人工智能對人類生活和市場的影響非同尋常。據(jù)世界經(jīng)濟統(tǒng)計，到2030年，人工智能可貢獻約15.7萬億美元。如果我們計算這個前景，那就是幾個公司的合并經(jīng)濟。

我們都曾多次目睹人工智能應(yīng)該被每個人所采用。這是真的;沒有人否認(rèn)這一點——盡管沒有人談?wù)撊斯ぶ悄茴I(lǐng)域失敗的項目。

[[417727]]

當(dāng)一些商業(yè)領(lǐng)袖考慮通過將人工智能執(zhí)行到他們現(xiàn)有的技術(shù)堆棧中或?qū)⑵溆糜谙旅媪钊斯奈璧捻椖繒r，他們不斷地讓自己失敗，而不是實現(xiàn)他們計劃的目的。另一項在2020年進行的研究顯示，大約28%的人工智能項目無法進行。

專家們認(rèn)為，企業(yè)人工智能失敗的原因在于企業(yè)自身缺乏有效的人工智能策略。形成一個蓬勃發(fā)展的人工智能戰(zhàn)略需要精心準(zhǔn)備，建立明確的目標(biāo)，成長一個強大的管理團隊。

也就是說，如果我們部署人工智能系統(tǒng)，就意味著商業(yè)的數(shù)字化轉(zhuǎn)型。在機器學(xué)習(xí)中，它可能會增加你的商業(yè)運作——但在人工智能中，它并不總是發(fā)生。

以下是可以預(yù)測人工智能項目失敗的最常見錯誤和誤判：

1. 失敗算法的改進

人工智能算法的發(fā)展可能會出現(xiàn)一些問題。這種類型的系統(tǒng)受到它的生產(chǎn)者的影響，因為它的創(chuàng)造需要它對人類進行同樣的操作。這是經(jīng)常發(fā)生的問題的重點。開發(fā)人員的工作可能會注意到人工智能。

失敗背后的另一個原因是，開發(fā)人員可能需要通過排除一些數(shù)據(jù)刪除過程和添加一本手冊來分析程序。它會把數(shù)據(jù)弄亂，得出錯誤的結(jié)論。另一方面，對于所需的目的來說，該算法可能過于具有挑戰(zhàn)性。

2. 數(shù)據(jù)策略不足

獲取人工智能項目的最大問題之一是缺乏數(shù)據(jù)策略。在開始成形之前形成一個可靠的數(shù)據(jù)策略是至關(guān)重要的。您需要指出您擁有哪些數(shù)據(jù)，制定策略如何將來自不同資源的所有數(shù)據(jù)放在一起，估計需要多少數(shù)據(jù)，最后計劃如何提取和修改數(shù)據(jù)。

一些組織要么開始時沒有項目，要么完全沒有開始人工智能項目，因為他們覺得他們沒有足夠的數(shù)據(jù)，或者數(shù)據(jù)不充分。但是，阻礙人工智能發(fā)展的最重要的數(shù)據(jù)障礙是，在啟動人工智能項目之前，沒有形成一個團隊范圍的數(shù)據(jù)系統(tǒng)。一個有效的人工智能數(shù)據(jù)計劃必須包含你所有的數(shù)據(jù)問題，并提供一個積極的方式，以獲得最佳的數(shù)據(jù)潛力的實踐和試驗?zāi)愕脑O(shè)計。

3. 投資不足

人工智能和機器學(xué)習(xí)是現(xiàn)代先進技術(shù);最新技術(shù)需要基金來開發(fā)。由于開發(fā)和生產(chǎn)人工智能項目的巨大成本，一些公司不愿意投資于所需的團隊和軟件，以提供有前途的人工智能。這影響了你讓數(shù)據(jù)科學(xué)家完成第一部分的工作。

即使企業(yè)中有了新的自動機器設(shè)備，也經(jīng)常需要有數(shù)據(jù)科學(xué)家來維護和驗證由這些自動化方法生成的模型，因為大量數(shù)據(jù)不能為模型的運行提供證據(jù)。在提供數(shù)據(jù)和使用模式時，還需要額外的軟件和人員來源。

4. 不合適的數(shù)據(jù)科學(xué)家

要經(jīng)營任何企業(yè)，你都需要一個在這一領(lǐng)域的專家，他能處理和管理一切。然而，一些從事數(shù)據(jù)分析工作的人在參加了一個在線課程后，給自己起了一個數(shù)據(jù)科學(xué)家的名字。事實是，熟練的數(shù)據(jù)科學(xué)家需要管理大多數(shù)機器學(xué)習(xí)和人工智能項目。缺乏經(jīng)驗的數(shù)據(jù)科學(xué)家經(jīng)常指出無效的開始，看起來不錯的小設(shè)計，以及大量的時間消耗。

不過，考慮到當(dāng)前的經(jīng)濟形勢，聘用數(shù)據(jù)科學(xué)家并非易事。這些熟練的資源是有限的，而且非常昂貴。而數(shù)據(jù)科學(xué)是一項復(fù)雜的工作，需要多年的統(tǒng)計、數(shù)學(xué)和編程技能才能成為專家。

5. 不足以部署規(guī)則

在最長的一段時間里，模型沒有擴展的原因是為了支持。這種切換可能包括錯誤，需要在部署之前有效地重新測試和檢查模型。這種方法可能需要時間，而且當(dāng)模式可用于創(chuàng)建時，它可能是不合適的。

6. 項目太復(fù)雜

企業(yè)知道，人工智能項目在時間和資源方面相當(dāng)昂貴。人工智能的價值形成了一種趨勢，即專注于雄心勃勃的項目，這些項目最終將改變業(yè)務(wù)并帶來巨大的投資回報。最終，涉及人工智能的公司需要最大的投入。

結(jié)語

擁有人工智能是很好的，但是如果用一個合適的策略來部署人工智能的話，它將是一個巨大的失敗。記住上述因素，減少失敗的人工智能項目的數(shù)量。