的优先事项。
我还没有和我们数量众多的小客户（记住，我们每个账户的 JMP 用户数量中位数在 2 到 3 人之间）或任何潜在客户谈过 BayesOpt。在这种情况下，我们该如何谈论 BayesOpt？我们是否应该和新的潜在客户谈论 BayesOpt？
@Ben_BarrIngh - 您能给出一个您正在考虑的账户类型的典型例子吗？
回复：您打算如何展示贝叶斯优化？你好@Phil_Kay ，
感谢您的回复 - 关于如何开始 BayesOpt 对话，我特别感兴趣的领域是：
A) 对于只想改进实验的新客户——我们会把 BayesOpt 与 DoE 等同起来吗？我们是否专注于最终目标（理解 vs. 达到最优结果），并进行区分？我们可以提出哪些价值陈述（基于指标、节省时间、减少资源百分比）来帮助提出令人信服的论点？
（关于这一点， @malcolm_moore1找到了此信息图https://www.active-learning.uk/2024）。
了解 DoE 的现有客户 - 对于了解 DoE 但并非专业客户的客户，我们应该针对哪些痛点，从而将贝叶斯优化引入到讨论中。如果我们正在进行 DoE 启发式活动，我们应该先讨论 DoE 工具，然后再直接讨论贝叶斯优化吗？还是这样会造成混淆？为了确保框架正确，我们应该将我们的启发式活动重命名为“现代实验”或类似的名称吗？
谢谢，
本
回复：您打算如何展示贝叶斯优化？嗨，大家好，
从我目前收到的客户反馈来看，并非所有客户都认为顺序实验可行。有些客户时间紧迫，更倾向于并行测试，即使要多运行几次。
如果我知道客户的测试成本非常高/原材料供应不足，或者底层模型非常复杂，我就会和他们讨论贝叶斯优化。如果时间紧迫，他们无法同时进行测试（例如由于设备不足），我也会和他们讨论贝叶斯优化。
许多人来找我们时都考虑过 DoE。如果满足上述条件，我会在 DoE 演示中加入贝叶斯优化。正如在阿姆斯特丹讨论的那样，我们不想让它看起来像 DoE 的“更好替代方案”，而希望它在某些情况下更适合 DoE，而在其他情况下 DoE 才是最佳选择。
回复：您打算如何展示贝叶斯优化？你好，
我想把 Florian、Stéphane 和 Owen 为 BayesOpt 开发的这些情况摘要添加到讨论中。他们还在摘要后面添加了一段电梯游说，列出了客户可能面临的一些挑战，而 BayesOpt 可以作为解决方案：
-
实验成本高，限制了可能的实验数量
-
原材料昂贵或稀缺，无法进行无休止的实验
-
时间压力不允许进行广泛的研究
-
生产运行中的优化不允许失败
-
复杂性和高维度需要系统性方法
回复：您打算如何展示贝叶斯优化？感谢@Ben_BarrIngh发起这次讨论，很高兴看到我们在这么短的时间内取得了如此大的进展。 @Lisa_Daroque和@HadleyMyers分享的关于目标问题（BayesOpt 可能适用）的观点非常相似。在公司层面，DoE 和 BayesOpt 这两种工具都是必需的——让我们鼓励针对具体问题使用合适的工具。
请继续分享使用 BayesOpt 和 JMP 19 的学习经验。
回复：您打算如何展示贝叶斯优化？你好@Lisa_Daroque ，
很棒的图表，真的有助于充实内容。对于那些资源匮乏/受限的人来说，您认为我们需要“暂停”对贝叶斯优化的信任吗？我想知道，当我们声称它只需少量实验就能达到最优结果时，人们是否会觉得它很“神奇”。
干杯，
本
回复：您打算如何展示贝叶斯优化？很棒的话题。JMP 19 下周就要发布了，我很想了解更多。我喜欢@Ben_BarrIngh 的想法，他想展示贝叶斯优化与实验设计 (DOE) 的结合。 @bradleybowen有他将分享的研讨会资料，其中包含三个复杂程度不同的案例研究。他需要确保产品发布后一切正常，但您应该在发布后不久就能访问。
回复：您打算如何展示贝叶斯优化？感谢@Ben_BarrIngh以及其他所有人的反馈和贡献。
我看完了您发布的页面上的所有 6 个视频，心里感到五味杂陈；
六个中有五个来自我们的客户（如果我没记错的话）：
- 他们都对 BO 有着浓厚的兴趣（这很好）
- 他们都已经在大量使用开源软件进行 BO（这很糟糕）
我注意到，正如您所说的，他们将 BO 与 DOE 进行了比较（见下面的屏幕截图），所以我想向 Ben 提出另外 2 个问题：
- 我们是否认为使用开源中已有的解决方案（已在公司中使用）来解决人们的 BO 问题存在风险？
- 我们可以做些什么来避免这种情况并证明 JMP Pro 使用 BO 的额外花费是合理的？
谢谢
马可
回复：您打算如何展示贝叶斯优化？感谢@MarcoSalfi的深入探讨。以下是我对你的两个问题的看法：
- 我们是否认为使用开源中已有的解决方案（已在公司中使用）来解决人们的 BO 问题存在风险？
- 我们可以做些什么来避免这种情况并证明 JMP Pro 使用 BO 的额外花费是合理的？
我认为这与通常的销售情况没有什么不同，通常都会有某种现有的解决方案，即使它是Excel或纸笔。如果可能的话，试着了解他们的痛点，以及他们目前的解决方案无法解决/实现/避免的问题。如果他们没有痛点，或者他们不愿意改变，那就继续前进。如果他们确实有痛点，而我们可以通过BayesOpt（或其他功能）来弥补，那么试着根据他们的情况完成一份具体的情境总结。就BayesOpt而言，不改变的后果需要足够大，才能促使他们支付专业版的许可费，而情境总结对于推进此类机会将非常有帮助。
针对您的问题获得不同的/额外的观点将会很有趣。
回复：您打算如何展示贝叶斯优化？我对 BayesOpt（或一般数据分析）的开源解决方案的看法是，维护依赖于开源库的代码是一场噩梦。
特别是如果您正在使用在学术环境中开发的库，而突然不再对库进行投资。
此外，您需要混合使用多个库，因为其中许多库仅提供解决方案的一部分。
从我在 Python 和 R 中看到的贝叶斯优化来看，JMP 的 BayesOpt 是一个更为优越的解决方案。
回复：您打算如何展示贝叶斯优化？@LuizaFabreti我想补充一下，市面上还有其他软件可供选择，比如 Citrene，它提供了一种基于贝叶斯优化的优化方法。我们有一位客户一直在使用这款软件，但从未获得任何有意义的结果。他们告诉我们，他们已经花费了超过 10 万美元，实际上可能更多，却一无所获。后来，他们成为了新 Bayes Opt 平台的测试用户，并帮助推动了 Chris 和团队后来实施的一些创新。
因此，这个故事的寓意是，可能有比我们想象的更多的人正在尝试顺序优化，并且让他们知道 JMP 现在在 JMP Pro 中有一个内置的贝叶斯优化平台永远不会有坏处。
回复：您打算如何展示贝叶斯优化？很高兴看到大家继续讨论。当然，我也想提几点意见。
竞争对手：有一些商业工具，也有很多开源解决方案。需要注意的是，并非所有工具都具有相同的适用范围，而且大多数适用范围相当狭窄或具体。许多开源解决方案都基于 BoTorch 构建。
到目前为止，我从客户那里听到的有关开源实施的优势有：
- 免费（哈哈）
- 更加灵活，能够根据客户需求进行定制
- 更容易陷入“闭环优化任务”，即建议、执行、分析一个实验，然后建议另一个实验，直到达到目标
我们的几位客户开发的解决方案之一是 BoFire ( https://arxiv.org/pdf/2408.05040 )（感谢@JessicaHorsch发现它）。主要作者恰好是我的客户，他显然非常确信该解决方案将是未来化工公司进行实验的唯一方法，但他同样承认，黑箱优化并不能满足所有科学家和工程师的需求。我在赢创的支持者也证实，他看到这种方法既带来了成功，也带来了彻底的失败（因为它本身就是黑箱）。
另一种情况是，客户要求一种方法来实施历史数据，或者他们当前的知识，甚至来自反应等的机械信息来建议新的实验。
对我来说，现在几乎感觉 BO 介于“哦，这个，是的，我们也这样做”和我们需要尽可能展示的绝对杀手级功能之间。
我认为我们需要首先仔细筛选，了解我们面向的受众类型。同时，我们可以自信地推广它，因为它是一款独特而强大的工具，并且一如既往地与 JMP (Pro) 的所有功能完美结合，完美地嵌入到强大的工具集中。
