人工智能已經(jīng)在企業(yè)界引起了如此多的關(guān)注，許多IT領(lǐng)導者可以原諒它認為它將為日益復雜的數據生態(tài)系統提供所有答案。雖然它確實(shí)有可能對現有技術(shù)進(jìn)行許多有意義的改進(jìn)，但公平地說(shuō)，圍繞其功效的一些期望被夸大了。

事實(shí)上，對于A(yíng)I究竟是什么，它是如何運作以及它實(shí)際可以做什么的理解相對較少。這導致了對企業(yè)在企業(yè)中的作用及其與現有基礎設施和運營(yíng)企業(yè)的人的關(guān)系的廣泛誤解。

人工智能在炒作周期中

根據Gartner最近的Hype Cycle，深度學(xué)習，機器學(xué)習和認知計算等關(guān)鍵AI子集位于Peak Inflated Expectations曲線(xiàn)的頂部，這意味著(zhù)他們正處于長(cháng)期滑入幻滅之谷的尖端。雖然這對于過(guò)去30年來(lái)幾乎所有顛覆性技術(shù)的課程而言都是相同的，但它指出了人工智能在企業(yè)中的預計影響，這主要來(lái)自受控實(shí)驗室測試，即將在現實(shí)中嶄露頭角生產(chǎn)環(huán)境。

盡管如此，Gartner研究員邁克沃克希望人工智能在未來(lái)十年內無(wú)處不在，通過(guò)提升計算能力，導致神經(jīng)網(wǎng)絡(luò )等結構的發(fā)展，以及企業(yè)數據負載變得如此巨大這一事實(shí)。如此復雜，人類(lèi)操作員無(wú)法再自己應對。

企業(yè)需要了解人工智能的第一件事就是用“智能”這個(gè)術(shù)語(yǔ)快速而松散地進(jìn)行。正如瑞士神經(jīng)科學(xué)家Pascal Kaufmann最近向ZDnet解釋的那樣，計算機算法和人腦的方式存在很大差異。處理信息以得出結論。給定足夠的處理能力，計算機算法可以比較數百萬(wàn)，數十億甚至數萬(wàn)億的數據集以進(jìn)行簡(jiǎn)單的確定，例如貓的圖像是否確實(shí)是貓的圖像。但即使是一個(gè)小孩子，只需很少的數據，就可以本能地確定它是一只貓，并且在知道貓是什么以及它看起來(lái)像什么后會(huì )永遠存在。

通過(guò)這個(gè)標準，甚至人工智能在工作中的領(lǐng)先示例 - 谷歌DeepMind的AlphaGo對策略游戲Go 的掌握 - 并不是真正的人工智能，而是大數據，分析和自動(dòng)化的橫截面，能夠合理化基于規則的方法獲勝 有趣的是，考夫曼補充說(shuō)，人工智能的一個(gè)真實(shí)例子就是如果AlphaGo已經(jīng)想出如何作弊以獲勝。然而，為了做到這一點(diǎn)，科學(xué)將首先必須破解“腦代碼”，這使我們能夠處理信息，檢索知識和存儲記憶。

到目前為止，還不是那么好

事實(shí)上，盡管人們擔心人工智能即將包含每個(gè)人的工作，但迄今為止的結果幾乎是滑稽的。喬治·R·R·R·馬丁的“權力的游戲”的粉絲對該系列的下一部分非常不耐煩，許多人蜂擁到一個(gè)幾乎純粹的gobbledygook的章節，由一種稱(chēng)為反復神經(jīng)網(wǎng)絡(luò )的AI形式編寫(xiě)。與此同時(shí)，IBM正在從腫瘤學(xué)研究人員那里獲得抨擊誰(shuí)被告知沃森會(huì )在診斷和治療方面開(kāi)啟一個(gè)新時(shí)代，但相反仍然只是為了區分基本形式的癌癥而苦苦掙扎。鑒于此跟蹤記錄，很有可能當AI首次引入典型企業(yè)時(shí)，人工操作員可能需要更多努力來(lái)跟蹤和監控它將犯下的所有錯誤。

但這就是問(wèn)題：人工智能將隨著(zhù)時(shí)間的推移而變得更好，而不必重新編程。正如Cornell Tech研究員Daniel Huttenlocker最近告訴Tech Crunch的那樣，人工智能更有可能取代傳統軟件 - 以及它所需的所有麻煩的補丁，更新和修復 - 而不是人類(lèi)操作員。這并不意味著(zhù)AI不需要編程，但這種方法大大簡(jiǎn)化了。使用今天的軟件，程序員不僅需要定義要解決的任務(wù)，還需要確定解決它的確切步驟。使用AI，所需的只是目標，軟件應該能夠處理其余的，只要它有合適的數據可供使用。

這一切都取決于數據

最后一點(diǎn)是至關(guān)重要的，因為在一天結束時(shí)，AI只是一種算法，而算法只能與它們輸入的數據一樣好。這意味著(zhù)除了構建適當的AI操作框架之外，企業(yè)還必須建立一個(gè)相當活躍的數據調節環(huán)境，以便分析結果將基于準確的信息。正如ActiveCampaign首席執行官Jason VandeBoom最近告訴福布斯，“垃圾等于垃圾”的規則仍然適用，因此組織可能需要一段時(shí)間才能看到人工智能投資的真正好處。

鑒于所有這些，企業(yè)不應期望人工智能為大數據和物聯(lián)網(wǎng)的新挑戰提供快速解決方案。人類(lèi)和機器的學(xué)習曲線(xiàn)可能很長(cháng)，結果最多也是不確定的。

但如果一切按計劃進(jìn)行，那么從長(cháng)遠來(lái)看，企業(yè)和知識型員工都應該看到實(shí)質(zhì)性的好處。想想最繁瑣，單調乏味且耗時(shí)的任務(wù)，這一任務(wù)正在減緩您的流程，并且想象永遠不必再次執行它們。