IT和商業(yè)領(lǐng)袖經(jīng)常對(duì)人工智能(AI)可以為他們的組織做些什么感到困惑，并受到幾種AI誤解的挑戰(zhàn)。 Gartner表示，開(kāi)發(fā)人工智能項(xiàng)目的IT和業(yè)務(wù)負(fù)責(zé)人必須將現(xiàn)實(shí)與神話分開(kāi)，才能制定未來(lái)的戰(zhàn)略。

 

 

    Gartner研究副總裁Alexander Linden表示，“隨著人工智能技術(shù)進(jìn)入組織，企業(yè)和IT領(lǐng)導(dǎo)者必須充分了解人工智能如何為其業(yè)務(wù)創(chuàng)造價(jià)值以及其局限性。

 

    “人工智能技術(shù)只有在它們成為組織戰(zhàn)略的一部分，并以正確的方式使用時(shí)才能提供價(jià)值。”

 

    Gartner指出了五個(gè)關(guān)于人工智能的常見(jiàn)誤解。

 

    誤區(qū)1：人工智能的工作方式與人腦相同

 

    AI是一門(mén)計(jì)算機(jī)工程學(xué)科。在目前的狀態(tài)下，它由旨在解決問(wèn)題的軟件工具組成。雖然某些形式的人工智能可能給人一種聰明的印象，但認(rèn)為當(dāng)前的人工智能與人類(lèi)智能相似或等效是不切實(shí)際的。

 

    Linden表示，“某些形式的機(jī)器學(xué)習(xí)(ML) - 人工智能 的一種- 可能是受到了人類(lèi)大腦的啟發(fā)，但它們并不等同。”

 

    “例如，圖像識(shí)別技術(shù)比大多數(shù)人更準(zhǔn)確，但在解決數(shù)學(xué)問(wèn)題時(shí)沒(méi)有用處。今天AI的規(guī)則是它很好地解決一項(xiàng)任務(wù)，但如果任務(wù)的條件只有一點(diǎn)變化，它就會(huì)失敗。“

 

    誤區(qū)2：智能機(jī)器自學(xué)

 

    需要人為干預(yù)來(lái)開(kāi)發(fā)基于AI的機(jī)器或系統(tǒng)。參與數(shù)據(jù)可能來(lái)自經(jīng)驗(yàn)豐富的人類(lèi)數(shù)據(jù)科學(xué)家，他們正在執(zhí)行諸如框架問(wèn)題，準(zhǔn)備數(shù)據(jù)，確定適當(dāng)?shù)臄?shù)據(jù)集，消除訓(xùn)練數(shù)據(jù)中的潛在偏差，最重要的是，不斷更新軟件等任務(wù)使新知識(shí)和數(shù)據(jù)能夠集成到下一個(gè)學(xué)習(xí)周期中。

 

    誤區(qū)3：人工智能可以沒(méi)有偏見(jiàn)

 

    每種人工智能技術(shù)都基于人類(lèi)專(zhuān)家的數(shù)據(jù)、規(guī)則和其他類(lèi)型的輸入。與人類(lèi)相似，AI本質(zhì)上也存在這樣或那樣的偏見(jiàn)。

 

    Linden表示，“今天，沒(méi)有辦法完全消除偏見(jiàn)，但是，我們必須盡量減少偏見(jiàn)。”

 

    “除了技術(shù)解決方案，例如各種數(shù)據(jù)集之外，確保與AI合作的團(tuán)隊(duì)的多樣性以及讓團(tuán)隊(duì)成員審查彼此的工作也是至關(guān)重要的。這個(gè)簡(jiǎn)單的過(guò)程可以顯著減少選擇并確認(rèn)偏差。“

 

    誤區(qū)4：AI只會(huì)取代不需要高級(jí)學(xué)位的重復(fù)性工作

 

    AI使企業(yè)能夠通過(guò)預(yù)測(cè)、分類(lèi)和集群做出更準(zhǔn)確的決策。這些能力允許基于AI的解決方案取代平凡的任務(wù)，但也增加了剩余的復(fù)雜任務(wù)。

 

    一個(gè)例子是在醫(yī)療保健中使用成像AI?；贏I的胸部X射線應(yīng)用可以比放射科醫(yī)師更快地檢測(cè)疾病。在金融和保險(xiǎn)行業(yè)，機(jī)器人顧問(wèn)正被用于財(cái)富管理或欺詐檢測(cè)。這些能力并沒(méi)有消除人類(lèi)參與這些任務(wù)，而是讓人類(lèi)有更多的時(shí)間去處理更不尋常的案件。

 

    隨著人工智能在工作場(chǎng)所的發(fā)展，業(yè)務(wù)和IT領(lǐng)導(dǎo)者應(yīng)調(diào)整工作檔案和容量規(guī)劃，并為現(xiàn)有員工提供再訓(xùn)練選擇。

 

    誤區(qū)5：并非每個(gè)企業(yè)都需要人工智能戰(zhàn)略

 

    每個(gè)組織都應(yīng)該考慮AI對(duì)其戰(zhàn)略的潛在影響，并研究如何將該技術(shù)應(yīng)用于組織的業(yè)務(wù)問(wèn)題。在許多方面，避免人工智能開(kāi)發(fā)與放棄下一階段的自動(dòng)化是一樣的，最終可能會(huì)使組織處于競(jìng)爭(zhēng)劣勢(shì)。

 

    “即使目前的策略是'no AI'，這也應(yīng)該是基于研究和考慮的有意識(shí)決策。并且，與其他所有戰(zhàn)略一樣，應(yīng)根據(jù)組織的需求定期進(jìn)行重新審視和更改。人工智能可能比預(yù)期更快需要，“Linden總結(jié)道。