确认创建人工智能实验室的需求：
显而易见的，这是创建人工智能实验室的基石。正如笛卡尔咨询公司人工智能实验室负责人Ramasubramanian Sundararajan所说，对于启动人工智能实验室来说，最好的开始，甚至可以说必要的开始是在找到一个人工智能实验室可以研究的方向。他在接受《印度分析》杂志采访时时表示： “比起热爱人工智能这样一理由而言，更好的开端是找到需要解决的具体问题或一系列问题包括：需要一个专家团队来开展工作吗？或者是对市场需求的更普遍看法？”
人工智能
Instamojo的分析和用户增长负责人Ankur Sharma，在另一篇独家评论报道中也回应了同样的观点。他说，充分了解你希望处理的问题或项目至关重要。 人工智能和学习型机器具有广泛的应用范围，因此，重点关注应用程序的某个主题，而不是选择过于广泛的范围。
硬件和软件要求：
目前市面上有许多尖端的开源软件，如TensorFlow、PyTorch等，它已经变得非常容易使用和运行。了解Python也非常有用，因为Python拥有大多数学习型机器算法的即用型，它对初学者非常友好。
此外，云计算的可用性使得创建人工智能或学习型机器实验室变得小菜一碟。 “人们可以在云中建立端到端的人工智能，并且可以在云服务器实例上训练和托管模型，并轻松将其部署在应用程序或任何其他硬件和芯片上。”Sharma如是说。对于硬件来说，培训好模型需要多少钱？在大多数情况下，具有GPU的高级服务器就足够了。
找到合适的人才：
一旦想法和基础设施准备到位，拥有合适的人才是建立人工智能研发实验室的重中之重。目前全球各大公司都为吸引合适的人才而投资，他们需要可以接受并适应公司文化的人才。例如，在2018年初，Facebook在美国和英国聘请了五位顶尖大学教授，作为加强其人工智能研究部门的一部分。 “目前，数据科学家远远供大于求，这使人工智能实验室的人员配置成为一项巨大挑战。”Sharma说。
人工智能
“开源代码和算法模型的激增要求人工智能从业者需要一点黑客的心态，所以你会发现很多解决方案很快就能被建立起来。但是建立一个长久且强大的解决方案需要有人退后一步，纵观全局。你需要确保你的实验室里有能够做到这一点的人。” Sundararajan补充说，“聘请具有批判性思维的人是很重要的。”
构建正确的模型：
人工智能和学习型机器是需要深入理解数据域的复杂领域，如果没有正确的经验，即使最简单的任务也可能困难重重，但另一方面构建复杂模型非常有趣。 “围绕这个领域有如此多的令人兴奋的事件，每天都有很多新的研究表明，当你成为其中的一部分，这种感觉无疑是兴奋异常的。然而，这项工作非常繁琐。“Sundararajan说：“重要的是要考虑前面的几步，以了解算法最终将要生存的环境。确保你有一个生态系统来部署好的算法，还需要那些可以分辨出酷与实用之间区别的人。”Sharma也有同样的想法。他说，必须对学习型机器算法以及其基础设施服务有深刻的理解。
创造合适的环境：
创造合适的环境并提供舒适的工作空间对于实现良好的研究至关重要，除了具有卓越计算能力的超级计算机外，还需要能够轻松访问的高级工具，引发协作思维文化，设计思维等，这对由好奇心驱动的研究来说非常重要。
