Gartner認(rèn)為，在目前的狀態(tài)下，人工智能包含旨在解決問(wèn)題的軟件工具。雖然某些形式的人工智能可能給人留下一種非常聰明的印象，但認(rèn)為當(dāng)前的人工智能與人類(lèi)智能相似或相當(dāng)就不切實(shí)際了。

Gartner研究副總裁Alexander Linden表示：“某些形式的機(jī)器學(xué)習(xí)(ML)可能受到人類(lèi)大腦的啟發(fā)，但它們并不等同。”例如，圖像識(shí)別技術(shù)比大多數(shù)人類(lèi)識(shí)別更準(zhǔn)確，但在解決數(shù)學(xué)問(wèn)題時(shí)則毫無(wú)用處。Linden 指出：“今天人工智能是，它可以很好地完成一項(xiàng)任務(wù)，但如果任務(wù)的條件發(fā)生了一點(diǎn)點(diǎn)變化，它就會(huì)失敗。”

人工智能機(jī)器人

亞馬遜網(wǎng)絡(luò)服務(wù)(AWS)亞太區(qū)新興技術(shù)部門(mén)負(fù)責(zé)人Olivier Klein表示，在偏見(jiàn)方面，機(jī)器學(xué)習(xí)模型將始終是按照你訓(xùn)練的方式運(yùn)行的。Klein表示：“如果你訓(xùn)練模型的時(shí)候引入了偏見(jiàn)，最終你就會(huì)得到一個(gè)有偏見(jiàn)的模型，你需要不斷地重新訓(xùn)練你的機(jī)器學(xué)習(xí)模型，而且你還需要來(lái)自最終消費(fèi)者的某種形式的反饋。機(jī)器學(xué)習(xí)絕對(duì)不是要取代人類(lèi)，而是要增強(qiáng)體驗(yàn)。”

每種人工智能技術(shù)都依賴(lài)于人類(lèi)專(zhuān)家的數(shù)據(jù)、規(guī)則和其他類(lèi)型的輸入，而且和人類(lèi)類(lèi)似，人工智能也會(huì)在本質(zhì)上存在著這樣或者那樣的偏見(jiàn)。Linden表示：“今天，我們沒(méi)有辦法完全消除偏見(jiàn)，但必須盡可能的減少偏見(jiàn)。”

IT和商業(yè)領(lǐng)袖經(jīng)常會(huì)感到困惑，人工智能到底可以為他們的組織做些什么?Gartner表示，他們必須將現(xiàn)實(shí)與神話區(qū)分開(kāi)來(lái)，以制訂未來(lái)的戰(zhàn)略，“每個(gè)組織都應(yīng)該考慮人工智能對(duì)其戰(zhàn)略的潛在影響，并研究如何將這項(xiàng)技術(shù)應(yīng)用于自身的業(yè)務(wù)問(wèn)題。”

Klein表示人類(lèi)非常善于利用很少的信息進(jìn)行快速學(xué)習(xí)，而機(jī)器學(xué)習(xí)模型則正好相反，它們需要大量的數(shù)據(jù)輸入才能進(jìn)行訓(xùn)練。Klein解釋說(shuō)：“你可以向一個(gè)人展示幾次自行車(chē)，然后向他們展示如何騎自行車(chē)，人類(lèi)就可以很容易地學(xué)會(huì)騎自行車(chē)。可是想要教會(huì)機(jī)器人騎自行車(chē)可能需要數(shù)百萬(wàn)小時(shí)的訓(xùn)練。”事實(shí)是：機(jī)器并不是自己做出決定的，而某些人類(lèi)的情感，例如共情的能力，永遠(yuǎn)都無(wú)法自動(dòng)化