麻省理工学院的研究表明人工智能在今天的经济中走得很远

人工智能和机器学习可能是获取企业运营日常任务的理想选择，但在创新或对不可预见或一次性事件做出反应方面仍然不尽如人意。虽然企业级AI仍有很长的路要走，但业务和IT领导者有责任开始试点并探索AI可能提供的优势。

麻省理工学院未来工作特别工作组最近的一份报告中提到了这一点，该报告将人工智能视为席卷就业现场和工作场所的广泛变革的一部分。“我们距人工智能系统还有很长的路要走，可以阅读新闻，重新规划供应链，以响应预期的事件，如英国脱欧或贸易纠纷，并使生产任务适应新的零件和材料来源，”该报告的作者大卫说。国家经济研究局的主持人，以及麻省理工学院的David Mindell和Elisabeth Reynolds。

首先，数据 - 推动人工智能决策的燃料 - 尚未做好准备。迄今为止，大多数成功的AI计划都基于机器学习(ML)系统，这些系统依赖于大型数据集。人工智能和他的共同作者指出，人工智能和相关技术在很多方面都显示出“在设计，测量和材料创新方面创造新产品和新生产方法的巨大希望”。“尽管如此，我们的访谈发现许多公司认为自己处于采用这些技术的早期阶段，弄清楚如何收集和构建数据，以便他们可以对现有业务应用更深入的见解。这样做需要集成多个数据源，通常用于大型公司中的数百到数千台计算机。

目前投入使用的最突出的ML应用包括图像分类，人脸识别和机器翻译，以及文档分析，客户服务和数据预测。然而，ML系统“在稳健性和可解释性方面仍面临挑战”，Autor和他的团队表示。“使用ML的行业正在慢慢地了解到，用于训练ML系统的数据必须像系统本身在黑客攻击和网络战争时代所必需的那样无偏见和可信。

他们补充说，可解释性也是一个挑战，因为ML系统“往往是黑盒子，不能提供他们如何做出决定的洞察力”。“可解释性对于必须对失败具有鲁棒性，与人类互动，并有助于做出具有法律或生命至关重要影响的重大决策的系统至关重要。”

100%自动化的概念也是一个谬论，因为共同作者也驳斥了AI可以被用来完全自动化工厂等设施的观点。他们表示，“'熄灭'工厂，没有人为的投入，长期以来一直是未来的乌托邦 - 反乌托邦的愿景。”“对于产品或工艺成熟且高度稳定的某些情况，这一愿景可能有意义。但即使是最自动化的电子设备或装配厂仍然需要大量工人来设置，维护和维修生产设备。一种典型的手机 - 一种稳定而均匀的产品，制作量非常大 - 在生产过程中被数十只人手触摸。“

标签： 人工智能