真正的AI会站起来吗？

导读：人造智能有很多炒作，只是多么聪明？
人造智能在企业界获得了极大的关注，许多IT领导者可以被放弃，认为它将为越来越复杂的数据生态系统提供所有的答案。但是，虽然它有可能对现有技术进行许多有意义的改进，但也可以公平地说，其效力的一些期望被夸大了。
实际上，对AI是什么，它真正的功能以及它实际上可以做的事情，几乎没有什么了解。这导致了广泛的误解，围绕其在企业中的作用以及与现有基础设施和运营它的人类有关的方式。
AI在炒作周期
根据Gartner最近的“炒作周期”，关键的AI子集，如深度学习，机器学习和认知计算，是“峰值期望期望曲线”的顶峰，这意味着它们处于漫长的幻想槽中。虽然这对过去30年来几乎每一个破坏性技术来说都是一个平台，但它指出，AI主要来自于实验室测试的预期影响将会在现实中长期存在的生产环境。
然而，Gartner研究员迈克·沃克（Mike Walker）预计，随着计算能力的不断提高，未来十年，人工智能将无处不在，导致了诸如神经网络等结构的发展，以及企业数据负载变得如此巨大的事实而且操作人员无法再自己应付。

企业需要了解AI的第一件事是，它与“智慧”一词快速松散。正如瑞士神经科学家帕斯卡尔·考夫曼最近向ZDnet解释的那样，计算机算法和人脑的方式有着深刻的差异处理信息得出结论。给定足够的处理能力，计算机算法可以比较数百万，数十亿甚至数万亿的数据集，以做出简单的确定，例如猫的图像是否确实是猫的形象。但是，即使是一个小孩子，只要数据很少，就能够本能地确定它是一只猫，并且知道一只猫是什么样的东西，并且将会永远存在。
按照这个标准，即使是在工作中的AI的领先的例子 – Google DeepMind的AlphaGo对战略游戏Go 的掌握 – 并不是真正的人工智能，而是一个横截面的大数据，分析和自动化，能够使基于规则的方法合理化获胜 有趣的是，考夫曼补充说，人造智能的一个真正的例子是，如果阿尔法公司已经弄清楚如何欺骗赢得。然而，为了做到这一点，科学将首先要破解我们处理信息，检索知识和存储回忆的能力的“大脑代码”。
那么远，不是那么好

实际上，尽管人们对AI大家的工作感到担心，但迄今为止的结果几乎是可笑的。乔治·罗伯特·马丁（George RR Martin）的“权力游戏”的粉丝们对于下一系列剧本是如此的不耐烦，许多人涌入了一个几乎纯粹的gobbledygook的章节，由一种称为复发神经网络的AI形成。与此同时，IBM正在从肿瘤研究人员那里获取一切谁被告知沃森将在诊断和治疗方面发挥新的时代，而是正在努力区分癌症的基本形式。鉴于这个记录，当人工智能首次被引入典型的企业时，很可能需要更多的努力才能跟踪和监控所有的错误。

但是这里的揉搓：随着时间的推移，人工智能会变得更好，而不必重新编程。作为康奈尔大学科技研究员丹尼尔·哈滕洛克告诉科技紧缩最近，AI更可能取代传统的软件-和所有讨厌的补丁，更新和修复它要求-比人类操作员。这并不意味着AI不需要编程，但是该方法被大大简化。使用今天的软件，程序员不仅需要定义要解决的任务，而且还要确定要解决的问题。使用AI，所需要的只是目标，软件应该可以处理其余的，只要它具有合适的数据即可。

它所有的数据关联

最后一点是至关重要的，因为在最后一天，人工智能只是一种算法，而算法只能和它们所馈送的数据一样好。这意味着除了建立正确的人机操作框架之外，企业还必须建立一个相当有力的数据调节环境，以便分析结果将基于准确的信息。正如ActiveCampaign CEO杰森·范德布姆（Jason VandeBoom）最近告诉福布斯“垃圾等于垃圾输出”的规则仍然适用，所以在组织看到其AI投资的真正好处之前可能会有一段时间。

鉴于所有这一切，企业不应该期望AI能够快速解决大数据和物联网面临的新挑战。人和机器的学习曲线可能相当长，结果不尽如人意。
但如果按计划行事，企业和知识型劳动力长远来看应该有很大的好处。想想最简单，乏味和耗时的任务，目前正在减缓你的流程，并想象永远不会再做这些。