通往人工智能的高速公路还有哪些关卡？

最近一段时间，我们为读者精选了来自人工智能领域的许多“干货”文章，然而，若想更好地应用AI 技术，还有社会现实、文化道德等多方面的因素需要提前纳入考虑。HPE 实验室的首席架构师Kirk Bresniker今天为我们带来他对AI面临的机遇、障碍和道德规范的看法。

最近，我参加了《经济学人》创新峰会（Economist Events’ Innovation Summit）论坛，席间，我们探讨了AI将会怎样驱动未来企业和世界。

AI将怎样融入商业、科学研究、人与人之间的互动以及生活的方方面面？这个问题已经开启了一场思想的盛宴。AI将会进入汽车、手机等所有的东西中去。但问题是，今天每个人都在想：“如何迈出AI的第一步呢？”

经过一番热烈又相当积极的讨论，我吃惊地意识到，虽然行业是以小时为单位地快速进化着，但若要实现哪怕是相对短期的AI目标，我们都仍然需要大量的变革和思考。

“

在以小时为单位快速进化的行业，我们仍需要完成大量的变革才能实现我们的AI目标。

”

下面是从会议上总结出的几个AI要点：

1.我们需要现实检验

我们对未来AI的殷切期望促使我们不断地发展、创新，但我们需要认清现实：构想和现实之间的差距可能比想像中大得多。以我们目前的技术水平还不能完善、持续地在全球范围内交付AI。为了达成这一愿景，我们必须切实地努力并充分利用各种资源。

2.我们需要一个文化的转变

因为经常听到商业利用AI的消息，你可能认为已经到了人人用AI，处处有AI的程度了。然而，根据近期Gartner的调查，各企业的CIO反馈说，AI的利用率只有4%。要想从嘴上功夫转变成实际行动，还有很多事情要搞定，绝不仅仅是承诺收集维抚摩系统正常运行所需的数据就可以了。做数据的大管家是项技术活儿，需要练习。这一切是以领导层能明确方向为前提的，各级员工也要拥抱科技。AI将成为对于排除故障非常有效的工具，因为它具有将数据转化成经济优势的能力。 CIO们，你们为这场人工智能的马拉松赛跑投资了吗？

“

各级员工都需要研究AI, 让AI发挥最大的潜力。

”

3.正确的工具才能制胜

AI是个工具。而且，它仅在受到训练并得到数据后才生效，仅凭一己之力，AI并不能为个体的使用情境创建目标预置系统。我们要通过为AI提供训练和必要的信息来让它们提供可执行的洞察，这样所得到的结果才不会只是进一步印证我们的偏见。幸运的是，开源的工具正在越来越易获得，方便企业创建可靠的训练基础架构，打造高质量的系统。

4.差之于内，失之于外

智能离不开数据。一旦你控制了数据，就控制了智能。但也不能说只要有了数据，系统就可以交付所有的最佳解决方案了。每一次你将数据扔到一旁，或者更糟糕——将数据给了别人，你都在放弃可能被AI识别的长远经济利益。如果数据未被删减且高保真，则AI可以从中挖掘出人们从未想到过的关联关系。

5.要留意能耗问题

最后，我想说的来自于会议上提出的第一个问题——“对我来说，什么时候是开始应用AI的最佳时机？”答案是现在就可以开始，也应该开始了。人们在各个业务领域尝试着AI，你所处的领域也不例外。剩下的唯一问题是：“AI是不是已经开始在初创公司应用了？你的长期竞争对手呢？你自己的企业呢？”

>