关于人工智能，管理者应当知晓的十个事项

为了在这一快速发展的领域做出明智的决定，所有管理者都应该对人工智能有基本了解。以下是十点关键事项：

1.人工智能是归纳式的。人工智能系统通过其已做决策所收到的数据和反馈而进行学习。事实上，人工智能系统的预测与行动基于其所接受的训练数据。这一点正是人工智能系统与以推演为基础的传统编程的不同之处。传统程序只是处理数据，而非从中学习。

2.人工智能的算法很简单。核心的学习算法少到几条代码，多则上百条。基础的人工智能简单易学，这也是其在当下发展迅速的原因。您并不需要成为计算机科学家，就可对人工智能有个直观的了解。其复杂度在于如何应用人工智能来解决现实世界的问题。

3.人工智能拥有超人的工作速度和工作量。电子信号的传输速度比大脑内化学信号的传输速度快百万倍，因此人工智能可吸收大量数据，从中学习并快速行动。一些电子交易市场须以微秒计时，对参与者和监管者而言，人工智能则是唯一的现实选择。

4.对人工智能而言，语言和视觉触手可及。人工智能领域最近的重大突破便是机器与人类的互动，掌握人类知识和在现实世界行走。虽然这些技能尚不完善，但已在许多场合得以应用—并且人工智能还在快速改进。

5.人工智能能够克服传统的复杂度障碍。人工智能可以处理线性问题（本质上可以直接归纳的简单问题）和非线性问题（其他任何问题）。这一双重能力为物流、制造业和能源效率等许多领域提供了众多优化机会。

6.潜艇不会游泳。即便是依靠相似的启发教育法（例如反复试错），机器与人类处理任务的方式仍不相同。商业目标是解决问题，而非创造机器人来模仿人类来完成某一特定工作。就像工程师并不是以马奔跑的方式來设计汽车一样，无人驾驶也不应当模仿人类驾驶员的动作。

7.人工智能难以追根究底。如果想要理解为何机器能做出特定的决定，必须亲自设计程序，才能追踪机器的决策制定过程。您还需要避免前沿算法，比如深度学习应用程序中使用的算法。深度学习为基础的应用能给出直观或创新性的答案，但这类答案的分析过程很难被追踪。

8.分散行动，集中学习。人工智能架构结合了集中化与分散化。例如，无人驾驶汽车在自动驾驶的同时将数据传入中央数据中心。之后，系统使用来自车队中每辆车的汇总数据来促进中央系统学习，而单个车辆可通过定期更新软件来接收中央系统学习成果。

9.商业价值实现于数据和训练。许多企业不理解数据和训练对人工智能成功的重要性。对于建立智能系统而言，好的数据通常比好的算法重要，正如对于人类来说，后期培养比其天资更为重要。

10.人机交互发生变革。为优化人机交互所做出的努力已远远超过训练人类使用静态计算机程序所做的工作。通过人工智能来提升人的表现，以及将人引入算法解决问题的过程，两者均日益普遍且具有挑战性。