2024
年
10
月
8
日，美国东部夏令时间晚上
8
点
19
分，摘自《福布斯》杂志
这是一个激动人心的时代，新技术拥有巨大的潜力，能够改变我们的生活方式和经营方式。
然而，有时宣传语言
与
你在IT
领域
新进展中看到的
结果
并
不相符。专家（
包括
Gartner
的
专家）谈论新技术的
“
炒作周期
”
，
这
会影响到
它们在全新出现时
的
认知度和使用方式。
人工智能并非不受影响，它目前
正
处于自己的炒作周期
中
。在评估
人工
智能的准确潜力时
，
人们往往忽略
了
这些因素。
现实世界中的
AI
许多人工智能实体非常擅长接收输入，并根据语言模型输出结果，但它们可能无法处理现实世界的决策，也无法真正详细分析周围环境。
例如，你
可能会
看到
一些人工
智能工具
能够
准确
预测
对
某个
问题
的
最佳回答
，或
者通过基于传感器
的
系统和卷积神经网络
“
看
到
”
周围
的
环境
。
但
它们在
真正
辨别
环境
方面可能
存
在不足
。它们可能无
法
识别常见的物体，或者无法完全识别它们
所
看到
的东
西。这些不足可能是危险
的
，甚至
是
致命的，就像某些自动驾驶系统在早期迭代阶段
出
现的一些情况一样。
因此
，
在我们前进
的过程
中
，
要
时刻
牢记这一点。
机器学习和
人工
智能
其他一些
人则
关注
着
围绕新应用
的
无休止炒作
，他们
指出，我们称之为人工智能
的
一些
案例实际上是机器学习程序，例如，它们
具有
预测性
，
但
并
不真正具备人类
的
认知
能
力。
换句话说，人工智能是一个
相对
模糊
的
概念
，指的
是
一些
系统
，它们
或许
能够以与我们相同的方式
完成
某些
任务
，
但
并
不
像
我们想象
的那样
“
思考
”
。我们视
它们为
“
与
我
们
相似
”
，但
实际上，
它
们大相径庭
。尽
管它们可能在追寻相同
的
终极答案，但思考
人工智能
实体和人类如何
以不同的
方式看待事物、理解
不
同
的
概念以及以不同的方式工作，会很有意义。
因此，考虑到这
一点
，我们不
应
仅仅说
AI“
做了
”
这个或那个，
而
应该评估它
是
如何
做到
的
。它是基于启发式数据和猜测
来
做到
的吗
？它真的有能力判断一
种
情况并
做出
最佳反应
吗
，还是仅仅通过任何数量的图灵测试来欺骗我们？
当我们开始回答这些问题时，我们便开始拨开炒作，看清当今人工智能的真实面貌。
谈论人工智能的公司
还有一种炒作现象，即公司大肆宣扬他们将利用人工智能做的一切，但当你环顾整个行业时，却发现目前人工智能的应用还不多。
如果你根据在企业文献或其他任何地
方
提到人工智能的人数
来判断
，这些数字可能
会让人感
到困惑。这真的
会
转化为行动
吗
？
你
必
须
真正了解这项技术被应用
在
何处
，
以便准确把握它的使用方式。你还必须记住整合与员工培训至关重要：以正确的方式将技术与现有业务流程相结合，将决定这项创新对公司是助力还是阻力。
识别
AI
缺陷
在很多情况下，人工智能会产生幻觉。它会犯错误。它并非全知全能。但它会让人误以为自己正在与一个绝对可靠的事物打交道
——
直到人工智能犯了一个错误。
这是人工智能伦理理念的一部分，即我们需明确系统如何做出决策，并将相关数据公之于众，供所有人查看。我们希望确保能够判断人工智能是否在执行其任务，以及其产出是否真实无误。用户若忽视这一点，将自担风险。
如何利用人工智能发现真正的价值
那么，企业该如何正确使用人工智能，以推动其发展呢？
首先，你需要明确公司的目标和宗旨，并确保人工智能能够满足这些需求。你打算自动化哪些工作负载和流程，以及如何实现？这对业务流程有何影响？
此外，公司还可以利用预测性人工智能和数据来创造商业洞察力、实现自动化以及其他改进。例如，他们可能能够根据人工智能在一致基础上的实际能力，使业务流程更接近理想状态，或引入关键的效率提升。
数据治理是另一个重要问题。公司必须妥善处理数据，并采用适当的方法来驱动其系统。这意味着需要考虑数据所有权、知识产权等方面。在这些问题得到妥善处理后，公司才能更接近真正的实施。这将推动事情向前发展。
在这个人工智能技术以惊人速度融入我们生活的时代，那些能够避开人工智能炒作周期中常见陷阱的人，更有可能取得更大的进步。
