我们很容易误解任何新技术。人工智能方面似乎特别明显。这与其潜在的影响范围产生了一些神话有关。
“人工智能经常被误解。因为我们需要探索一个巨大的宇宙，探索未知可能会令人困惑和恐惧，“工程副总裁比尔布罗克说。
对于尝试在企业中构建AI应用程序的IT领导者而言，这已成为一个特殊问题。
“人工智能在企业中变得越来越普遍，但仍然存在许多关于应用场景，如何改进或更新过去系统的误解，”布洛克说，尽管仍然需要“浪漫化”“机器人成为”一词同事”。了解不同类型的技术如何增强我们的系统并创建更有效的环境。
事实上，“浪漫技术”是天空促销的主要内容，而不是战略CIO通过AI实现的底线效果。
此外，浪漫的现实经常会产生妨碍可行目标的各种神话。因此，布鲁克和其他专家在这里要求确定当今企业中关于人工智能的常见神话，以帮助IT领导者和其他商业人士将事实与虚构分开。
神话1: AI等于机器学习
不。理解两者之间的区别非常重要。机器学习更像是人工智能的子学科。
“我发现在许多交易所中这些术语之间没有区别，”SigOpt研究科学家Michael McCourt表示，这是有问题的。
例如，如果公司领导层认为构建分类模型等同于使用数据来巩固决策过程，那么它将忽略建立模型结构和含义的重要步骤。这将导致公司对人工智能的投入不足，人力不足以深入到更大的情景中，并最终导致失败。
神话2:人工智能和自动化是一回事
人工智能和自动化也经常混淆。他们之间确实存在着重要的联系。
“随着人们越来越熟悉人工智能，他们会明白这是一台可以思考的机器，至少可以根据一组预先定义的模型和算法做出明智的决策。 “自动化”只是没有人为干预。 “完成任务。” Brock说：“自动化并不一定意味着人工智能，但一些最有影响力的人工智能案例将以戏剧性的方式提升自动化程度。”
误区3：更多数据可以带来更好的AI结果这种误解是深刻的。似乎AI成功的唯一真正先决条件是“数据”。
目前，人工智能和机器学习团队的工作几乎完全专注于数据挖掘和清理。
“重要的不是数据量，而是质量，”LexisNexis Legal and Professional首席数据官Rick McFarland说。 “许多标记不好或标签不好的数据并不能让您更接近结果。它们实际上可以通过“准确”来创建。结果是欺骗建模者，因为方差公式与样本大小成反比。“
他说，从早期AI失败中学到的一个常见经验是，我们只投入了大量数据并假设它有效。在早期阶段，大量数据可能并不会更好。
“质量数据是有效算法不可或缺的一部分，”Very的Brock说道，不管解决了什么问题，糟糕的数据都会产生糟糕的结果。
“最佳实践是使用结构化方法和偏差测试来创建更好的训练数据集。”McFarland说，建模人员实际上可以以较低的成本使用较小的数据集。
神话4: AI将从部署时刻开始传递值
并不是说数据不仅仅是好的。事实上，随着时间的推移，它将变得越来越必要，但数量和质量必须同步。一般来说，没有人希望人工智能计划获得投资回报，但有时，很多人继续描述，只是打开，你可以看到魔力。
“AI和ML引擎需要培训，需要大量数据才能学习。有些数据可以播种，”NetEnrich首席技术官Javed Sikander表示，但大部分数据来自部署域和AI/ML系统关注的焦点学习。在系统的第一天期待建议和见解是不合理的。我们需要在各种环境中建立流程并分配资源，逐步学习，才能产生魔力。
神话5：人工智能和机器学习基本上只是“软件开发”
Algorithmia首席执行官Diego Oppenheimer认为，该组织与其他软件开发的方式相同，并且接近AI和ML。
“AI/ML开发只是软件开发的一个神话，”奥本海默说。事实上，大多数ML项目失败的重要原因是ML工作负载与传统软件行为有很大不同，它们需要一组不同的工具。 ，可以大规模部署和管理基础架构和流程。
奥本海默指出了以下问题：
1.异质性：有大量不断增长的语言和框架菜单。 2，可组合性：AI和ML涉及多组件协作，每个组件可以由不同的语言和不同的团队构建。 3.开发过程：在传统的软件开发中，输出是“在受控环境中执行的代码”。在机器学习中，输出是“一个不断发展的生态系统”。这需要更多的迭代循环。 4.硬件/基础设施：CPU，TPU，GPU，边缘计算和任何新选项，每个都有不同的优势和挑战。 5，绩效指标：没有为每个人甚至很多人设定的标准指标。神话6：人工智能只是另一种需要考虑的“技术”
有时，我们使用旧的和新的比较来使一些令人生畏的事情看起来更容易管理。似乎过去再次出现。
根据AllCloud数据和人工智能副总裁Guy Ernest的说法，这可能会让IT团队简单地将AI视为另一个技术周期。不是这种情况。
“AI更像人类的大脑或身体：你使用它越多，它变得越强大，越聪明，”他说。
他还强调，大多数技术都“脆弱”。你使用它们越多，它们变得越复杂，它们就越容易破碎。
神话7：AI仅适用于科技公司
不要。 AI不是解决每个业务问题的方法。
SigOpt的McCourt表示，最糟糕的情况是公司可以选择退出AI革命。如果目前的趋势继续下去，它将只允许公司关注而不是领导它。
他说，这个神话已渗透到商业世界，让人们认为AI的早期开发者和采用者是技术最先进和最先进的公司。
神话8：AI取代了对人类智能的需求
人工智能的神秘地位部分源于艾未未对人类智慧的超越。此时，“机器人主宰”的叙事开始进入高潮。
“这些机器可以像他们获得的数据和他们采取的行动一样聪明，”Sikander说。 “人工智能和机器学习可以帮助我们识别数据海洋中的模式，并在很少或没有人为干预的情况下自动化操作。决策算法和模型仍然必须由人类提供。“
LexisNexis首席数据官麦克法兰说，人工智能学习“像人类一样”实际上是一种误解。
“人类在学习或解决问题方面具有先天优势。例如，无聊，“麦克法兰说。 “人工智能模型永远不会以自己的方式感到无聊或愚蠢。他们从几乎无限的可能性中寻求最佳答案。甚至深深追逐可能永远不会出现的“兔子洞”。相比之下，人类将厌倦追求无限的可能性，重新思考现状，积极追求不同的道路。“

• 上一篇: 蓝盟IT外包，元宇宙：四梁八柱是什么
  下一篇: Microsoft 2019 Windows 10 Update May Edition：允许您跳过功能更新并直接下载和安装累积更新

• 分享到：