了解人工智能与传统技术之间的区别
人工智能近期的普及，加上该领域的新颖性和吸引力，导致许多组织声称其项目利用了 AI 领域的最新进展，而实际上它们大多只使用了标准的条件逻辑、概率和统计。这导致各组织未能认识到 AI 所能带来的好处。
广大公众对人工智能的普遍理解对于确保达成准确的共识以及确保该技术的安全、负责任发展至关重要。尽管有许多理由和内部压力促使组织在不准确的情况下声称使用了AI，但结果是，这些组织也无法从实际的进步中获益。条件逻辑、概率和统计技术是当今大多数组织的基础，虽然它们本身就很复杂和精密，并能带来显著的益处，但它们与今天通常所说的人工智能有所不同。
大多数现代商业应用程序依赖于条件逻辑。在当代编程语言和公式引擎的背景下，如今的业务逻辑通常以布尔逻辑、If-Then-Else 语句和 Case 语句来表达。组织的业务逻辑可以通过条件推理来捕获和表达。虽然这已被证明极具价值，但它与当今通常被称为人工智能的概念有所不同。经常被大量用于预测和预报的概率和统计技术，虽然同样可靠且合理，但实际上并不是人工智能。这些数学结构或多或少是事先理性定义好的，几乎没有常量会改变或变化，而人工智能则依赖于动态性。
相反，如前所述，人工智能通常依赖于从数据中学习的模型，并自行从数据中确定逻辑。自1999年提出通用近似定理的证明、展示神经网络如何逼近任何函数以来，现在更多的精力被投入到通过人工智能而非其他范式来解决程序问题。虽然从理论上讲，可以逼近任何函数，但计算能力和实现该目标的技术在实践中曾是限制因素。然而，最近的进展在弥合理论与实践之间的差距方面取得了长足的进步。
现代人工智能使用的技术包括深度强化学习、自然语言处理、LSTM 和生成对抗模型，实施中使用的框架包括 TensorFlow 和 PyTorch。检验您的项目是否使用人工智能的一个好方法是查看项目中实际使用的工具包。如果不使用该领域的工具，它很可能不是一个 AI 驱动的项目，除非明显例外地依赖于执行矩阵乘法等日常 AI 任务的自定义工具包。
基于人工智能的应用程序和非基于人工智能的应用程序
以下是一些在现实世界中使用的真实人工智能示例：
- 学习从标记数据中检测和跟踪对象的计算机视觉系统；
- 语言处理系统学习回答问题并随时间不断改进，例如聊天机器人；
- 仅凭像素输入，就能学会玩《太空入侵者》、《吃豆人》和《俄罗斯方块》等游戏的游戏代理。
相反，以下是一些通常被声称是人工智能、但实际上并非如此且不应如此声称的例子：
- 依赖概率与统计的预测模型；
- 从数据库检索数据并执行某种聚合或排序的 SQL 查询；
- 在 Tableau 或 Microsoft Power BI 中创建的基于规则的分析仪表板；
- 使用简单公式的 Excel 电子表格；
- 包含一些 VBA 代码的 Excel 宏驱动工作簿；
- 传感器系统将信号发送回控制中心，由人类专家进行解读。
希望采用人工智能的组织的未来方向
在许多情况下，人工智能可以解决复杂问题，但在标准条件逻辑、概率和统计更具优势的领域存在局限性。一个例子是需要100%可靠性的豁免，其中AI系统有时会产生不一致的结果。对于传统技术，说明它们是如何实现的而不是说明它们是基于人工智能的将是有益的，因为这将改善知识的流动。
人工智能正在不断发展，改进迅速涌现，通过部署在现有技术平台和基础设施之上，逐渐渗透到日常生活中。随着其日益普及，准确性比以往任何时候都更加重要，如何应用和解释它也至关重要。随着该领域不可避免地受到更多监管，在滥用AI声明方面所采取的某些自由度将随着时间的推移而得到解决。然而，组织可以通过从现在开始采用准确的AI定义来抢占先机。
真正的人工智能的益处是巨大的，Telemus AI 可以与您的组织合作，推动取得远超传统技术的切实成果。
立即联系我们，免费咨询 Telemus AI™ 如何集成到您的组织中。
