解开关于人工智能的六个迷思

简介: 人工智能不只是能够增强单调的工作。IT领导者需要将这项技术应用于实际才能实现降低成本、改善运营等业务优势,从而发挥人工智能的价值。Gartner总结了关于人工智能的六个常见迷思和误解。

戳这里利用百种AI能力赋能产品


“人工智能将自动执行所有工作并让人类失业。”“人工智能只是一种虚构的技术。”“机器人将占领整个世界。”

围绕人工智能的炒作给主流媒体、董事会议和各企业机构留下了许多迷思。有人担心“万能”的人工智能将占领全世界,有人则认为人工智能是“昙花一现”。其实这两种说法都过于片面。

image.png


Gartner高级研究总监Saniye Alaybeyi表示:“在整个新冠疫情期间,大部分企业机构始终保持乃至增加对人工智能的投资。但这些项目中只有一半转化为生产力。”

人工智能不只是能够增强单调的工作。IT领导者需要将这项技术应用于实际才能实现降低成本、改善运营等业务优势,从而发挥人工智能的价值。

Gartner总结了关于人工智能的六个常见迷思和误解。

迷思一:人工智能在新冠疫情期间是多余的“奢侈品”

在新冠疫情期间,人工智能正在成为实现成本优化和业务连续性的重要因素。当企业因现金流和经济环境的不确定性而苦苦挣扎时,人工智能非但不是一种多余的“奢侈品”,反而还在创造收入。人工智能正在改善与客户的互动、加快数据分析速度、提前发出中断预警并实现决策的自动化。

迷思二:人工智能和机器学习(ML)是同一个概念而且可以互换

机器学习是人工智能的一个分支。机器学习需要精心设计的训练和数据采集策略。此外,人工智能是多项计算机工程技术的统称,涵盖了从机器学习、基于规则的系统到优化技术和自然语言处理(NLP)等。

迷思三:智能机器可以自行学习

机器学习成品给人的印象是可以自行学习。但经验丰富的人类数据科学家会设计问题、准备数据、确定合适的数据集、消除训练数据中的潜在偏见,最重要的是他们还会不断更新软件以将新知识和数据集成到下一个学习周期中。

迷思四:人工智能百分之百客观

每项人工智能技术都以数据、规则和人类专家其他类型的输入为基础。每个人都会有这样或那样的固有偏见,人工智能也不例外。经常被重新训练的系统(例如使用来自社交媒体的新数据)更容易产生不必要的偏见或受到刻意的恶意影响。

即便您当前的人工智能策略是“不使用人工智能”,这一策略也是基于研究和思考所做出的有意识决定。

Gartner研究副总裁Alexander Linden表示:“目前还没有办法完全消除偏见,但我们必须尽最大努力将偏见减少到最小。除了诸如使用不同数据集之类的技术解决方案外,确保人工智能使用团队的多样性并让团队成员互相评估彼此的工作也十分重要。这个简单的流程可以大大减少选择性和证实性偏见。”

迷思五:人工智能将只会取代单调的工作

人工智能让企业可以通过预测、分类和聚类做出更准确的决策。凭借这些能力,人工智能解决方案能够深入到工作环境中,不但可以取代单调的任务,而且还可以增强较复杂的任务。

以医疗行业所使用的影像人工智能为例。基于人工智能的胸部X光应用可以比放射科医生更快发现疾病。金融和保险行业使用机器人顾问提供理财服务和检测欺诈。这些功能虽然不会完全代替人类在这些任务中的作用,但最终会将人类的作用限制在观察和处理异常情况。因此,需要调整现有员工的工作职责和能力规划并提供再培训方案。

迷思六:我的业务不需要人工智能策略

每家企业机构都应考虑人工智能对自身战略的潜在影响并研究如何将这项技术用于解决业务问题。放弃使用人工智能在许多方面等同于放弃下一阶段的自动化,这可能会使企业处于竞争劣势。

Alaybeyi表示:“即使人工智能无法立即解决问题,企业也应该重新考虑放弃定期使用人工智能这一决定。企业机构需要发掘能够运用人工智能的力量增强人类工作、决策与互动的合适用例以及其他进行职能创新的机会。”

在未来四年,管理者目前所做的工作中将有69%实现自动化。面对这一变革,企业需要审时度势,思考如何才能将人工智能与自身战略完美结合以及如何为即将到来的变革做好充分的准备。


原文链接https://ai.51cto.com/art/202011/632450.htm
本文转自51CTO,本文一切观点和机器智能技术圈子无关。
在线免费体验百种AI能力:【点此跳转】
机器智能技术结尾二维码.png

目录
相关文章
|
8天前
|
机器学习/深度学习 人工智能 物联网
通义灵码在人工智能与机器学习领域的应用
通义灵码不仅在物联网领域表现出色,还在人工智能、机器学习、金融、医疗和教育等领域展现出广泛应用前景。本文探讨了其在这些领域的具体应用,如模型训练、风险评估、医疗影像诊断等,并总结了其提高开发效率、降低门槛、促进合作和推动创新的优势。
通义灵码在人工智能与机器学习领域的应用
|
9天前
|
人工智能 算法 安全
人工智能在医疗诊断中的应用与前景####
本文旨在探讨人工智能(AI)技术在医疗诊断领域的应用现状、面临的挑战以及未来的发展趋势。随着科技的不断进步,AI技术正逐步渗透到医疗行业的各个环节,尤其在提高诊断准确性和效率方面展现出巨大潜力。通过分析当前AI在医学影像分析、疾病预测、个性化治疗方案制定等方面的实际应用案例,我们可以预见到一个更加智能化、精准化的医疗服务体系正在形成。然而,数据隐私保护、算法透明度及伦理问题仍是制约其进一步发展的关键因素。本文还将讨论这些挑战的可能解决方案,并对AI如何更好地服务于人类健康事业提出展望。 ####
|
8天前
|
机器学习/深度学习 人工智能 算法
人工智能在医疗诊断中的应用与挑战
本文探讨了人工智能(AI)在医疗诊断领域的应用及其面临的挑战。随着技术的不断进步,AI已经在医学影像分析、疾病预测和个性化治疗等方面展现出巨大潜力。然而,数据隐私、算法透明度以及临床整合等问题仍然是亟待解决的关键问题。本文旨在通过分析当前AI技术在医疗诊断中的具体应用案例,探讨其带来的优势和潜在风险,并提出相应的解决策略,以期为未来AI在医疗领域的深入应用提供参考。
41 3
|
8天前
|
机器学习/深度学习 人工智能 自然语言处理
探索人工智能在教育领域的应用与挑战
随着科技的不断进步,人工智能(AI)技术已经深入到社会的各个领域,其中教育领域尤为突出。本文旨在探讨人工智能在教育领域的应用现状、面临的挑战以及未来的发展趋势。通过分析AI技术如何改变传统教学模式,提高教育质量和效率,同时指出其在实际应用中可能遇到的问题和挑战,为未来教育的发展提供参考。
79 2
|
14天前
|
机器学习/深度学习 人工智能 搜索推荐
深度探索人工智能在医疗影像诊断中的应用与挑战####
本文深入剖析了人工智能(AI)技术,特别是深度学习算法在医疗影像诊断领域的创新应用,探讨其如何重塑传统诊断流程,提升诊断效率与准确性。同时,文章也客观分析了当前AI医疗影像面临的主要挑战,包括数据隐私、模型解释性及临床整合难题,并展望了未来发展趋势。 ####
|
12天前
|
机器学习/深度学习 人工智能 搜索推荐
探索人工智能在医疗诊断中的应用
【10月更文挑战第36天】随着人工智能技术的飞速发展,其在各行各业的应用日益广泛,特别是在医疗领域。本文将深入探讨AI技术如何革新传统医疗诊断流程,提高疾病预测的准确性,以及面临的挑战和未来发展方向。通过具体案例分析,我们将看到AI如何在提升医疗服务质量、降低医疗成本方面发挥关键作用。
89 58
|
7天前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能在医疗诊断中的应用与前景
人工智能在医疗诊断中的应用与前景
|
13天前
|
机器学习/深度学习 人工智能 自动驾驶
探索人工智能的无限可能:从基础概念到实际应用
【10月更文挑战第35天】在这篇文章中,我们将一起走进人工智能的世界,探索它的无限可能。从基础概念出发,我们将深入理解人工智能的定义、发展历程以及主要技术。然后,我们将通过具体的代码示例,展示如何利用Python和TensorFlow实现一个简单的人工智能模型。最后,我们将探讨人工智能在现实世界中的应用,包括自动驾驶、医疗健康、金融等领域,并思考其未来发展的可能性。让我们一起开启这场人工智能的奇妙之旅吧!
22 1
|
14天前
|
机器学习/深度学习 人工智能 算法
人工智能在医疗诊断中的应用与挑战
【10月更文挑战第34天】人工智能(AI)技术正在改变医疗行业的面貌,为诊断过程带来前所未有的效率和准确性。通过深度学习、神经网络等技术,AI能够分析大量数据,辅助医生做出更快速、更准确的诊断决策。然而,AI在医疗领域的应用也面临着数据隐私、算法透明度和医疗责任等一系列挑战。本文将探讨AI在医疗诊断中的具体应用案例,分析其面临的挑战,并提供对未来发展方向的思考。

热门文章

最新文章