人工智能和机器学习的三大神话被揭穿
来源：CPDA数据分析师网 / 时间：2021-05-12
因此我们将一些的知识进行了剖析，以帮助您了解当今AI格局的真相。我们将解决一些主要的误解，使您的业务走上通往AI世界成功道路的正确道路。
误解1：AI和ML是同一件事
在简单的层次上，AI可以分为两类：强AI和弱A，这些名称在近几年已经得到了发展，但是通常可以通过以下方式来考虑这些术语，弱AI（有时也称为“窄AI”）是技术的集合，这些技术依赖于算法和程序响应来模拟智能，通常着重于特定任务，当您使用Alexa之类的语音识别系统打开灯时，实际上是弱小的AI，相比之下，强大的AI（也称为“真正的AI”）旨在独立思考。这些是以人脑为原型构建的系统，强大的AI旨在具有认知能力，能够了解上下文和细微差别，并做出决策，这些决策本质上不是程序性的，而是理性分析的结果。一般来说，强大的AI旨在学习和适应，以便明天做出比今天做出的决定更好的决定。
考虑到这种区别，那又是什么 机器学习（或ML）？
机器学习是付诸实践的一种特定类型的AI，其目标是使计算设备可以访问某些数据存储并允许其从中学习，并非所有形式的AI都被定义为机器学习，当Alexa打开灯时，它什么也没学。它只是在等待被告知关闭灯，相反可以给ML系统一个数据馈送-例如，来自一台制造设备上的传感器的温度和公差信息-并被要求得出结论，这可能涉及在该数据中搜索趋势，模式和异常，这对于人类观察者而言可能不是显而易见的信息，终机器学习系统可能会得出结论，因为机器将要发生故障，因此需要对其进行维修，或者机器必须以较低的速度运行。
ML只是AI投入使用的一个示例
各种其他术语也倾向于与一般的AI概念混为一谈，例如深度学习是机器学习的一个子集，它使用软件尽可能地模仿大脑活动，重要的是：AI很难。人工智能很复杂。人们正在四处乱写人工智能术语，混淆了它的含义，了解这些区别很重要，这样您才能知道所得到的。
误解2：人工智能是魔杖
就像具有AI功能的吹风机和具有AI功能的瑜伽裤发出的声音一样令人振奋（是的，这些都是真实的东西），至少在今天，人工智能存在着一个时间和一个地方，在基本的层面上，无论部署在哪个行业及其复杂程度如何，成功构建AI结果的关键都是培训，必须对垃圾邮件过滤器进行培训，使他们了解如何从不良邮件中识别出一封好邮件。语音识别AI必须先听完无数小时的口语对话，然后才能以任何准确度解析所讲的内容。基于AI的工厂车间计划通常每周必须收集数百万GB的数据，以便拥有足够的分析数据来就未来可能发生的事情做出合理的决定。
所有这些都是培训的例子，它不仅是数量的游戏，也是质量的游戏
成功的AI算法必须在正确的数据源上进行训练，否则它们将无法做出正确的决策。如果您要打开电子邮件收件箱，并将来自配偶的所有邮件标记为垃圾邮件，则将来自尼日利亚王子的所有电子邮件标记为良好，您将立即亲眼目睹以错误的方式训练AI可以脱轨的速度，在更先进的工业环境中也是如此。如果传感器校准不正确，并且将不准确的信息提供给监视设备执行的算法，那么所有这些千兆字节的数据终都将变得无用或更糟，因为AI在得出不正确结论的过程中将使用不良数据。
人工智能不一定能解决一切
没有可以采用任何旧技术并以某种方式赋予其认知能力的“ AI开关”或“ AI插件”，人们必须定义问题，确定合适的AI技术来解决问题，使用正确的数据训练工具，然后验证结果是否有效。即使是迄今为止开发的强大的AI工具，也必须随着时间的流逝而谨慎管理，以免它们脱离轨道，一旦AI工具产生了结果，工作就不会结束。许多AI专业人员发现，当AI算法返回错误答案时，他们比正确答案学到的东西更多，这种效应在消费者和工业层面上都是可见的，当基于AI的垃圾邮件过滤器对传入消息进行错误分类时，用户将有机会通过对工具进行正确分类来对其进行重新培训，这为算法提供了新的见解，使您可以首次发现可能遗漏的内容，从错误中学习使得该工具越来越强大，如果垃圾邮件过滤器没有经过重新训练，那么下次将不再准确，并且可能会再次犯同样的错误。
类似地，在制造环境中，想象一下AI会指示机器脱机，因为关键部件即将发生故障。如果零件没有失效，那该怎么办？如果以安全为重点的AI误认为您是黑客，则阻止您的旅行销售人员访问网络，会发生什么情况？由于AI的逻辑性质，开发人员可以确定AI为什么做出这些特定决定，并可以向后工作以确定其在流程中依赖哪些数据。这可能会揭示数据中的缺陷，逻辑处理错误或其他一些本来不会引起注意的错误。
误解3：大多数公司没有资源或对AI / ML的需求
顾名思义，人工智能和机器学习并不能完全传达出简单性，在幕后外行人很难接近这些技术，因此这意味着您需要一支拥有博士学位的数据科学家和大量现金来实施AI，对吗？不能，重要的是要了解从头开始构建人工智能解决方案与在组织内实施现有AI工具之间的区别，首先这是极其困难的，第二是每天变得越来越容易，考虑一下您中使用的所有工具：电子邮件客户端，或诸如数字助理或电子表格之类的生产力工具，它们不是简单的技术，但是您可以在不知道幕后发生情况的情况下掌握它们，随着工具变得越来越容易使用，人工智能也发生了同样的事情。
您可能还会觉得您的业务或特定用例太小或微不足道
不值得在AI上进行投资，您的环境还不够复杂，无法从该技术中受益，确实没有必要“太小”，请记住关键业务向量的微小改进会对底线产生巨大影响，一个仅将生产错误减少1％或正确建议将价格提高几美分的系统，就可以避免成本或获得额外利润，相当于数百万元。挑战主要在于确定这些机会可能存在的地方。