人工智能與自動化之間的關(guān)鍵區(qū)別

AI經(jīng)常與自動化混淆，但兩者根本不同。據(jù)FNB消費者首席分析官Mark Nasila博士稱，關(guān)鍵的區(qū)別在于AI模仿人類智能決策和行動，而自動化則側(cè)重于簡化重復(fù)性，指導(dǎo)性任務(wù)。

“自動化已經(jīng)存在了一段時間，并且很可能已經(jīng)融入到大多數(shù)業(yè)務(wù)運營中，這一點并不明顯 - 例如，向客戶自動生成營銷電子郵件和短信，甚至是特定時期的客戶聲明，”他補充道。

自動化可以節(jié)省用于單調(diào)，繁重任務(wù)的時間和金錢，并使員工有機會將自己應(yīng)用于更復(fù)雜的流程。

“人工智能涉及的技術(shù)，系統(tǒng)甚至是能夠模仿人類如何做出決策，對新信息作出反應(yīng)，說話，傾聽以及理解語言的過程。”

馬克說，將機器學(xué)習理解為人工智能的一個子集是有幫助的。'機器學(xué)習使系統(tǒng)和流程能夠從數(shù)據(jù)中學(xué)習，識別模式并在沒有人為參與的情況下推薦決策。

“深度學(xué)習被定義為機器學(xué)習的一個子集，其中人工神經(jīng)網(wǎng)絡(luò) - 圍繞人類大腦神經(jīng)結(jié)構(gòu)構(gòu)建的算法 - 從數(shù)據(jù)中學(xué)習。與人類隨著時間的推移學(xué)習日常事件一樣，深度學(xué)習算法反復(fù)執(zhí)行功能并不斷學(xué)習和調(diào)整自身以提高準確性。我們將它們稱為深度學(xué)習算法，因為神經(jīng)網(wǎng)絡(luò)具有各種(深層)層，可以在大量數(shù)據(jù)中學(xué)習復(fù)雜模式。

Mark使用Facebook的面部識別應(yīng)用程序DeepFace作為示例。'Facebook使用深度學(xué)習來分析我曾經(jīng)被標記過的每張照片，以獲得我臉上的一組特征，稱為模板。該算法基于其獨特的功能集為數(shù)百萬其他Facebook用戶做同樣的事情。假設(shè)我在一群人的Facebook上發(fā)布了自己的照片，當模型確信我是基于概率分數(shù)時，我會建議自己標記。Facebook表示，DeepFace在識別兩個圖像是否屬于同一個人時的成功率為97% - 而人類的這一比例為96%。

相反，根據(jù)全球IT咨詢公司Gartner的一份報告，人工智能估計到2020年將創(chuàng)造約230萬個機會。“你會在每個項目背后找到一群才華橫溢的人才，”馬克說。'每個用例都需要一個機器學(xué)習團隊來驅(qū)動它。例如，優(yōu)步創(chuàng)造了一系列工作來教機器如何理解客戶需求，交通和安全。他說我們的業(yè)務(wù)沒有什么不同。“未來的工作潛力巨大 - 只需要愿意適應(yīng)與機器一起工作。”