企业中的人工智能:8个神话被揭穿?

作者: 腾讯新闻 2019-05-06 16:15:56
\

我们对任何新技术都容易产生误解。AI方面似乎特别明显。这跟它的潜在影响范围已产生一定神话性有关。

“AI通常被误解。因为,我们需要探索一个巨大的宇宙,探索未知会让人感到困惑和恐惧,” Very的工程副总裁Bill Brock说。

对于试图在企业中构建AI实际应用的IT领导者来说,这已成一个特殊问题。

“AI在企业中变得越来越普遍,但应用场景、如何改进或更新过往系统仍有很多误解,”布洛克说,虽然可将“机器人成为同事”的说法“浪漫化”,仍有必要了解不同类型的技术如何增强我们的系统并创造更有效的环境。

事实上,“浪漫化技术”是天空销售推销的主要内容,而非战略CIO通过AI实现的底线结果。

此外,浪漫化的现实往往会产生妨碍可行目标的各种神话。因此,这里请Brock和其他专家确定当今企业中关于AI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

不是。理解两者之间的差异,至关重要。机器学习更像是AI的子学科。

“我发现,许多交流中,这些术语之间没什么区别,” SigOpt的研究科学家Michael McCourt说 ,这很有问题。

比如,如果一个公司领导层认为建立分类模型等于使用数据巩固决策过程,就会忽视建立模型的结构和含义的重要步骤。这将导致公司对AI投入不足,没有足够的人力深入更大场景,最后导致失败。

神话2:AI与自动化是一回事

AI和自动化也常常混淆。它们之间确实存在重要的关联。

“随着人们越来越熟悉AI,会了解到它是一种能思考的机器 ,至少能根据一系列预先定义的模型、算法做出明智决策。而‘自动化’只是在没有人为干预的情况下完成任务而已。 ”布罗克说说,“自动化并不一定意味着AI,但AI最具影响力的一些案例,会以戏剧性的方式增强自动化。”

神话3:数据多就能带来更好的AI结果

这误解已深。好像AI成功的唯一真正先决条件是“数据”。

眼下,AI和机器学习团队的工作,几乎完全集中在数据挖掘与清理上。

“重要的不是数据的数量,而是质量,” LexisNexis Legal and Professional首席数据官Rick McFarland认为,“大量不良或标记不统一标的数据,并不能让您更接近结果。它们实际上可以通过创建‘精确’结果来欺骗建模器,因为方差公式与样本大小成反比。”

他说,从早期AI故障中学到的常见经验之一是:我们只是在其中投入大量数据并假设它可行。早期阶段,海量数据未必更好。

“质量数据是有效算法不可或缺的一部分,”Very公司的Brock表示,无论解决什么问题,不良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,建模人员实际上可使用以较低成本获得的较小数据集。

神话4:AI将从部署一刻起传递价值

不是说数据多反而不好。 事实上,随着时间推移,它会变得越来越必要,只是数量和质量必须同步。一般来说,没有人期望AI计划立马获得投资回报,但有时,很多人还是不断描述,只需打开,就能看到魔术。

“AI和ML引擎需要培训,需要大量数据才能学习。一些数据可以播种,“”NetEnrich首席技术官Javed Sikander说 ,但是,大部分数据来自部署的域,以及AI / ML系统集中学习的地方。因此,期望系统第1天就提出建议和见解并不合理。我们需要建立流程,并在各种环境中分配资源,逐步学习,只有那时才会产生魔力。

神话5:AI和机器学习基本上只是“软件开发”

Algorithmia首席执行官Diego Oppenheimer认为,组织与其他任何软件开发的方式相同,都在接近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项目失败的很大原因,在于ML工作负载与传统软件行为非常不同,它们需要一套不同的工具、基础架构、流程,才能大规模部署与管理。

奥本海默指出了以下问题:

1、异质性:有一个庞大且不断增长的语言和框架菜单。2、可组合性: AI和ML涉及多组件协同,每个组件可能用不同语言、由不同团队构建。3、开发过程: 传统软件开发中,输出是“受控环境中执行的代码”。机器学习中,输出是“一个不断发展的生态系统”。这需要一个更具迭代的循环。4、硬件/基础设施: CPU、TPU、GPU、边缘计算以及任何新选择, 每个都有不同优势、挑战。5、性能指标: 没有适用于每个人甚至许多人的标准指标集。

神话6:AI只是另一种需要考虑的“技术”

有时,我们通过新旧比较,来让一些令人生畏的东西看起来更容易管理一些。好像往事重现一样。

AllCloud数据与AI副总裁Guy Ernest说 ,这可能会导致IT团队只是将AI视为另一个技术周期。事实上并非如此。

“AI更像人类的大脑或身体:你用得越多,它变得越强大,越聪明。”他说。

他同时强调,大多数技术都很“脆弱”。使用它们越多,它们也会变得越复杂,也就越容易破碎。

神话7:AI只适合科技公司

不。AI并非是每个业务问题的解决方案。

SigOpt的McCourt说,最差的情况是,一家公司可选择退出AI革命,目前趋势若持续下去,也只能让公司跟随而不是领导它。

他说,神话渗透到商业世界,让人以为AI的早期开发者和采用者都是技术最精明和最先进的公司。

神话8:AI取代了对人类智能的需求

AI的神秘地位,部分来自Ai对人类智能的超越。这一时刻,“机器人称霸”的叙事,开始进入高潮。

“机器可以像它们获得的数据以及编程采取的行动一样聪明,”Sikander说,“AI和机器学习可以帮助我们识别数据海洋中的模式,并自动执行操作,几乎不需要人工干预。但是,用于决策的算法和模型,仍必须由人类提供。”

LexisNexis 首席数据官麦克法兰表示,以为AI学习“就像人类一样”,其实是一种误解。

“人类在学习或解决问题方面具有内在的优势。比如无聊,”麦克法兰说,“AI模型永远不会感到无聊或看到自身方式的愚蠢。他们从几乎无限的可能性中寻求最佳答案,甚至深深追逐到一个可能永远出不来的‘兔子洞’。相比之下,人类会厌倦追求无限的可能性,会重新考虑现状,主动追求不同的道路。”

人工智能 AI
上一篇:扫码刷脸、人工智能、“互联网+”……数字中国改变你我生活! 下一篇:利用数据分析量化协同过滤算法的两大常见难题
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

达摩院AI进入中国科技馆,首张AI识别新冠CT成科技抗疫历史见证

5月29日消息,全国科技工作者日来临之际,一个特别的藏品入选中国科技馆“2020数字馆藏”——阿里巴巴达摩院AI识别标注的第一张新冠肺炎CT影像。达摩院AI作为科技抗疫的历史见证,被写入中国科技发展史。

佚名 ·  2天前
人工智能可以塑造活动产业的未来吗?

活动组织者可以为活动管理引入AI,以使他们的活动更加成功。现场活动是很好的营销方式,也是增强业务与客户关系的优秀方式。根据一项调查,84%的领导者认为活动是其业务成功的关键因素。技术的使用正在改变活动的计划和组织方式。

佚名 ·  2天前
提升城市气质守护宜居环境 AI打通治理闭环

人工智能被一些研究人员称为“21世纪的电力”,认为其几乎可以为万事万物提供动力。而在城市加速发展的当下,人工智能也渐渐成为了新型智慧城市建设的“推动者”和“守望者”。

今夕何夕 ·  2天前
12个场景应用,百余种算法,AI是如何攻占经济学的?

在虚拟世界中模拟现实经济状况,想法设计更好的制度只是AI和经济学结合方式之一。其实深度强化学习在面临风险参数和不确定性不断增加的现实经济问题时,也可以提供更好的性能和更高的精度。

蒋宝尚 ·  3天前
你在打王者农药,有人却用iPhone来训练神经网络

在 iOS 设备上也可以直接训练 LeNet 卷积神经网络,而且性能一点也不差,iPhone 和 iPad 也能化为实实在在的生产力。

佚名 ·  3天前
未来20年,全自动驾驶和互联汽车会出现吗?

在这篇博文中,重点介绍了汽车技术如何使交通更安全、更智能、更有趣。

Huibert Verhoeven ·  3天前
AI、机器学习和深度学习是 OEM 的主要市场

人工智能(AI)正在迅速改变全球行业参与者的经营方式。人工智能(AI)正在迅速改变全球行业参与者的经营方式。随着人工智能在商业和商业领域的广泛应用,我们看到了从更智能的产品到专注于聚焦客户服务的一切演变。

佚名 ·  3天前
和AI去码一样神奇?AI上色是黑科技还是逗你玩

在图片处理领域这块,AI 刷的存在感越来越多。早前笔者就介绍过 AI 无损放大图片、AI 去除马赛克、AI 自动给线稿上色之类的玩法,现在,又有人给笔者推荐了一个 AI 黑科技——黑白照片一键变彩色。

Aimo ·  3天前
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载