来把把脉,为什么你不需要AI?

编译作者: 布加迪 2019-07-15 08:00:00

来把把脉,为什么你不需要AI?

【51CTO.com快译】现在人工智能(AI)是热门话题,毋庸置疑大家都急于实施AI。Gartner和麦肯锡全球研究所的研究报告称,在过去四年,AI的实施数量增长达270%。到2022年,估计AI市场规模达61.4亿美元。

美国政府更是在今年2月启动了美国AI计划:“共同努力促进并保护国家AI技术和创新”,包括让美国劳动力为AI做好准备的教育和培训机会。

但关于增长和实施的所有这些讨论并没有解决每个企业应该提出的一个关键问题:AI是不是适合解决当前业务问题的解决方案?

冷眼旁观AI

虽然AI大行其道,但事实上绝大多数人根本不需要AI来解决他们面临的大部分难题。此外,投入于AI不像实施即插即用的软硬件那么简单。在做出任何具体决策之前,请考虑采用AI解决方案的以下缺点:

  • 缺乏AI技能——在上面提到的Gartner研究中,近54%的调查对象称技能缺口是他们面临的***挑战。
  • AI专家短缺——德勤报告中20%以上的调查对象称,AI软件开发人员、数据科学家、用户体验设计师、变革管理专家、项目经理、业务负责人和主题专家等岗位都缺人。
  • 模糊的AI策略——想成功实施AI,你需要基于核心业务目标、优先事项和目标制定可靠的AI策略。你还应了解希望解决的核心问题,因为大多数自动化技术仅擅长某个领域。

不用AI照样解决问题

尽管AI大有潜力,但并非每个人都需要AI技术来解决他们的日常业务难题。就像购买好多功能用不着的新款设备一样,实施AI可能大材小用。应该采取一种更务实的方法,而不是盲目跟随AI潮流。冷静下来,从业务角度审视问题,看看需要完成什么任务。然后,确定解决问题或防范问题所需的度量指标和事件的类型。

仅仅堵住我们观察企业组织内软硬件堆栈、传感器和系统的方式所存在的漏洞,用现有工具和技术就可以大有作为——在某些情况下,传统方法实际上比现在的AI解决方案更适合。比如拿时间序列数据来说,这种数据绝大多数使用Holt-Winters算法就可以高效地分析——这种直截了当的方法可以预测结果。许多传统解决方案不需要构建AI解决方案所需的专业知识;鉴于AI工程师稀缺,加上许多公司难以吸引这方面的人才,这是个关键因素。

图1. Holt-Winters算法适用于使用时间序列数据来进行预测

如果没有可靠的业务策略或没有考虑AI对业务或客户的长期影响,采用AI存在极大的危险。就因为你拥有大量数据并不意味着需要采用AI。所有那些数据可能只是许多无用的度量指标。

毫无疑问,AI的承诺听起来很诱人,很可能在很多行业发挥作用。但眼下,这种新兴技术需要这样的专门人才:能够应对复杂的技术难题,并拥有足够的业务领域经验,以了解将AI运用在哪个方面最能获得积极的业务成果。与许多“新”技术一样,在成熟的道路上可能会出现许多失败的AI项目。企业组织因AI潮流所能利用的最重要、积极的近期好处就是,冷静下来,分析今天可以获取的度量指标和事件,还要考虑收集另外哪些度量指标和事件才能解答现有的问题。

使AI更接地气所需的工具和技术不断出现,而这项准备工作可能带来短期的实际好处。就因为炒作或就因为AI不可避免而采用AI,不是立即投入的好理由。如果你太仓促,可能会错失时机。

原文标题:Why You Don’t Need AI,作者:Tim Hall

【51CTO译稿,合作站点转载请注明原文译者和出处为51CTO.com】

AI 人工智能
上一篇:机器学习科研的十年 下一篇:一文读懂这门超越深度学习的新AI编程语言Gen
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

面部识别的利与弊:是福还是祸?

虽然现代技术使面部识别更加精确和安全,但与面部识别隐私问题和监控有关的担忧也在增加。因此,让我们在这篇文章中探讨一下这该技术的利与弊。

Naveen Joshi ·  2021-06-01 16:36:22
人工智能和5G如何结合以实现物联网收入最大化

网络系统通过信令和使用软件以及分析来检测和分类设备非常棘手,并且对有限且日益紧张的网络资源提出了巨大的需求。然而,解决这些问题有一个主要解决方案:采用人工智能、自动化和5G技术。

Jordi Castellvi ·  2021-06-01 13:49:15
MIT团队最新研究,仅靠LiDAR和2D地图实现端到端自动驾驶

最近, MIT 计算机科学与人工智能实验室(CSAIL)团队成功展示了一种基于机器学习的自动驾驶系统,该端到端框架仅使用 LiDAR获取的原始 3D 点云数据和类似于手机上的低分辨率 GPS 地图就能进行自主导航,并且大大提升了鲁棒性。

文龙 ·  2021-06-01 12:47:51
自然语言处理(NLP)的历史及其发展方向

自然语言处理的历史是一个充满曲折的故事。它从徒劳的研究开始,经过多年卓有成效的工作,最后结束于一个我们仍在试图找出该领域极限的时代。今天,让我们来一起探索这一AI科学分支的发展。

佚名 ·  2021-06-01 12:46:26
是福还是祸?人脸识别技术的利与弊

面部识别并不是一项全新的技术,但人工智能和机器学习不断使面部识别变得更好。苹果通过引入具有 3D 扫描功能的面部生物识别系统和 iPhone 的 Face ID,提高了面部识别的标准。

Naveen Joshi ·  2021-06-01 11:11:01
人工智能能否使机器具有流体智力?

麻省理工学院和奥地利研究人员为灵活的人工智能创造了“液体”机器学习。

千家网 ·  2021-06-01 10:38:55
大脑模拟NLP,高德纳奖得主:神经元集合演算用于句子解析

一个简单的大脑模型为人工智能研究提供了新的方向。世界顶尖计算机科学理论学家、哥德尔奖和高德纳奖获得者、哥伦比亚大学计算机科学教授 Christos Papadimitriou 关于「大脑中单词表征」的演讲。

Ben Dickson ·  2021-06-01 09:39:24
美城市Baltimore可能颁布最严格的面部识别禁令

据介绍,拟议的法令将禁止私人或商业组织,甚至执法机构在城市使用面部识别技术。

千家网 ·  2021-06-01 09:34:07
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载