it和商業(yè)領(lǐng)袖經(jīng)常對人工智能(ai)可以為他們的組織做些什么感到困惑，并受到幾種ai誤解的挑戰(zhàn)。 gartner表示，開發(fā)人工智能項目的it和業(yè)務負責人必須將現(xiàn)實與神話分開，才能制定未來的戰(zhàn)略。

gartner研究副總裁alexander linden表示，“隨著人工智能技術(shù)進入組織，企業(yè)和it領(lǐng)導者必須充分了解人工智能如何為其業(yè)務創(chuàng)造價值以及其局限性。

“人工智能技術(shù)只有在它們成為組織戰(zhàn)略的一部分，并以正確的方式使用時才能提供價值。”

gartner指出了五個關(guān)于人工智能的常見誤解。

誤區(qū)1：人工智能的工作方式與人腦相同

ai是一門計算機工程學科。在目前的狀態(tài)下，它由旨在解決問題的軟件工具組成。雖然某些形式的人工智能可能給人一種聰明的印象，但認為當前的人工智能與人類智能相似或等效是不切實際的。

linden表示，“某些形式的機器學習(ml) - 人工智能 的一種- 可能是受到了人類大腦的啟發(fā)，但它們并不等同。”

“例如，圖像識別技術(shù)比大多數(shù)人更準確，但在解決數(shù)學問題時沒有用處。今天ai的規(guī)則是它很好地解決一項任務，但如果任務的條件只有一點變化，它就會失敗。“

誤區(qū)2：智能機器自學

需要人為干預來開發(fā)基于ai的機器或系統(tǒng)。參與數(shù)據(jù)可能來自經(jīng)驗豐富的人類數(shù)據(jù)科學家，他們正在執(zhí)行諸如框架問題，準備數(shù)據(jù)，確定適當?shù)臄?shù)據(jù)集，消除訓練數(shù)據(jù)中的潛在偏差，最重要的是，不斷更新軟件等任務使新知識和數(shù)據(jù)能夠集成到下一個學習周期中。

誤區(qū)3：人工智能可以沒有偏見

每種人工智能技術(shù)都基于人類專家的數(shù)據(jù)、規(guī)則和其他類型的輸入。與人類相似，ai本質(zhì)上也存在這樣或那樣的偏見。

linden表示，“今天，沒有辦法完全消除偏見，但是，我們必須盡量減少偏見。”

“除了技術(shù)解決方案，例如各種數(shù)據(jù)集之外，確保與ai合作的團隊的多樣性以及讓團隊成員審查彼此的工作也是至關(guān)重要的。這個簡單的過程可以顯著減少選擇并確認偏差。“

誤區(qū)4：ai只會取代不需要高級學位的重復性工作

ai使企業(yè)能夠通過預測、分類和集群做出更準確的決策。這些能力允許基于ai的解決方案取代平凡的任務，但也增加了剩余的復雜任務。

一個例子是在醫(yī)療保健中使用成像ai?；赼i的胸部x射線應用可以比放射科醫(yī)師更快地檢測疾病。在金融和保險行業(yè)，機器人顧問正被用于財富管理或欺詐檢測。這些能力并沒有消除人類參與這些任務，而是讓人類有更多的時間去處理更不尋常的案件。

隨著人工智能在工作場所的發(fā)展，業(yè)務和it領(lǐng)導者應調(diào)整工作檔案和容量規(guī)劃，并為現(xiàn)有員工提供再訓練選擇。

誤區(qū)5：并非每個企業(yè)都需要人工智能戰(zhàn)略

每個組織都應該考慮ai對其戰(zhàn)略的潛在影響，并研究如何將該技術(shù)應用于組織的業(yè)務問題。在許多方面，避免人工智能開發(fā)與放棄下一階段的自動化是一樣的，最終可能會使組織處于競爭劣勢。

“即使目前的策略是'no ai'，這也應該是基于研究和考慮的有意識決策。并且，與其他所有戰(zhàn)略一樣，應根據(jù)組織的需求定期進行重新審視和更改。人工智能可能比預期更快需要，“linden總結(jié)道。