由于机器学习的最新进展，人工智能(AI)目前正在撼动市场，比如第四次工业革命中最具革命性的技术。商业领域的每个人都在谈论它，好像它会永远改变我们的世界，在很多方面，它已经存在了。最近的研究表明，67%的企业高管认为人工智能是自动化流程和提高效率的有用手段。然而，大多数消费者认为它是增加社会公平的有力工具，超过40%的人认为AI将扩大低收入人群对最基本服务(医疗、法律和交通)的使用。

然而，这种不可思议的自动化过程的转变速度可能更快，目前有一些问题困扰着它。采用机器学习最重要的障碍是什么？(深度学习是公司采用的另一种人工智能形式。更多信息，请参考这些痛点，防止公司采用深度学习。)

缺乏组织

公司，尤其是大公司，是一种复杂的生物。就像神话中的水一样，许多人经常需要做出同样的决定，比如首席信息官(CIO)、首席数字官(CDO)，显然还有首席执行官。所有这些官员都管理着自己的部门，这些部门应该同时以同样的努力水平推进他们的人工智能工作。可以说，这种情况在现实生活中很少发生。

这是澄清谁“拥有”机器学习计划的第一步，因此负责在公司内领导其实施。在一些组织中，成熟的数据和分析团队需要同步他们的操作，许多人最终会分散他们在无数小项目上的工作。小型试点项目可能有助于全面理解机器学习科学，但它们通常无法实现核心业务所需的自动化效率。

IT服务管理(ITSM)可能是解决这个问题的有效方案，可以帮助IT团队了解，比如那些可以产生大量收入的业务部门，自动化可以提高利润率或者降低错误率。

培训不足

机器学习是一项古老而新颖的技术。基础人工智能可以追溯到20世纪80年代初，但现代深度学习算法的最新发展帮助这项技术取得了巨大的飞跃。事实上，真正在这一领域拥有足够深度知识的专家非常少，尤其是因为谷歌和脸书博士学位吸收了80%的机器学习工程师。

很多组织都知道自己的局限性，不超过20%的组织认为自己的IT专家具备解决AI所需的技能。对机器学习技能的需求正在快速增长，但那些具备所需专业知识和才能的人现在才是真正的摇滚明星。但是，很多在深度学习算法方面训练有素的人可能缺乏正规的学历，比如硕士学位就证明了这一点。记住：这个领域还是新的——在没有机器学习博士的那个年代，今天开始这个领域的很多人都是老程序员。

现在很多人力资源专业人员都要努力解决招聘合适人选的困难，这些任务的复杂程度可能会超过自己的专业知识。如今，即使告诉机器学习工程师数据科学家和前端开发人员的能力之间的差异，对于非本地人来说也是一项复杂的壮举。然而，最终，基于人工智能的招聘可能会成为自己的解决方案，帮助所有人力资源经理。

不可访问的数据和隐私保护。

在他们用最先进的机器学习算法学习任何东西之前，他们需要向人工智能提供数据。很多数据。然而，在大多数情况下，这些数据还没有做好消费的准备，尤其是当它以非结构化的形式出现时。数据聚合的过程既复杂又耗时，尤其是当数据单独存储或使用不同的处理系统时。所有这些步骤都需要由不同类型专家组成的专业团队的全力关注。(有关数据结构的更多信息，请参见什么是结构化数据？检查结构化、非结构化和半结构化数据。)

只要包含大量敏感信息或个人信息，数据提取通常是不可用的。尽管这些信息的混淆或加密最终使其可用，但这些繁重的操作必须使用额外的时间和资源。为了解决上游问题，需要匿名的敏感数据必须在收集后立即单独存储。

信任和信誉。

灵活性不是每个人都有的特征。当一个深度学习算法不能用简单的方式向一个不是程序员或者工程师的人解释时，那些可能想赌AI来利用新商机的人可能会开始逐渐减少。这在一些更传统的物理行业尤其如此。事实上，在大多数情况下，历史数据实际上并不存在，算法需要对照实际数据进行测试，以证明其效率。很容易理解，在一些行业，如石油和天然气钻井，不满意的结果可能会导致大量(和不必要的)风险。

许多在数字转型中仍然落后的公司可能需要彻底改革他们的整个基础设施，以便以有意义的方式采用人工智能。可能需要很长时间才能看到结果，因为在实验结果出来之前，需要对数据进行收集、消耗和消化。开始一个大规模的机器学习项目并不能保证投资是值得的。它需要一定的灵活性、资源和勇气，这是很多企业可能缺乏的。

在一系列奇怪的事件中，很多至今仍在减缓或阻碍人工智能发展的障碍，与人的本性和行为有关，而非技术本身的局限。

那些仍然怀疑机器学习潜力的人没有明确的答案。这是一条从未被践踏过的道路，现发展阶段仍需实地试验。又一次，轮到我们利用帮助人类达到最高峰的特征之一：我们的适应性。只是这一次我们需要把这项技能传授给我们的智能机器。

免责声明： 本文由用户上传，如有侵权请联系删除！

标签：