为什么85%的人工智能项目都失败了?

[[276304]]

即使在选择了人工智能之后，由于缺乏合适的数据，问题也没有得到解决，算法无法正确处理不好的数据。所以，企业团队的很多时间都被浪费了。此外，人工智能并不是一个单一的过程或技术，而技术熟练的员工需要更高薪酬，但如果企业预算不多，那么在没有人工智能专家的情况下，客户就不会对企业的人工智能服务感兴趣。这些是大多数移动应用开发公司中人工智能失败的常见原因。

人工智能是一个能够规划、学习、推理、解决问题、知识表达、感知、运动、操作的系统。它在某种程度上也可能具有社会智力和创造力。如今，人工智能能够推荐购买物品，检测信用卡欺诈，甚至识别图片中的人脸。到目前为止，人工智能分为两类：狭义人工智能和通用人工智能。狭义人工智能的例子可以是苹果的Siri或微软的Cortana，而通用人工智能的例子可以是电影《终结者》中的Skynet(之后尚未成为现实)。在未来几年，人工智能可能会撰写论文，驾驶车辆，甚至实施手术。

人工智能在实施的各个项目中都取得了巨大的成功。某些数据咨询公司还将人工智能集成到他们的项目中，这将有助于广告和媒体机构进一步开展他们的活动。然而，人们一致认为，并非所有实施人工智能的公司都取得了成功。高达85%的人表示人工智能并不成功。一些调查显示，这些障碍来自于高层管理人员的阻力，以及未能给他们留下深刻印象。管理层首先看到的是投资回报。这是一个很大的障碍。有时看起来很好的项目往往会遇到麻烦。

来自Dimensional Research的一份报告指出，10个人工智能项目中有8个失败了，而96%的项目在数据质量、数据标签和建立模型信心方面遇到了问题。作为这一失败的另一个例子，来自Facebook、Amazon、微软和Adobe等公司的代表都选择使用名为神经机器翻译的人工智能工具，因为它能够非常快速地以72种语言使内容实现本地化。23%的人表示正在使用该技术(以及该工具)。

这些项目失败的部分原因可能是：

干扰

沟通障碍

开始之前就失败

缺乏数据专业人才

内部人才/软件

害怕失业

简单开始

干扰：在人工智能项目的实施时，往往会出现一些干扰，例如提出“我们可以实施另一个项目，其成本也要低得多”等问题，如果企业更加关注项目的投资回报率(ROI)，那么需要怎么办?确保企业第一个基于人工智能的项目是面向业务的，实现了关键绩效指标，并且与组织的愿景和使命声明保持一致。相信这样一个项目的成功对企业都有很大的意义。

沟通障碍：当数据科学家使用技术术语与其企业管理层沟通时，这个障碍必然会显现出来。企业管理层与数据科学家在项目的沟通中，管理层更加关注企业管理，数据科学家并不能通过人工智能技术打动他们，告诉他们业务将如何发展。此外，企业的优先事项必须与其项目保持一致。管理层会很高兴听到这些内容，并且提供更多机会。

开始之前就失败：人们会遇到一些可能不想做的事情，但它可以有利于项目的开展。想象一下，一家企业在一个项目上花了大量的资金或精力，而在实施之后，其客户却表示这不是他想要的结果，那么将注定失败。所以，在真正开始其项目之前，企业需要准备一些输出和报告，可以向其客户展示，并让他们认同看到的内容。即使客户可能不认同，企业也没有太大损失。而企业现在知道客户想要什么的结果，因此可以从客户的需求开始。

缺乏数据专业人才：组织通常更愿意给新手、毕业生或几乎没有任何工作经验的员工机会。其原因很简单，可以节省成本，但这是很大的错误。他们实际上在是浪费资金。没有经验的员工会找一些没有完成项目(甚至没有开始)的借口。该组织需要的是开发过一些人工智能项目的丰富经验的专业人才，并将其提交给一些客户。

内部人才/软件：在企业内部培养人才是一个不错的选择，但如果每次使用相同的人才，如何确保内部人才掌握新的知识。内部人才是否与其他技术社区有着更多的交流?如果没有交流，企业需要从外部使用开发人员。

害怕失业：虽然人工智能可以给组织带来巨大的变化和利润，但对于那些不了解的人员来说，人工智能可以做工作人员可以做的事情。从执行物理任务到做出逻辑决策，人工智能可以处理所有事情。这在其高级的阶段可能会对实施组织的员工构成威胁。因此，可能会有人阻碍人工智能的实施，否则他们将会失去工作。

简单开始：在缺乏简单规则实现的情况下，企业的人工智能项目将毫无价值。有传言说，复杂的项目会取得成功，但过于复杂的项目会耗费很多时间。所以，项目应该以一种简单的方式开始。

此外，上述原因项目也可能由于预期与项目在实际时间范围内的实际情况不一致而失败。尽管人工智能技术有很多光环，但某些情况也可能会出错。例如，优步公司试点运营的自动驾驶车辆在撞人时遇到了问题，可以提到人工智能算法或程序没有正确编码。在其他情况下，它可能是作为人工智能的某些查询的答案而提供的不正确数据。

人工智能系统失败的另一个原因可能是不完整的数据集。每当人工智能系统需要接管时，必须对所有问题进行训练，并将其答案存在于数据集中。如果在培训期间数据集不完整，人工智能将无法实时响应情况。

此外，算法可能会出错。这是因为它们是由一些开发人员开发的。开发算法的人员很可能偏向某个特定的门派。在工作选择过程中，如果算法偏向某个特定部门，招聘公司可能会找不到合适的候选人。

有时传感器的错误可能导致人工智能出现问题。在这种情况下，人工智能将保持原始状态(完全回滚)。需要对人工智能系统进行全面培训，以了解可能遇到的任何情况。请记住，如果开发人员在设计上偷工减料，或者缺少正确的信息，都必然会导致失败。