AI没能让人类失业？

如果一群软件工程师想要创建一个模型，比如说可以识别图片中的汽车的品牌和型号，他们可以从其他研究人员检测图片中的物体的预训练模型开始，然后通过训练一个仅包含汽车的较小的例子集来「顶上」，这就是所谓的迁移学习。

但目前还没有一个现有的「文档理解」模型，让我们可以通过转移学习来适应我们的具体业务流程。构成商业世界的excel电子表格、营销手册、法律合同等文档，都隐藏在各个公司内部的邮件收件箱和其他孤岛中。开发者无法接触到相关的文档，也无法为其贴上合适的训练标签。

更重要的是，人工研究团队缺乏对具体的业务流程和任务的认知。研究人员需要对所涉及的业务流程形成一种直觉。

我们还没有在太多领域看到这种情况发生。大的成功案例发生在那些问题很容易被理解并且有很多公开的例子（机器翻译），或者是有巨大投资回报率的承诺（自驾车汽车），或者是一家大公司任意决定向这个问题抛出足够多的资源，直到他们能够破解这个问题（AlphaGo）。

 

这意味着，当研究人员能够专注于一个特定的问题，并且能够积累足够的数据来训练一个可行的模型时，我们就可以期待人工智能在自动化业务流程方面取得成功。

成功的另一个标准是，人工智能的目标应该是增强参与流程的人的能力，而不是取代他们。

如果他们成功了，那么在这些行业工作的人就可以期望他们把更多的时间花在做有趣的、有创意的工作上，而不是把更多的时间花在做枯燥的、耗时的任务上。

目前企业所谓的「AI」只不过是一堆数学模型

在HackerNews上，一位在印度最大的科技型物流公司工作过的网友说，自己的公司确实依靠优化以及解决问题，但都没有涉及到AI，都是数学模型而不是黑匣子。

另一位曾在宝马和大众汽车公司工作过网友也提到同样的问题。


 

（编辑：济宁站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!