关于人工智能(AI)未来的现实和误解。

深入探讨关于人工智能的四个反复的说法。

显然,人工智能在商业世界中发挥着关键作用–无论是现在还是未来。它拥有前所未有的增效潜力和新的商业模式。因为人工智能不同于其他任何技术,它也蕴含着以前所未有的规模产生意想不到的后果和破坏的可能性。任何公司都不应该在没有战略的情况下盲目部署人工智能,任何负责任的董事会都不能不参与和了解其潜力。

人工智能(AI)正在改变机器和人的合作方式。它正在改善各行业的客户互动,推动运营和流程的改进。超过40%的公司期望人工智能成为 “游戏改变者”。例如,德国政府也希望加快人工智能技术的应用和发展。它计划在2025年前投资30亿欧元用于人工智能研究。  但也有77%的公司表示,业务采用是一个挑战。迄今为止,很少有董事会愿意权衡人工智能带来的风险和机遇。

AI与其他技术创新不同。为了更全面地了解现有的能力和机会,在本文中,我谈到了客户最常对我说的四种说法。

“AI驱动商业创新和成功”

AI和其他领先技术的核心是数据。这方面的数据通常不缺,在这个数据量越来越大的时代,数据是绰绰有余的。根据Statista的数据,到2027年,全球大数据市场将增长到1030亿美元,比2018年的市场规模增长了一倍多。

人工智能模型除了数量之外,还依赖于数据的质量,这一点必须保证。  此外,对于大多数组织来说,面临的挑战是如何捕捉和创建整个企业中存储在孤岛中的数据、来自外部来源的数据以及实时传输到企业中的数据之间的有意义的关联。

管理大数据需要长期的承诺和规划来处理未来的增长。想得太少,可能需要很长时间的人工智能投资才能得到经济回报,并做出商业案例。

选择了错误的平台、工具或集成度不高,也会浪费宝贵的时间,并为实施和持续管理增加大量成本和复杂性。企业层面的治理和安全战略对于在开发新技术时避免监管和合规问题至关重要。与其他领域一样,人工智能技术的发展速度快于监管。但数据(有时是按国家设计的)和人工智能法规的演变将增加。由于任何一个负责任的董事会都不可能毫无准备,但还是要利用潜力,因此,例如,将人工智能战略纳入全公司道德和行为政策的年度评估中,就是一个考虑因素。

“人工智能意味着一场智能革命”

虽然近来人工智能有了飞速的发展,但严格意义上来说,人工智能还只是 “智能”。把我们所取得的成就看作是计算统计学的革命,而不是智能学的革命,可能会更有用。

到目前为止,大部分进展都是在通常所说的 “狭义人工智能”(德语:schwache Künstliche Intelligenz)方面。机器学习技术用于开发解决特定问题的算法和系统,如自然语言处理。

比较复杂的问题是在所谓 “通用人工智能 “领域。面临的挑战是开发出能够像人类一样解决一般问题的人工智能。许多研究人员认为,这距离成为现实还有几十年的时间。

现在,担心邪恶的人工智能,有点像担心火星上的人口过多。这里更大的危险更多的是人类自己。任何对象或算法都没有内在的善恶之分。重要的是如何使用它们。3D打印机可以打印假肢甚至武器。GPS是为了发射核导弹而发明的,现在则是为了帮助运送披萨。形成对算法的看法,意味着要理解人与机器的关系。

“算法的决定是无法追溯的。”

基于规则的算法包含人类编写的指令,因此很容易理解。  理论上,任何人都可以打开它们,按照里面发生的逻辑去做。但基于规则的算法有一个主要的缺点:它们只适用于人类知道如何编写指令的问题。它们的可扩展性也很有限。另一方面,机器学习算法在写指令列表不起作用的问题上,却变成了非常优秀的算法。机器解决的路径对人类观察者来说,往往没有什么意义。

“人工智能(AI)极易出错,数据扭曲。”

在人与机器的关系中,有一个令人兴奋的悖论。虽然很多人被证明会过分相信自己不懂的东西,但一旦知道算法会犯错,他们就会拒绝算法。这被研究者称为算法厌恶。人们对算法错误的容忍度比对自己错误的容忍度要低–即使自己的错误更大。

AI系统的好坏,取决于我们投入的数据。数据差或数据质量差也可能包含隐含的种族、性别或意识形态偏见。想象一下,如果发现一家信贷机构经常因为人工智能培训中的偏见而拒绝申请,对其品牌的影响会有多大。因此,用无偏见的数据来开发和训练这些系统,以及开发易于解释的算法是至关重要的。包括IBM Research在内的一些研究小组已经在开发减少训练数据集中可能存在的偏差(”偏见”)的方法。

此外,为了建立人与机器之间的信任,我们需要采取政策,投资于促进共同发展和共享学习的系统。例如,欧盟委员会人工智能独立专家组制定的《值得信赖的人工智能道德准则》,为在欧盟运营的公司提供了一套新的原则。随着越来越多的产品和软件融入机器智能,我们应该寻找方法在生产它的公司和使用它的人之间建立良性和道德的学习循环。

显然,人工智能在商业中发挥着关键作用–无论是现在还是未来。它拥有前所未有的增效潜力和新的商业模式。因为人工智能不同于其他任何技术,它也蕴含着以前所未有的规模产生意想不到的后果和破坏的可能性。任何公司都不应该在没有战略的情况下盲目部署人工智能,任何负责任的董事会都不能不参与和了解其潜力。

Britta Daffner ist seit über einem Jahrzehnt in der Technologie- und Daten-Industrie zu Hause. Ihr Credo: Innovation und Digitalisierung von Unternehmen vorantreiben – durch Technologie und Führung. Dafür befähigt sie als Abteilungsleiterin im Bereich „Artificial Intelligence & Data Science“ in der Beratungssparte von IBM Unternehmen dabei, das volle Potential aus Daten zu nutzen. Daneben ist sie Autorin des Buches "Die Disruptions-DNA, sowie Coach und Mentor von Leadern, die in der Konzern- und Wirtschaftswelt etwas verändern wollen.

Comments are closed.

This website uses cookies to improve your experience. We'll assume you're ok with this, but you can opt-out if you wish. Accept Read More