当前位置:人工智能行业动态 → 正文

企业在应用人工智能时不可不知的5个误区

责任编辑:cres 作者:Geertrui Mieke |来源:企业网D1Net  2021-04-09 10:59:40 原创文章 企业网D1Net

尽管人工智能已经无处不在,但由于知识和意识方面的差距,人工智能在商业上的应用仍然受到阻碍。
 
在冠状病毒疫情蔓延期间,很多企业继续使用人工智能来解决紧急的业务事项。凭借其对内部财务优化与外部客户体验的价值扩展影响,在发生疫情之后,人工智能解决方案的重要性变得显而易见。
 
研究表明,70%以上的企业如今将人工智能视为游戏规则的改变者。然而,目前使用人工智能或计划很快使用人工智能的企业不到40%。人们对人工智能重要性的认识差距仍然很大,以下是五个关于人工智能的常见误区或误解:
 
误区1:人工智能完全与数据和算法有关
 
直到上世纪90年代人工智能技术得到广泛宣传时,人工智能是一门几乎只处理数据和算法的科学学科。然而,在过去的几十年里,这个领域日趋成熟,人工智能已经成为企业自动化决策系统的一个组成部分,而这些正是个人和组织工作的核心功能。因此,人工智能研究、开发和实现的很大一部分都包含了人员和流程。调研机构和一家大型能源供应商进行了业务对话,讨论了自动化系统和数据驱动方法,这些系统和方法由客户数据和智能电表驱动,可以增强客户的体验。在讨论中,他们突然问:“这一切看起来都很有希望,但我们不应该对人工智能做些什么吗?”虽然他们提出的内容是由人工智能实现所固有的,但是这个术语本身并没有被使用,因此对于正在进行探讨的这家公司管理层代表来说,对于人工智能并不完全清楚,这说明人工智能对于他们只是一个时髦的术语。
 
误区2:有很多数据,因此其中必须包含一些有价值的东西
 
例如,如果你在家做饭,又没有时间去购物,只能在冰箱中找到一些食材,这种方案只是偶尔有效。但开一家餐厅却不能使用这种方法。人工智能项目可能就是如此。真正的问题是:“想实现什么?”从数据选择到项目的实现,任何一个人工智能项目都应该从业务面临的挑战开始,而不是从数据开始。
 
误区3:已经聘请顶级的数据科学家,因此人工智能将会推动业务发展
 
如果你雇佣了一位顶级厨师只是为了切胡萝卜或削土豆皮,那么他很难留下来继续工作?对于数据科学家来说也是如此。人工智能不仅仅是复杂的算法和数据分析,还涉及必要的支持工作,如协调、清理和准备必要的数据集。为此,企业首先应该雇佣数据工程师而不是数据科学家。同样重要的是,人工智能还涉及各种非技术的能力。因此,一个成熟的人工智能团队不仅由数据科学家和工程师组成,还包括具有心理学、社会学、商业、法律和伦理学背景的专业人员,当然还有最终用户。
 
误解四:人工智能是一个黑盒,所以永远无法理解和信任它在做什么
 
仍然有很多人工智能系统正在被创建,其决策背后的内部机制对于外部人员来说是不可知的。
 
然而更重要的是,企业有足够的机会可以避免这种情况。在这个领域中,人们称之为“可解释的人工智能”:人工智能实现不仅展示他们的决策,而且还可以使人们全面了解做出这一决策的原因。例如,医学人工智能算法可能会帮助医生进行诊断(例如检测肿瘤),因为与任何医生相比,它在扫描成千上万条患者记录时效率更高。但是,医生应该始终能够理解该算法为何将医学图像上的特定特征识别为肿瘤。这样,医生可以根据自己的背景和医疗经验进行最终验证,并确认或拒绝人工智能的诊断。
 
误解5:由于隐私法规的原因,人工智能被禁用
 
许多人声称隐私法规(例如欧洲的通用数据保护法规)阻止了使用人工智能的可能性。事实上,情况正好相反。
 
法规提供了一个框架,该框架描述了如何收集、管理和交换数据。因此,他们确保遵守尊重各种观点和利益相关者的意见,而不是禁止采用人工智能。
 
由于这些举措,以及诸如国家和国际层面存在的众多道德委员会之类的其他举措,人们对各种法规在人工智能背景下的作用持相当乐观的态度。以汽车行业为例。自从汽车诞生以来,人身伤亡事故一直不断。但是,汽车并没有被禁止使用。与其相反,通过不断进行练习和改进,可以获得汽车带给我们的好处。人们需要在采用创新技术与其对自然和社会的负面影响之间找到合适的平衡。对人们来说,这也是在人工智能永无止境的发展中努力争取更好效果的一种理想情况。因为人们最不希望的一件事就是通过法规禁止使用人工智能。
 
版权声明:本文为企业网D1Net编译,转载需注明出处为:企业网D1Net,如果不注明出处,企业网D1Net将保留追究其法律责任的权利。

关键字:人工智能

原创文章 企业网D1Net

x 企业在应用人工智能时不可不知的5个误区 扫一扫
分享本文到朋友圈
当前位置:人工智能行业动态 → 正文

企业在应用人工智能时不可不知的5个误区

责任编辑:cres 作者:Geertrui Mieke |来源:企业网D1Net  2021-04-09 10:59:40 原创文章 企业网D1Net

尽管人工智能已经无处不在,但由于知识和意识方面的差距,人工智能在商业上的应用仍然受到阻碍。
 
在冠状病毒疫情蔓延期间,很多企业继续使用人工智能来解决紧急的业务事项。凭借其对内部财务优化与外部客户体验的价值扩展影响,在发生疫情之后,人工智能解决方案的重要性变得显而易见。
 
研究表明,70%以上的企业如今将人工智能视为游戏规则的改变者。然而,目前使用人工智能或计划很快使用人工智能的企业不到40%。人们对人工智能重要性的认识差距仍然很大,以下是五个关于人工智能的常见误区或误解:
 
误区1:人工智能完全与数据和算法有关
 
直到上世纪90年代人工智能技术得到广泛宣传时,人工智能是一门几乎只处理数据和算法的科学学科。然而,在过去的几十年里,这个领域日趋成熟,人工智能已经成为企业自动化决策系统的一个组成部分,而这些正是个人和组织工作的核心功能。因此,人工智能研究、开发和实现的很大一部分都包含了人员和流程。调研机构和一家大型能源供应商进行了业务对话,讨论了自动化系统和数据驱动方法,这些系统和方法由客户数据和智能电表驱动,可以增强客户的体验。在讨论中,他们突然问:“这一切看起来都很有希望,但我们不应该对人工智能做些什么吗?”虽然他们提出的内容是由人工智能实现所固有的,但是这个术语本身并没有被使用,因此对于正在进行探讨的这家公司管理层代表来说,对于人工智能并不完全清楚,这说明人工智能对于他们只是一个时髦的术语。
 
误区2:有很多数据,因此其中必须包含一些有价值的东西
 
例如,如果你在家做饭,又没有时间去购物,只能在冰箱中找到一些食材,这种方案只是偶尔有效。但开一家餐厅却不能使用这种方法。人工智能项目可能就是如此。真正的问题是:“想实现什么?”从数据选择到项目的实现,任何一个人工智能项目都应该从业务面临的挑战开始,而不是从数据开始。
 
误区3:已经聘请顶级的数据科学家,因此人工智能将会推动业务发展
 
如果你雇佣了一位顶级厨师只是为了切胡萝卜或削土豆皮,那么他很难留下来继续工作?对于数据科学家来说也是如此。人工智能不仅仅是复杂的算法和数据分析,还涉及必要的支持工作,如协调、清理和准备必要的数据集。为此,企业首先应该雇佣数据工程师而不是数据科学家。同样重要的是,人工智能还涉及各种非技术的能力。因此,一个成熟的人工智能团队不仅由数据科学家和工程师组成,还包括具有心理学、社会学、商业、法律和伦理学背景的专业人员,当然还有最终用户。
 
误解四:人工智能是一个黑盒,所以永远无法理解和信任它在做什么
 
仍然有很多人工智能系统正在被创建,其决策背后的内部机制对于外部人员来说是不可知的。
 
然而更重要的是,企业有足够的机会可以避免这种情况。在这个领域中,人们称之为“可解释的人工智能”:人工智能实现不仅展示他们的决策,而且还可以使人们全面了解做出这一决策的原因。例如,医学人工智能算法可能会帮助医生进行诊断(例如检测肿瘤),因为与任何医生相比,它在扫描成千上万条患者记录时效率更高。但是,医生应该始终能够理解该算法为何将医学图像上的特定特征识别为肿瘤。这样,医生可以根据自己的背景和医疗经验进行最终验证,并确认或拒绝人工智能的诊断。
 
误解5:由于隐私法规的原因,人工智能被禁用
 
许多人声称隐私法规(例如欧洲的通用数据保护法规)阻止了使用人工智能的可能性。事实上,情况正好相反。
 
法规提供了一个框架,该框架描述了如何收集、管理和交换数据。因此,他们确保遵守尊重各种观点和利益相关者的意见,而不是禁止采用人工智能。
 
由于这些举措,以及诸如国家和国际层面存在的众多道德委员会之类的其他举措,人们对各种法规在人工智能背景下的作用持相当乐观的态度。以汽车行业为例。自从汽车诞生以来,人身伤亡事故一直不断。但是,汽车并没有被禁止使用。与其相反,通过不断进行练习和改进,可以获得汽车带给我们的好处。人们需要在采用创新技术与其对自然和社会的负面影响之间找到合适的平衡。对人们来说,这也是在人工智能永无止境的发展中努力争取更好效果的一种理想情况。因为人们最不希望的一件事就是通过法规禁止使用人工智能。
 
版权声明:本文为企业网D1Net编译,转载需注明出处为:企业网D1Net,如果不注明出处,企业网D1Net将保留追究其法律责任的权利。

关键字:人工智能

原创文章 企业网D1Net

电子周刊
回到顶部

关于我们联系我们版权声明隐私条款广告服务友情链接投稿中心招贤纳士

企业网版权所有 ©2010-2024 京ICP备09108050号-6 京公网安备 11010502049343号

^