人工智能在商业世界中吸引了如此多的关注，以至于许多信息技术领导者可以原谅它认为它将为日益复杂的数据生态系统提供所有答案。尽管确实有可能对现有技术进行许多有意义的改进，但公平地说，围绕其功效的一些期望被夸大了。

事实上，人们对人工智能是什么、它是如何工作的以及它实际上能做什么的了解相对较少。这导致人们对企业在企业中的作用及其与现有基础设施和经营企业的人的关系产生了广泛的误解。

炒作周期中的人工智能。

根据Gartner最近的Hype Cycle报告，深度学习、机器学习和认知计算等关键AI子集位于Peak expulded experiments曲线的顶端，这意味着它们在很长一段时间内都处于滑入幻灭谷的顶端。虽然这对于过去30年颠覆性技术的几乎所有课程都是一样的，但它指出了人工智能对企业的预期影响，这种影响主要来自受控的实验室测试，很快就会在现实的生产环境中出现。

尽管如此，Gartner研究员麦克沃克希望AI在未来十年无处不在，这将导致神经网络等结构的发展，以及企业的数据负荷通过提高计算能力变得如此巨大的事实。如此复杂，人类操作员再也无法独自应对。

企业对人工智能需要了解的第一件事，就是快速、宽松地使用“智能”一词。正如瑞士神经科学家帕斯卡尔考夫曼(Pascal Kaufmann)最近向ZDnet解释的那样，计算机算法和人脑之间存在巨大差异。处理信息得出结论。如果有足够的处理能力，计算机算法可以对比数百万、数十亿甚至数万亿的数据集，做出简单的判断，比如猫的图像是否真的是猫的图像。但即使是一个数据很少的孩子，也能本能地判断出它是一只猫，在知道猫是什么、长什么样之后，它就会永远存在。

通过这个标准，即使是人工智能在工作中的领先例子——谷歌DeepMind的AlphaGo掌握策略游戏Go——也不是真正的人工智能，而是大数据、分析和自动化的交叉，可以合理化基于规则的方法来取胜。有趣的是，考夫曼补充说，人工智能的一个真实例子是，如果AlphaGo已经找到了如何作弊取胜的方法。然而，要做到这一点，科学必须首先破解“大脑密码”，它使我们能够处理信息、检索知识和存储记忆。

到目前为止，情况不太好。

事实上，虽然人们担心人工智能很快会包括每个人的工作，但迄今为止的结果几乎是可笑的。乔治RRR马丁的《权力的游戏》的粉丝对该系列的下一部分非常不耐烦，很多人都涌向一个几乎纯粹的天书章节，这个章节是由一种叫做递归神经网络的AI形式编写的。与此同时，IBM正受到肿瘤学家的批评，他们被告知沃森将开启诊断和治疗的新时代，但相反，他们仍在努力区分癌症的基本形式。鉴于这种跟踪记录，很有可能当AI首次引入典型企业时，人类操作员可能需要付出更多的努力来跟踪和监控它将犯下的所有错误。

但这就是问题所在：人工智能在没有重新编程的情况下会随着时间的推移变得更好。正如康奈尔理工学院的研究员丹尼尔赫顿洛克最近告诉Tech Crunch的那样，人工智能比人类操作员更有可能取代传统软件——以及它需要的所有麻烦的补丁、更新和修复。这并不意味着AI不需要编程，但这种方法大大简化了。有了今天的软件，程序员不仅需要定义要解决的任务，还需要确定解决任务的确切步骤。使用AI，只需要目标，剩下的软件应该可以处理，只要有合适的数据可以使用。

这完全取决于数据。

最后一点很重要，因为说到底，AI只是一个算法，算法只能和它们输入的数据一样好。这意味着，企业除了构建合适的AI运营框架外，还必须建立一个相当活跃的数据调整环境，这样分析结果才会基于准确的信息。正如ActiveCampaign首席执行官杰森范德博姆(Jason VandeBoom)最近告诉《福布斯》的那样，“垃圾等于垃圾”的规则仍然适用，因此组织可能需要一段时间才能看到人工智能投资的真正好处。

有鉴于此，企业不要指望人工智能能为大数据和物联网的新挑战提供快速解决方案。而且人和机器的学习曲线可能很长，结果最多也就是不确定。

但是如果一切按计划进行，那么从长远来看，企业和知识工作者都应该看到实质性的好处。想想那些最繁琐、最乏味、最耗时的任务，它们会让你的进程变慢，想象一下再也不用执行这些任务了。

郑重声明：本文版权归原作者所有。转载文章只是为了传播更多的信息。如果作者信息标注有误，请第一时间联系我们修改或删除。谢谢你。

免责声明： 本文由用户上传，如有侵权请联系删除！

标签：