人工智能與自動(dòng)化之間的關(guān)鍵區(qū)別

AI經(jīng)常與自動(dòng)化混淆，但兩者根本不同。據(jù)FNB消費(fèi)者首席分析官M(fèi)ark 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(dòng)，而自動(dòng)化則側(cè)重于簡(jiǎn)化重復(fù)性，指導(dǎo)性任務(wù)。

“自動(dòng)化已經(jīng)存在了一段時(shí)間，并且很可能已經(jīng)融入到大多數(shù)業(yè)務(wù)運(yùn)營(yíng)中，這一點(diǎn)并不明顯 - 例如，向客戶自動(dòng)生成營(yíng)銷電子郵件和短信，甚至是特定時(shí)期的客戶聲明，”他補(bǔ)充道。

自動(dòng)化可以節(jié)省用于單調(diào)，繁重任務(wù)的時(shí)間和金錢，并使員工有機(jī)會(huì)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(duì)新信息作出反應(yīng)，說(shuō)話，傾聽(tīng)以及理解語(yǔ)言的過(guò)程。”

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

“深度學(xué)習(xí)被定義為機(jī)器學(xué)習(xí)的一個(gè)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(xí)。與人類隨著時(shí)間的推移學(xué)習(xí)日常事件一樣，深度學(xué)習(xí)算法反復(fù)執(zhí)行功能并不斷學(xué)習(xí)和調(diào)整自身以提高準(zhǔn)確性。我們將它們稱為深度學(xué)習(xí)算法，因?yàn)樯窠?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(xí)復(fù)雜模式。

Mark使用Facebook的面部識(shí)別應(yīng)用程序DeepFace作為示例。'Facebook使用深度學(xué)習(xí)來(lái)分析我曾經(jīng)被標(biāo)記過(guò)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(dú)特的功能集為數(shù)百萬(wàn)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(dāng)模型確信我是基于概率分?jǐn)?shù)時(shí)，我會(huì)建議自己標(biāo)記。Facebook表示，DeepFace在識(shí)別兩個(gè)圖像是否屬于同一個(gè)人時(shí)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(bào)告，人工智能估計(jì)到2020年將創(chuàng)造約230萬(wàn)個(gè)機(jī)會(huì)。“你會(huì)在每個(gè)項(xiàng)目背后找到一群才華橫溢的人才，”馬克說(shuō)。'每個(gè)用例都需要一個(gè)機(jī)器學(xué)習(xí)團(tuán)隊(duì)來(lái)驅(qū)動(dòng)它。例如，優(yōu)步創(chuàng)造了一系列工作來(lái)教機(jī)器如何理解客戶需求，交通和安全。他說(shuō)我們的業(yè)務(wù)沒(méi)有什么不同。“未來(lái)的工作潛力巨大 - 只需要愿意適應(yīng)與機(jī)器一起工作。”