IT和商業(yè)領袖經常對人工智能(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，開發(fā)人工智能項目的IT和業(yè)務負責人必須將現(xiàn)實與神話分開，才能制定未來的戰(zhàn)略。

 

 

    Gartner研究副總裁Alexander Linden表示，“隨著人工智能技術進入組織，企業(yè)和IT領導者必須充分了解人工智能如何為其業(yè)務創(chuàng)造價值以及其局限性。

 

    “人工智能技術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才能提供價值。”

 

    Gartner指出了五個關于人工智能的常見誤解。

 

    誤區(qū)1：人工智能的工作方式與人腦相同

 

    AI是一門計算機工程學科。在目前的狀態(tài)下，它由旨在解決問題的軟件工具組成。雖然某些形式的人工智能可能給人一種聰明的印象，但認為當前的人工智能與人類智能相似或等效是不切實際的。

 

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

 

    “例如，圖像識別技術比大多數(shù)人更準確，但在解決數(shù)學問題時沒有用處。今天AI的規(guī)則是它很好地解決一項任務，但如果任務的條件只有一點變化，它就會失敗。“

 

    誤區(qū)2：智能機器自學

 

    需要人為干預來開發(fā)基于AI的機器或系統(tǒng)。參與數(shù)據(jù)可能來自經驗豐富的人類數(shù)據(jù)科學家，他們正在執(zhí)行諸如框架問題，準備數(shù)據(jù)，確定適當?shù)臄?shù)據(jù)集，消除訓練數(shù)據(jù)中的潛在偏差，最重要的是，不斷更新軟件等任務使新知識和數(shù)據(jù)能夠集成到下一個學習周期中。

 

    誤區(qū)3：人工智能可以沒有偏見

 

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

 

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

 

    “除了技術解決方案，例如各種數(shù)據(jù)集之外，確保與AI合作的團隊的多樣性以及讓團隊成員審查彼此的工作也是至關重要的。這個簡單的過程可以顯著減少選擇并確認偏差。“

 

    誤區(qū)4：AI只會取代不需要高級學位的重復性工作

 

    AI使企業(yè)能夠通過預測、分類和集群做出更準確的決策。這些能力允許基于AI的解決方案取代平凡的任務，但也增加了剩余的復雜任務。

 

    一個例子是在醫(yī)療保健中使用成像AI。基于AI的胸部X射線應用可以比放射科醫(yī)師更快地檢測疾病。在金融和保險行業(yè)，機器人顧問正被用于財富管理或欺詐檢測。這些能力并沒有消除人類參與這些任務，而是讓人類有更多的時間去處理更不尋常的案件。

 

    隨著人工智能在工作場所的發(fā)展，業(yè)務和IT領導者應調整工作檔案和容量規(guī)劃，并為現(xiàn)有員工提供再訓練選擇。

 

    誤區(qū)5：并非每個企業(yè)都需要人工智能戰(zhàn)略

 

    每個組織都應該考慮AI對其戰(zhàn)略的潛在影響，并研究如何將該技術應用于組織的業(yè)務問題。在許多方面，避免人工智能開發(fā)與放棄下一階段的自動化是一樣的，最終可能會使組織處于競爭劣勢。

 

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