当我在大约15年前将AI作为计算机硕士学位的一部分进行学习时，人工智能仍然在很大程度上声名狼借。它已经遭受了数十年的过度承诺和交付不足，如果你进入一家公司说你想用人工智能做一些事情，你会受到高度怀疑。
现在，很少发现任何技术驱动的企业没有某种AI。它类似于互联网泡沫，世界上每一个企业，甚至企业内的大多数项目，都必须拥有一个网络元素。现在，AI也是如此。
在最近由O'Reilly和英特尔AI提出的AI会议上，西北大学的Kris Hammond建议有三个驱动因素。首先，人工智能在其能力上已经变得像神一样。头条新闻预测一项技术将破坏就业，扰乱行业，并且通常会对个人，组织乃至整个社会产生深远而令人担忧的影响。
这会产生一种恐惧感，这种恐惧感很大程度上与害怕被遗忘有关。 正如头条新闻推动人工智能的能力做出伟大的事情一样，他们也经常提醒我们，我们大多数人都是相对落后的人。 从统计数据来看，这当然不是真的，虽然Facebook，亚马逊和世界上的谷歌确实做得很好，但大多数公司都没有。
对于人工智能是什么，它能做什么，以及它如何使企业受益，人们普遍存在高度无知，这种担心更加复杂。 如果没有这种理解，就不可能对人工智能可以为您的企业做些什么做出明智的观点，因此管理人员只是努力做某事，确保他们不是'那个'没有使用AI来'转变'他们的业务的组织。
如何将A融合到企业中？
那么组织如何克服这个问题呢？克服无知是一个很好的起点，哈蒙德提供的教程是许多技术活动的一个令人愉快的突破，这些活动主要由来自该活动所涵盖的任何学科的人参加。数据科学家参加数据事件，机器人专家参加机器人事件等。然而，在O'Reilly活动中，技术人员占少数，大部分与会者来自管理职能。
本次会议首先概述了人工智能是什么，通过机器学习的哨声停止之旅，特别是学习本身的本质，这些都是当今所有机器学习系统使用的监督，无监督和强化学习模型的结果。
机器学习当然只是人工智能的一个方面，麦肯锡最近确定了五种不同的形式，包括物理人工智能，计算机视觉，自然语言处理，自然语言，然后是机器学习。了解每一个是什么，即使在基本层面，你可以帮助你做出明智的选择，而不是被炒作吸引。
在此基础上，您可以了解您在业务中遇到的核心挑战，并探讨AI是否可以为您提供帮助。在评估问题是否适合人工智能时，哈蒙德建议考虑三件事：
您的任务真的是数据驱动的吗？
您是否拥有适当且足够的数据来支持任何AI驱动的解决方案？
您需要自动化提供的规模吗？
如果您遇到忽略业务的解决方案，忽略数据，以技术为导向并在问题出现之前提出承诺，则应设置警告信号。
把车放在马前
从许多方面来说，我们可以从剥离人工智能的炒作中获益，实际上也可以从我们这个时代的其他热门话题（也许是区块链，或量子计算）中获益。 这种炒作使我们对技术能够或应该实现的目标抱有过多的期望。
就人工智能而言，也许更明智，更不性感的第一步是开始建立人工智能无疑依赖的数据基础。 如果您没有强大的数据分析功能，那么将来很难构建更全面的AI功能。
从那时起，下一个挑战就是心态。 当然，掌握技术和技能是至关重要的，但有一个重要的部分根本不是技术相关的。 当你去像O'Reilly这样的活动时，你会觉得管理者需要知道数据，数学和人工智能本身才能有效。
但实际上，您将拥有数据科学家和编码人员来完成技术工作，就像您在业务方面的人员是他们所做的专家一样。 管理者需要能够在两个世界之间进行转换。
当然，需要对该技术有一定程度的了解。 简单地“信任”这项技术是不够的，就像它是一个黑盒子一样，但你也不需要自己成为一名专家。 您需要的是足够的理解，以帮助您开始收集和管理推动业务所需的数据集大小。
我怀疑，就像之前网络所做的那样，人工智能最终会改变每一项业务，但这需要的时间比我们预期的要长一些。 作为领导者，您的角色是确保技术人员不能完全控制您的AI工作，并且他们仍然与业务联系在一起。 如果您能够提供该管道并确保组织处理其最紧迫的问题，那么您就有更大的成功机会。
然而，在采用调查中，最先进的AI公司在其他数字化领域也是最先进的，这也许不足为奇。 人工智能的早期采用者是那些投资于数字能力的人，迄今为止的证据表明，如果不先进行“基本”数字化转型工作，就不可能超越人工智能。 如果你还没有开始，那就没有比今天更好的时间了。
网友评论