【中國安防展覽網 視點跟蹤】 11月10日消息，據《哈佛商業評論》網站報道，吳恩達表示，近來在有關人工智能的力量上，有時候媒體的描述是很不切實際的。令人驚訝的是，盡管AI的影響范圍很廣，但目前投入實際應用中的AI類型仍然極其有限。近來幾乎AI的所有進展都是基于一種類型，即利用某些輸入數據（A）來快速產生一些簡單的回應（B）。A→B技術距離科幻小說中設想的擁有感知能力的機器人還很遙遠。人類智能能做的事遠勝過A→B這一水平。此外，吳恩達還指出，在這個開源的世界中，稀缺的資源有數據和人才。

　　
　　當許多高管問及人工智能（AI）能夠勝任什么工作、將如何顛覆行業以及如何利用人工智能為企業帶來變革等問題，吳恩達表示，近來在有關人工智能的力量上，有時候媒體的描述是很不切實際的。AI已對網絡搜索、廣告、電子商務、金融、物流、媒體等領域發揮著變革作用。作為谷歌GoogleBrain團隊的創始領導人、斯坦福大學AI實驗室的前任負責人以及百度AI團隊（大約擁有1200名成員）的現任總負責人，吳恩達培養了許多的AI團隊并打造了許多正由數億人使用的AI產品。他指出，AI將變革許多行業，但依靠的不是魔法。
　　
　　令人驚訝的是，盡管AI的影響范圍很廣，但目前投入實際應用中的AI類型仍然極其有限。近來幾乎AI的所有進展都是基于一種類型，即利用某些輸入數據（A）來快速產生一些簡單的回應（B）。以下表格提供了一些具體例子，讓我們以一種簡單易懂的方式來理解監督學習。
　　
　　
　　這種輸入A以獲得回應B的模式將轉變許多行業。構建這種A→B軟件的技術術語是“監督學習”。A→B技術距離科幻小說中設想的擁有感知能力的機器人還很遙遠。人類智能能做的事遠勝過A→B這一水平。不過這些A→B系統已迅速獲得提升。目前的A→B系統融入了一種名為深度學習或深層神經網絡的技術。這一技術從人腦構造中獲得了靈感啟發。但這些系統仍然遠遠未達到科幻小說中描述的前沿水平。許多研究人員正在探索其他形式的AI，經證明其中一些形式的AI在某些有限的情況下是具有實用性的。未來也很可能會出現某種重大突破以實現更高水平的智能，但實現這一突破的途徑目前仍不明朗。
　　
　　當前的監督學習軟件擁有一個弱點:需要大量的數據。我們需要向系統輸入許多有關A和B的例子。例如，要實現圖片標記功能，研發者需要提供數萬張至數十萬張照片（A）以及告知AI其中是否有人的標簽（B）。打造一個語音識別系統則需要數萬小時的音頻（A）以及轉錄文字（B）。
　　
　　因此A→B會做什么？以下是一條描述其顛覆性的經驗法則:
　　
　　如果一個普通人可用不到一秒的時間完成某項心理任務，那么在當前或不久的未來，我們或許可利用AI將其自動化。目前許多由人類執行的有價值的工作可在不到一秒內完成，如查看安保視頻，評判可疑行為，判斷汽車是否將撞到行人，發現及撤除網上的違規帖子。這些任務背后的技術已成熟，可實現自動化操作。然而，這些技術往往還需要適應以及融入更復雜更寬泛的操作環境中，因此找出這些技術與企業之間的關聯也很重要。
　　
　　在研究過程中，研發者需慎重選擇A和B，并提供必要的數據以理清A→B這一關系。對A和B的創造性選擇已徹底改變了許多行業。它還將徹底改變許多其他行業。
　　
　　在理解AI有所能也有所不能后，高管們接下來要采取的措施是將它納入他們的經營策略中。這意味著理解何處能夠創造價值，以及什么產品或服務難以效仿。AI社區非常開放，大多數研究者樂于發布和分享自己的想法，甚至開放源代碼。在這個開源的世界中，稀缺的資源有哪些？
　　
　　數據。在的AI團隊之間，在至多一兩年內，許多團隊或許會效仿其他團隊的軟件。但獲得別人的數據極為困難。因此，數據，而不是軟件，是許多企業的防御式屏障。
　　
　　人才。僅僅靠下載開源軟件、并將之“應用”于自己的數據中是行不通的。AI技術需要根據具體的企業環境和數據來展開定制。目前能夠勝任這類工作的AI人才十分稀缺。因此，目前人才爭奪戰已經打響。
　　
　　AI能夠折射出人類好和壞的一面，對AI的這一潛能，人們已經探討了很多。例如，AI可與孤獨者對話，聊以安慰；某些AI產品因人類的自身偏見也擁有了種族歧視的色彩。不過，對個人產生的大危害是，由于利用AI技術可實現自動化的工作遠多于過去，在短期內AI可能會導致某些工作崗位的消失。作為，確保我們正在構建的世界里每個人都擁有良好的發展機會是我們義不容辭的義務。了解AI能做什么以及如何把它納入你的管理策略中是這一過程的開始，而不是結束。