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(dǎo)者可以原諒它認(rèn)為它將為日益復(fù)雜的數(shù)據(jù)生態(tài)系統(tǒng)提供所有答案。雖然它確實有可能對現(xiàn)有技術(shù)進行許多有意義的改進，但公平地說，圍繞其功效的一些期望被夸大了。

事實上，對于AI究竟是什么，它是如何運作以及它實際可以做什么的理解相對較少。這導(dǎo)致了對企業(yè)在企業(yè)中的作用及其與現(xiàn)有基礎(chǔ)設(shè)施和運營企業(yè)的人的關(guān)系的廣泛誤解。

人工智能在炒作周期中

根據(jù)Gartner最近的Hype Cycle，深度學(xué)習(xí)，機器學(xué)習(xí)和認(rèn)知計算等關(guān)鍵AI子集位于Peak Inflated Expectations曲線的頂部，這意味著他們正處于長期滑入幻滅之谷的尖端。雖然這對于過去30年來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(yù)計影響，這主要來自受控實驗室測試，即將在現(xiàn)實中嶄露頭角生產(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十年內(nèi)無處不在，通過提升計算能力，導(dǎo)致神經(jīng)網(wǎng)絡(luò)等結(jié)構(gòu)的發(fā)展，以及企業(yè)數(shù)據(jù)負(fù)載變得如此巨大這一事實。如此復(fù)雜，人類操作員無法再自己應(yīng)對。

企業(yè)需要了解人工智能的第一件事就是用“智能”這個術(shù)語快速而松散地進行。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(jié)論。給定足夠的處理能力，計算機算法可以比較數(shù)百萬，數(shù)十億甚至數(shù)萬億的數(shù)據(jù)集以進行簡單的確定，例如貓的圖像是否確實是貓的圖像。但即使是一個小孩子，只需很少的數(shù)據(jù)，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像什么后會永遠存在。

通過這個標(biāo)準(zhǔn)，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(shù)據(jù)，分析和自動化的橫截面，能夠合理化基于規(guī)則的方法獲勝 有趣的是，考夫曼補充說，人工智能的一個真實例子就是如果AlphaGo已經(jīng)想出如何作弊以獲勝。然而，為了做到這一點，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

事實上，盡管人們擔(dān)心人工智能即將包含每個人的工作，但迄今為止的結(jié)果幾乎是滑稽的。喬治·R·R·R·馬丁的“權(quán)力的游戲”的粉絲對該系列的下一部分非常不耐煩，許多人蜂擁到一個幾乎純粹的gobbledygook的章節(jié)，由一種稱為反復(fù)神經(jīng)網(wǎng)絡(luò)的AI形式編寫。與此同時，IBM正在從腫瘤學(xué)研究人員那里獲得抨擊誰被告知沃森會在診斷和治療方面開啟一個新時代，但相反仍然只是為了區(qū)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(dāng)AI首次引入典型企業(yè)時，人工操作員可能需要更多努力來跟蹤和監(jiān)控它將犯下的所有錯誤。

但這就是問題：人工智能將隨著時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(tǒng)軟件 - 以及它所需的所有麻煩的補丁，更新和修復(fù) - 而不是人類操作員。這并不意味著AI不需要編程，但這種方法大大簡化了。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(biāo)，軟件應(yīng)該能夠處理其余的，只要它有合適的數(shù)據(jù)可供使用。

這一切都取決于數(shù)據(jù)

最后一點是至關(guān)重要的，因為在一天結(jié)束時，AI只是一種算法，而算法只能與它們輸入的數(shù)據(jù)一樣好。這意味著除了構(gòu)建適當(dāng)?shù)腁I操作框架之外，企業(yè)還必須建立一個相當(dāng)活躍的數(shù)據(jù)調(diào)節(jié)環(huán)境，以便分析結(jié)果將基于準(zhǔn)確的信息。正如ActiveCampaign首席執(zhí)行官Jason VandeBoom最近告訴福布斯，“垃圾等于垃圾”的規(guī)則仍然適用，因此組織可能需要一段時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(yīng)期望人工智能為大數(shù)據(jù)和物聯(lián)網(wǎng)的新挑戰(zhàn)提供快速解決方案。人類和機器的學(xué)習(xí)曲線可能很長，結(jié)果最多也是不確定的。

但如果一切按計劃進行，那么從長遠來看，企業(yè)和知識型員工都應(yīng)該看到實質(zhì)性的好處。想想最繁瑣，單調(diào)乏味且耗時的任務(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(zhí)行它們。