關(guān)于人工智能的七大常見誤解與七個真相！

　　誤解5:機(jī)器>人類

　　在過去的30年里，無論是施瓦辛格在《終結(jié)者》里扮演的電子人殺手，還是艾麗西亞·維坎德在《機(jī)械姬》里扮演的智能機(jī)器人伊娃，媒體一直喜歡把人工智能描繪成比人類更強(qiáng)大的機(jī)器。媒體想編寫一個機(jī)器對戰(zhàn)人類誰會成為贏家的故事，這是可以理解的。但卻歪曲了事實(shí)。

　　例如，最近谷歌DeepMind 的 alphago戰(zhàn)勝韓國棋手李世石的報(bào)道被簡單地描述成機(jī)器戰(zhàn)勝人類。這樣的表達(dá)不是對真實(shí)情況的準(zhǔn)確描述。更準(zhǔn)確的描述是機(jī)器加上一群人打敗了一個人。

　　消除這種誤解的主要理由是機(jī)器和人的技能是互補(bǔ)的。從上面的圖中我們可以看出機(jī)器在處理結(jié)構(gòu)化計(jì)算方面有優(yōu)勢。機(jī)器擅長“找到特征向量”的任務(wù)，不太擅長“找到豹紋裙”任務(wù)。人類在識別意義和背景上具有得天獨(dú)厚的優(yōu)勢。人類很容易“找到豹紋裙”，但在“找到特征向量”方面跟機(jī)器相比不具有優(yōu)勢。

　　因此，正確的框架是要意識到在商業(yè)情景下機(jī)器和人是互補(bǔ)的。人工智能是人和機(jī)器共同工作。

　　錯誤6：人工智能是機(jī)器取代人類

　　主流媒體為了關(guān)注度喜歡描繪一個反烏托邦式的未來，這種情況可能會發(fā)生，但這種描述對正確理解人和機(jī)器如何共同工作產(chǎn)生了不利的影響。

　　例如，讓我們再思索下分類支持票據(jù)的業(yè)務(wù)流程?，F(xiàn)如今大多數(shù)企業(yè)都還是百分百人工操作的。結(jié)果就是不僅進(jìn)度緩慢而且成本線性增長，限制了工作量?，F(xiàn)在想象一下用模型分類10，000張支持票的準(zhǔn)確度是70%。30%的錯誤是不能接受的，就需要人機(jī)回圈的參與。你可以設(shè)置可接受的置信閾值為95%并且只接受模型在置信水平不低于95%時的輸出。所以最初的機(jī)器學(xué)習(xí)模型可能只做了一小部分的工作，比如說5-10%。但是，隨著新的人為標(biāo)記的數(shù)據(jù)被創(chuàng)建，并且將其反饋到機(jī)器學(xué)習(xí)模型中，模型會不斷學(xué)習(xí)并提高。隨著時間的推移，該模型可以處理越來越多的客戶支持票據(jù)分類工作，分類票據(jù)的業(yè)務(wù)量可以顯著提高。

　　因此，人和機(jī)器共同協(xié)作可以增加業(yè)務(wù)量，保持質(zhì)量，減少重要的業(yè)務(wù)流程的單位成本。

　　這就消除了人工智能是機(jī)器代替人類的誤解。事實(shí)是，人工智能是關(guān)于機(jī)器增強(qiáng)人類的能力。

　　錯誤7：人工智能=機(jī)器學(xué)習(xí)

　　主流媒體帶給人們的最后一條根深蒂固的誤解就是人工智能和機(jī)器學(xué)習(xí)是等同的。這個誤解就導(dǎo)致了不切實(shí)際的管理期望—從微軟，亞馬遜或谷歌公司購買商業(yè)機(jī)器學(xué)習(xí)的服務(wù)就能神奇地將人工智能運(yùn)用到生產(chǎn)中。

　　而除了機(jī)器學(xué)習(xí)之外還需要訓(xùn)練數(shù)據(jù)和人機(jī)回圈才有可能找到可行的人工智能解決方案。

　　沒有訓(xùn)練數(shù)據(jù)的機(jī)器學(xué)習(xí)就像一輛沒有汽油的汽車。既昂貴又無用。

　　沒有人機(jī)回圈的機(jī)器學(xué)習(xí)是不會有好的產(chǎn)出的。機(jī)器學(xué)習(xí)模型需要人的參與來去除低的置信度預(yù)測。

　　因此，如果你是一個想把人工智能應(yīng)用到業(yè)務(wù)上的執(zhí)行官，現(xiàn)在你應(yīng)該對它有一個認(rèn)識框架了。你應(yīng)該用人工智能的7個真理來代替這7個誤解。

　　真相1：人工智能=訓(xùn)練數(shù)據(jù)+機(jī)器學(xué)習(xí)+人機(jī)回圈

　　真相2：人工智能屬于任何行業(yè)

　　真相3：人工智能可以用幾百萬美元來解決現(xiàn)有的商業(yè)問題

　　真相4：算法并沒有比訓(xùn)練數(shù)據(jù)的數(shù)量和質(zhì)量更重要

　　真相5：機(jī)器和人是互補(bǔ)的

　　真相6：人工智能是機(jī)器增強(qiáng)人的能力

　　真相7：人工智能=訓(xùn)練數(shù)據(jù)+機(jī)器學(xué)習(xí)+人機(jī)回圈