误导沟通
数十年来，计算机技术一直是好莱坞的宠儿。 通常这是不好的，无论是“ 2001：太空漫游”中的HAL还是“终结者”中的T-800。 有时候，它是经过深思熟虑的，例如“ Ghost in the Shell”中的Project 2501。 无论发生什么情节，当我们从电影和电视中获得的机器人大军和超级智能计算机时，很少有主题会引起如此恐惧和厌恶。
在过去的几年里， 人工智能和机器学习的兴起并没有帮助，甚至更应该了解的人也开始感到恐惧。 事实是，围绕AI的大部分担心来自过度活跃的想象，即机器会模仿我们自己的不良行为。
[ 也在InfoWorld上：深度学习与机器学习：理解差异 ]
除了天网，还有一些合理的问题和答案。 因此，让我们分解一下关于AI及其所有分支的神话和现实，例如机器学习和深度学习。
误解：人工智能将带走工作。
现实：人工智能通常会改变现有工作并创造新工作。
这是最大的恐惧，这是合理的。 在客户服务，数据中心管理和放射学等领域，人工智能已被用来自动化许多无聊的重复功能。 这是否意味着服务器管理员失业？ 不，这意味着他们可以自由地执行更具挑战性的任务。
有些行业可能会受到影响，有些工人可能会流离失所，但是这种情况经常不断发生。 1800年代后期的工业革命导致大规模流离失所。 汽车使马车行业停业。 没有话务员就无法拨打早期电话，而AT＆T拥有众多电话。
“那些工作被人工智能取代的人会发生什么？ 他们继续从事其他工作。 我们已经在整个人类历史中做到了这一点。 这并不是什么新鲜事。”数据中心运营商QTS的创新副总裁David McCall说。
数字业务转型加速器Neoris的数字转型和美国运营主管Anthony DeLima表示：“基于我们与大公司所做的所有工作，我们看到低水平的知识型员工正在流离失所。”
DeLima说：“人工智能使知识工作者完成的许多任务自动化，以更高的准确性进行24/7的操作，并且还提供洞察力和客户或市场走向的前瞻性视图。” “因此，在某些情况下，人工智能的预测水平超出了人们的能力。”
DeLima有33％的规则：33％的知识工作者容易做出改变，33％的人希望做出改变，但需要接受大量培训才能成为更高水平的知识工作者，33％的人无法适应或接受再培训。 对于这最后的33％，变化是如此之大，他们必须继续前进。
[ 也在InfoWorld上：用于AI开发的6种最佳编程语言 ]
神话：人工智能比人更聪明。
现实：人工智能就像您对其进行编程一样聪明。
麦考尔说：“我们向AI投影了我们将要做的事情。” “我认为地球上最聪明的引擎是人的大脑，我们不会构建比人的大脑更智能的AI。 人工智能不是有感觉的，不是意识的，我认为它不会比我们聪明。”
没有人，就没有人工智能。 创建构成AI的算法和信息的人员。 McCall指出，我们会构建，教导它并提供工具来代表我们做出某些决定。
狭义地讲，AI可以在某些领域用于比人类更快地做出决策。 这并不意味着决策总是正确的，周到的或永远正确的结果。”麦考尔说。 “ AI是否具有社交意识？ 您如何教AI阅读房间？” 有些决定只能由人做出。
误解：AIOps主要基于事件管理和关联。
现实：也许刚开始，但它正在发展。
AIOps软件开发商OpsRamp产品策略副总裁Ciaran Byrne表示：“ AIOps的最初浪潮确实使我们的事件管理系统得以发展，以基于相关警报（例如类似警报的分组）执行降噪。” 鉴于噪声长期以来阻碍了事件管理系统的可用性，因此这是向前迈出的重要一步。
但是，更大的利益即将出现。 Byrne说：“下一波浪潮已扩展到IT运营的其他领域，例如自动化和监视/可观察性。” “用例将包括票证的智能路由或基于所学模式的自动化。”
误解：公司不需要AI战略。
现实：哦，是的。
QTS预测，在未来十年内，没有组织，行业或业务部门会完全避免被AI所影响。 没有AI计划是一个冒险的提议，因为您的竞争肯定会-他们将能够更快地响应市场变化。
SYNTASA的首席执行官Jay Marwaha表示同意，他是客户交互和行为数据的行为分析软件的开发人员。 他说：“与我们打交道的客户感到，AI是公司必须采用的下一件大事，并且必须立即扩大其收入或降低其利润。”
[ 也在InfoWorld上：人工智能可以真正为您的业务做（以及不能做的事情） ]
Marwaha补充说，人工智能的影响力取决于这些公司如何使用人工智能，以及那些完全使用人工智能的公司表现如何。 “许多公司都不了解其中的全部情况。 他们看到了流行语，听到了其他公司的利用。”他说。 “回报并不总是那么多，但在某些情况下，回报是巨大的。”
误解：人工智能将做出医疗决策和诊断。
现实：是的，但是人工智能不会硬道理。
如今，放射科医生是X射线，MRI，CAT扫描和其他医学图像评估的专家。 AI的主要工作之一是教授图像分类器以识别异常，例如肿瘤。 人工智能具有扫描数百万张图像的能力，以学习比任何人都能更快，更彻底地解释扫描结果。
但是，医生或放射科医生仍将在确定诊断时拥有最终决定权。 只需几分钟即可完成诊断，而不是几天或几周。
神话：我不知道人工智能在做什么以及我是否可以信任它。
现实：人工智能现在更加透明。
早期，AIOps被认为是一个“黑匣子”，即一个神秘的系统，其生成的输出没有提供有关底层算法的作用和原因的见解。 但是，随着时间的流逝，我们看到这些解决方案已经成熟，越来越多的“白盒子”方法正在获得信任和采用。
OpsRamp的Byrne说：“尽管某些系统不提供透明度，但越来越多的软件供应商和AI系统提供了更多有关执行原因的可见性。” 他说：“棘手的事情是提供适当的透明度，以免压倒用户，获得他们的信任和理解。”
误解：我需要一个数据湖来训练我的AI。
现实：排干沼泽。
非结构化数据比结构化数据差，因为它占用空间。 要摆脱它，您必须消耗资源来筛选所有内容。 QTS的McCall说，因此，出于非结构化数据的原因，非结构化数据可能比没有用的情况更糟。
麦考尔说：“当今世界正在研究如何构造和组织数据以对其进行挖掘，以及如何构建历史算法和范例。” “可以使用一些非结构化的数据，但是当我们在数据点上打开闸门时，您绝对必须拥有一个能够在以后组织和构造数据的数据湖。”
[ 通过InfoWorld Daily新闻通讯了解软件开发，云计算，数据分析和机器学习方面的最新发展 ]
误解：建模决定结果。
现实：您不能确定。
所有AI计划都从测试项目开始。 在测试阶段，您可能会获得出色的结果，但是发现将模型部署到生产中时，模型的准确性要差得多。 这是因为必须对AI和机器学习模型进行数据训练，并且训练数据必须代表真实数据，否则结果会受到影响。
还要注意，您的AI模型训练永远不会完成。 一旦将模型投入实际使用，其准确性就会开始下降。 下降的速度将取决于现实世界中数据更改的速度（客户偏好可以快速更改），但是您的模型迟早必须使用代表世界新状态的新数据进行训练。
“定义您的训练数据集是一项艰巨的任务。 您的培训数据必须与生产数据相同。” Marwaha说。 “这是使程序成功的关键。” 在您的AI模型的整个生命周期中，这是您需要一次又一次求助的关键。
翻译自: https://www.infoworld.com/article/3514577/8-misleading-ai-myths-and-the-realities-behind-them.html
误导沟通
扫一扫
570
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
