尽管AI无处不在，但其在企业中的采用仍然受到知识和意识差距的阻碍。在冠状病毒大流行蔓延的情况下，许多企业继续使用人工智能来解决紧急业务问题。凭借其对内部财务优化和外部客户体验的价值延伸影响，人工智能解决方案的重要性在大流行之后变得显而易见。研究表明，如今超过70%的企业将人工智能视为游戏规则的改变者。然而，只有不到40%的企业目前使用AI或计划很快使用它。人们对人工智能重要性的认识还存在很大差距。以下是关于人工智能的五个常见误区或误解：误区1：人工智能全都与数据和算法有关。直到20世纪90年代人工智能技术被广泛宣传之前，人工智能是一门几乎专门处理数据和算法的科学学科。然而，在过去的几十年里，该领域已经成熟，人工智能已成为企业自动化决策系统不可或缺的一部分，这些功能对个人和组织的工作至关重要。因此，人工智能研究、开发和实施的很大一部分涉及人员和流程。该研究公司与一家大型能源供应商进行了业务对话，讨论了由客户数据和智能电表驱动的自动化系统和数据驱动方法，这些方法可以增强客户体验。讨论中，他们突然问道：“这一切看起来很有希望，但我们是不是应该在人工智能方面做点什么？”虽然他们提出的是人工智能实现中固有的，但这个术语本身并没有被使用，所以AI对于正在讨论它的公司管理层代表来说并不完全清楚，这意味着AI对他们来说只是一个流行语。误区二：数据很多，一定有有价值的东西在里面。例如，如果你在家做饭而没有时间去购物，只能在冰箱里找到食材，这种解决方案只是偶尔有效。但是你不能用这种方法开餐馆。人工智能项目可能就是这种情况。真正的问题是：“你想达到什么目的？”从数据选择到项目实现，任何人工智能项目都应该从业务挑战开始，而不是数据。误区3：已经聘请了顶级数据科学家，因此AI将以这种方式推动业务发展。人工智能不仅仅是复杂的算法和数据分析，还涉及必要的支持工作，如协调、清洗和准备必要的数据集。为此，公司应该从聘请数据工程师而不是数据科学家开始。同样重要的是，人工智能还涉及各种非技术能力。因此，一个成熟的人工智能团队不仅包括数据科学家和工程师，还包括具有心理学、社会学、商业、法律和伦理学背景的专业人士，当然还有最终用户。误区4：AI是一个黑匣子，因此永远无法理解和信任它在做什么仍然有许多正在创建的AI系统，其决策背后的内部机制不为外人所知。然而，更重要的是，企业有足够的机会避免这种情况。在这个领域，人们称之为“可解释的人工智能”：人工智能的实现不仅能展示他们的决定，还能让人们全面理解他们为什么做出那个决定。例如，医疗AI算法可能会帮助医生做出诊断（例如检测肿瘤），因为它可以比任何医生都更有效地扫描数以千计的患者记录。但是，医生应该始终能够理解为什么该算法将医学图像上的特定特征识别为肿瘤。这样，医生就可以根据自己的背景和就医经验做出最终的验证，确定或否定人工智能的诊断。误区5：AI由于隐私法规而被禁用许多人声称隐私法规（例如欧洲的通用数据保护法规）阻止了使用AI的可能性。事实上，情况正好相反。法规提供了一个框架，描述了如何收集、管理和交换数据。因此，他们确保尊重各种观点和利益相关者意见的合规性，而不是禁止采用人工智能。多亏了这些举措，以及国家和国际层面存在的众多伦理委员会等其他举措，人们对各种法规在AI背景下的作用持相当乐观的态度。以汽车行业为例。自汽车问世以来，人身伤害和死亡事件一直在继续。但是，汽车并没有被禁止。相反，汽车给我们带来的好处，是可以通过不断的实践和改进来收获的。人们需要在创新技术的采用与其对自然和社会的负面影响之间找到适当的平衡点。这也是人们在人工智能永无止境的发展中争取更好结果的理想境地。因为人们最不想要的就是禁止使用人工智能的法规。
