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
|
1月前
|
机器学习/深度学习 人工智能 搜索推荐
探索人工智能在现代医疗中的革新应用
本文深入探讨了人工智能(AI)技术在医疗领域的最新进展,重点分析了AI如何通过提高诊断准确性、个性化治疗方案的制定以及优化患者管理流程来革新现代医疗。文章还讨论了AI技术面临的挑战和未来发展趋势,为读者提供了一个全面了解AI在医疗领域应用的视角。
73 11
|
29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####
本文深入探讨了人工智能(AI)技术在医疗诊断领域的应用现状、面临的挑战及未来发展趋势。通过分析AI如何辅助医生进行疾病诊断,提高诊断效率和准确性,以及其在个性化医疗中的潜力,文章揭示了AI技术对医疗行业变革的推动作用。同时,也指出了数据隐私、算法偏见等伦理问题,并展望了AI与人类医生协同工作的前景。 ####
82 0
|
5天前
|
机器学习/深度学习 数据采集 人工智能
人工智能在农业中的应用:智慧农业的未来
人工智能在农业中的应用:智慧农业的未来
27 11
|
24天前
|
人工智能 缓存 异构计算
云原生AI加速生成式人工智能应用的部署构建
本文探讨了云原生技术背景下,尤其是Kubernetes和容器技术的发展,对模型推理服务带来的挑战与优化策略。文中详细介绍了Knative的弹性扩展机制,包括HPA和CronHPA,以及针对传统弹性扩展“滞后”问题提出的AHPA(高级弹性预测)。此外,文章重点介绍了Fluid项目,它通过分布式缓存优化了模型加载的I/O操作,显著缩短了推理服务的冷启动时间,特别是在处理大规模并发请求时表现出色。通过实际案例,展示了Fluid在vLLM和Qwen模型推理中的应用效果,证明了其在提高模型推理效率和响应速度方面的优势。
云原生AI加速生成式人工智能应用的部署构建
|
19天前
|
数据采集 人工智能 移动开发
盘点人工智能在医疗诊断领域的应用
人工智能在医疗诊断领域的应用广泛,包括医学影像诊断、疾病预测与风险评估、病理诊断、药物研发、医疗机器人、远程医疗诊断和智能辅助诊断系统等。这些应用提高了诊断的准确性和效率,改善了患者的治疗效果和生活质量。然而,数据质量和安全性、AI系统的透明度等问题仍需关注和解决。
171 10
|
26天前
|
机器学习/深度学习 人工智能 算法
探索人工智能在医疗诊断中的应用
本文深入探讨了人工智能(AI)技术在医疗诊断领域的革新性应用,通过分析AI如何助力提高诊断准确性、效率以及个性化治疗方案的制定,揭示了AI技术为现代医学带来的巨大潜力和挑战。文章还展望了AI在未来医疗中的发展趋势,强调了跨学科合作的重要性。 ###
85 9
|
29天前
|
机器学习/深度学习 数据采集 人工智能
深度探索:人工智能在医疗影像诊断中的应用与挑战####
本文旨在深入剖析人工智能(AI)技术在医疗影像诊断领域的最新进展、核心优势、面临的挑战及未来发展趋势。通过综合分析当前AI算法在提高诊断准确性、效率及可解释性方面的贡献,结合具体案例,揭示其在临床实践中的实际价值与潜在局限。文章还展望了AI如何与其他先进技术融合,以推动医疗影像学迈向更高层次的智能化时代。 ####
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
探索未来编程:Python在人工智能领域的深度应用与前景###
本文将深入探讨Python语言在人工智能(AI)领域的广泛应用,从基础原理到前沿实践,揭示其如何成为推动AI技术创新的关键力量。通过分析Python的简洁性、灵活性以及丰富的库支持,展现其在机器学习、深度学习、自然语言处理等子领域的卓越贡献,并展望Python在未来AI发展中的核心地位与潜在变革。 ###
|
1月前
|
机器学习/深度学习 数据采集 人工智能
探索人工智能在医疗诊断中的应用与挑战
随着人工智能技术的飞速发展,其在医疗领域的应用日益广泛,尤其是在疾病诊断方面展现出巨大的潜力。本文将深入探讨AI技术在医疗诊断中的应用现状、面临的挑战以及未来的发展趋势,旨在为相关领域的研究者和从业者提供参考和启示。
53 2