由于機(jī)器學(xué)習(xí)的最新進(jìn)展，人工智能(AI)目前正在撼動(dòng)市場(chǎng)，如第四次工業(yè)革命中最具革命性的技術(shù)。商業(yè)領(lǐng)域的每個(gè)人都在談?wù)撍?，就像它將永遠(yuǎn)改變我們的世界，并且在許多方面，它已經(jīng)存在。最近的研究表明，67%的企業(yè)高管將人工智能視為自動(dòng)化流程和提高效率的有用手段。但一般消費(fèi)者認(rèn)為這是增加社會(huì)公平的有力工具，超過(guò)40%的人認(rèn)為人工智能將擴(kuò)大對(duì)低收入人群的大多數(shù)基本服務(wù)(醫(yī)療，法律，交通)的使用。

然而，自動(dòng)化流程的這種令人難以置信的轉(zhuǎn)變的速度可能更高，并且目前存在一些問(wèn)題正在困擾它。哪些是阻礙機(jī)器學(xué)習(xí)采用的最重要障礙?

缺乏組織

公司，特別是較大的公司，是一個(gè)復(fù)雜的生物。就像一個(gè)神話般的水,, 它有許多人經(jīng)常需要做出相同的決定，例如首席信息官(CIO)，首席數(shù)字官(CDO)以及顯然首席執(zhí)行官(CEO)。所有這些官員都經(jīng)營(yíng)自己的部門，這些部門應(yīng)該同時(shí)以同樣的努力水平推動(dòng)他們的人工智能工作。可以說(shuō)，在現(xiàn)實(shí)生活中，這種情況很少發(fā)生。

澄清誰(shuí)“擁有”機(jī)器學(xué)習(xí)項(xiàng)目并因此負(fù)責(zé)領(lǐng)導(dǎo)其在公司內(nèi)部的實(shí)施是第一步。在幾個(gè)成熟的數(shù)據(jù)和分析團(tuán)隊(duì)需要同步其運(yùn)營(yíng)的組織中，很多人最終都會(huì)在無(wú)數(shù)較小的項(xiàng)目上稀釋他們的工作。較小的試點(diǎn)項(xiàng)目可能有助于全面了解機(jī)器學(xué)習(xí)科學(xué)，但往往無(wú)法實(shí)現(xiàn)核心業(yè)務(wù)所需的自動(dòng)化效率。

IT服務(wù)管理(ITSM)可能是解決此問(wèn)題的一種有效解決方案，可幫助各個(gè)IT團(tuán)隊(duì)了解，例如，那些可以產(chǎn)生大量收入的業(yè)務(wù)部門，其中自動(dòng)化可以提高利潤(rùn)率或減少錯(cuò)誤百分比。

培訓(xùn)不足

機(jī)器學(xué)習(xí)是一項(xiàng)古老而又新穎的技術(shù)?；镜娜斯ぶ悄芸梢宰匪莸?0年代早期，但最近現(xiàn)代深度學(xué)習(xí)算法的發(fā)展幫助這項(xiàng)技術(shù)取得了巨大的飛躍。事實(shí)上，在這個(gè)領(lǐng)域擁有足夠深入知識(shí)的真正專家非常缺乏，特別是因?yàn)镚oogle和Facebook 在博士學(xué)位上汲取了80%的機(jī)器學(xué)習(xí)工程師

許多組織都知道他們的極限，不超過(guò)20%的組織認(rèn)為他們自己的IT專家擁有解決AI所需的技能。對(duì)機(jī)器學(xué)習(xí)技能的需求正在迅速增長(zhǎng)，但那些擁有所需專業(yè)知識(shí)和才能的人現(xiàn)在是真正的搖滾明星。然而，許多擁有深度學(xué)習(xí)算法的足夠訓(xùn)練的人可能缺乏正式的資格，例如碩士學(xué)位證明這一點(diǎn)。請(qǐng)記?。哼@個(gè)領(lǐng)域仍然是新的 - 今天開創(chuàng)它的許多人都是那些機(jī)器學(xué)習(xí)博士根本不存在的時(shí)代的老年程序員。

許多人力資源專業(yè)人員現(xiàn)在必須努力解決雇用合適候選人的困難，這些工作的復(fù)雜性可能超出了他們自己的專業(yè)知識(shí)。今天，即使告訴機(jī)器學(xué)習(xí)工程師，數(shù)據(jù)科學(xué)家和前端開發(fā)人員的能力之間的差異，對(duì)于非本地人來(lái)說(shuō)也是一項(xiàng)復(fù)雜的壯舉。然而，最終，基于人工智能的招聘可能會(huì)成為幫助所有人力資源經(jīng)理的自己的解決方案。

無(wú)法訪問(wèn)的數(shù)據(jù)和隱私保護(hù)

在他們用最先進(jìn)的機(jī)器學(xué)習(xí)算法學(xué)習(xí)任何東西之前，需要向AI提供數(shù)據(jù)。大量的數(shù)據(jù)。但是，大多數(shù)情況下，這些數(shù)據(jù)尚未準(zhǔn)備好供消費(fèi)，特別是當(dāng)它以非結(jié)構(gòu)化形式出現(xiàn)時(shí)。數(shù)據(jù)聚合過(guò)程既復(fù)雜又耗時(shí)，尤其是當(dāng)數(shù)據(jù)單獨(dú)存儲(chǔ)或與不同的處理系統(tǒng)存儲(chǔ)時(shí)。所有這些步驟都需要由不同類型的專家組成的專門團(tuán)隊(duì)的全力關(guān)注。

只要包含大量敏感信息或個(gè)人信息，數(shù)據(jù)提取通常也無(wú)法使用。雖然這些信息的混淆或加密最終使其可用，但是必須將額外的時(shí)間和資源用于這些繁重的操作。要解決上游問(wèn)題，需要匿名化的敏感數(shù)據(jù)必須在收集后立即單獨(dú)存儲(chǔ)。

信任和可信度

靈活性不是所有人都具備的特質(zhì)。當(dāng)一個(gè)深度學(xué)習(xí)算法不能以一種簡(jiǎn)單的方式解釋給一個(gè)不是程序員或工程師的人時(shí)，那些可能希望打賭AI來(lái)利用新商機(jī)的人可能會(huì)開始逐漸減少。在一些更傳統(tǒng)的實(shí)體行業(yè)中尤其如此。事實(shí)上，大多數(shù)情況下，歷史數(shù)據(jù)實(shí)際上是不存在的，并且需要針對(duì)實(shí)際數(shù)據(jù)測(cè)試算法以證明其效率。很容易理解，在石油和天然氣鉆井等某些行業(yè)中，不太理想的結(jié)果可能導(dǎo)致大量(和不必要的)風(fēng)險(xiǎn)。

在數(shù)字化轉(zhuǎn)型方面仍然落后的許多公司可能需要徹底改革其整個(gè)基礎(chǔ)設(shè)施，以便以有意義的方式采用人工智能。結(jié)果可能需要很長(zhǎng)時(shí)間才能看到，因?yàn)樵趯?shí)驗(yàn)結(jié)果出來(lái)之前需要收集，消耗和消化數(shù)據(jù)。啟動(dòng)大規(guī)模機(jī)器學(xué)習(xí)項(xiàng)目并不能保證投資是值得的，這需要一定程度的靈活性，資源和勇氣，這是許多企業(yè)可能缺乏的。

結(jié)論

在一系列奇怪的事件中，許多仍然減緩或阻礙人工智能發(fā)展的障礙都與人的本性和行為有關(guān)，而不是與技術(shù)本身的局限有關(guān)。

那些仍然懷疑機(jī)器學(xué)習(xí)潛力的人沒(méi)有明確的答案。這是一條從未被踐踏的道路，在這個(gè)開發(fā)階段仍然需要現(xiàn)場(chǎng)實(shí)驗(yàn)。再一次，輪到我們利用幫助人類達(dá)到最高峰的特征之一：我們的適應(yīng)能力。只有這次我們需要將這項(xiàng)技能傳授給我們的智能機(jī)器。