AI商业化下的技术演进

本期主要内容:一文看懂NLP神经网络发展历史中最重要的8个里程碑! 李开复:年轻人现在就该开始找AI替代不了的工作;都去炒AI和大数据了,落地的事儿谁来做?从腾讯知文看,怎样做好智能问答机器人? 人人恐惧AI寒冬,他却希望泡沫再破裂一次。
用户头像
作者: InfoQ 中文站
下载此书
AI商业化下的技术演进

卷首语:AI 的大规模发展需要解决信任问题

Gartner 最近的一份报告称,AI 正在成为一种新兴的“大趋势”。尽管如此,现代 AI 尚未在企业中真正落地,在构建 AI 功能和寻找最佳应用程序方面仍然存在着诸多障碍。但对于大型企业来说,信任是广泛采用 AI 的一个更大的问题。

为什么说企业 AI 仍然处在试点阶段?

TechEmergence 最近的一项研究表明,企业中的大多数 AI 项目都只是试点项目,完全成熟的工业级 AI 系统仍然很少见,除非是少数科技巨头开发的系统。导致这种情况的因素有很多。

首先是 AI 人才缺口。很多公司无法招到能够开发有效 AI 系统的 AI 专家。不过现在有越来越多的在线学习材料,以及新开设的学位和非学位课程,这些应该有助于在未来几年缓解这一问题。

其次,开发 AI 系统不仅仅是数据建模。但迄今为止,实验室研究和开源社区的大部分工作都集中在建模任务上。斯坦福大学的 DAWN 项目、伯克利的 RISELab、麻省理工学院的 ML 2.0 以及 DataBricks 的 MLflow,都在致力于解决这一问题。

第三,一些 AI 方法还不够成熟。虽然现代 AI 方法确实存在很多局限性,但大量工业应用仍然可以利用层出不穷的文献中所提到的技术从 AI 转换中获益。

最后一个问题,也是最重要的一个,那就是信任问题。

如果说上述的问题都已得到解决,那么到最后我们所面临的挑战就只剩下信任了:企业需要什么样的保证来采用 AI 解决方案?什么样的检查或认证是正确和充分的?组织如何说服员工建立对这些新智能系统的信任?这就是 AI 信任的全部意义所在。

即使 AI 模型在训练和测试期间已经达到了可接受的性能水平,但这并不意味着它们会被最终用户信任或采用——无论是公司员工还是消费者自己。缺少了信任,AI 的采用和影响将是很有限的。

尽管信任至关重要,但大多数 AI 研究仍然把重点放在改善广泛使用的性能指标上,包括速度和准确性。虽然这种方法可能可以用于比较 AI 方法和量化某种进展,但要说服人们——尤其是没有 AI 技术知识的人——信任 AI 系统,是远远不够的。

信任的发展是一个错综复杂的过程。一个值得信赖的 AI 系统,它必须解决植根于人类信任当中的若干与技术、社会和心理相关的挑战。

我们应该对 AI 系统抱持适当的信任,即与它们的真实能力成比例。对 AI 过度的错误信任可能会非常危险,最终会导致信任破裂。所运的是,AI 研究界对这个问题的认识也在不断提高。

未来会怎样?

对 AI 的信任将成为大规模采用 AI 的主要推动力之一。意识到这一点,最终将有助于 AI 研究人员和从业人员开发能够被企业广泛采用的 AI 方法和框架。

目录

一文看懂 NLP 神经网络发展历史中最重要的 8 个里程碑!

李开复: 年轻人现在就该开始找 AI 替代不了的工作

都去炒 AI 和大数据了,落地的事儿谁来做?

从腾讯知文看,怎样做好智能问答机器人?

人人恐惧 AI 寒冬,他却希望泡沫再破裂一次

AI 技术寡头争霸: 控制开源工具,就控制了整个生态

这些机器学习技术趋势正在消失,你需要了解一下

免费下载此书(PDF)

收藏

评论

微博

用户头像
发表评论

注册/登录 InfoQ 发表评论