剖析人工智能的优缺点 – IBM 博客

人工智能（AI）是指计算机和数据科学的融合领域，专注于构建具有人类智能的机器来执行以前需要人类完成的任务。例如，学习、推理、解决问题、感知、语言理解等等。人工智能系统可以从数据中学习，而不是依赖程序员的明确指令，从而使它们能够处理复杂的问题（以及简单但重复的任务）并随着时间的推移不断改进。

当今的人工智能技术在各个行业都有广泛的用例；企业使用人工智能来最大限度地减少人为错误、降低高昂的运营成本、提供实时数据洞察并改善客户体验以及许多其他应用程序。因此，它代表了我们处理计算方式的重大转变，创建了可以改进工作流程并增强日常生活元素的系统。

但即使人工智能有无数的好处，与传统的编程方法相比，它也有明显的缺点。人工智能的开发和部署可能会带来数据隐私问题、工作岗位流失和网络安全风险，更不用说确保人工智能系统按预期运行的大量技术任务。

在本文中，我们将讨论人工智能技术的运作方式，并阐述人工智能与传统计算方法相比的优点和缺点。

什么是人工智能以及它是如何工作的？

人工智能基于三个基本组成部分：数据、算法和计算能力。 

• 日期： 人工智能系统根据数据进行学习和决策，需要大量数据才能有效训练，尤其是机器学习 (ML) 模型。数据通常分为三类：训练数据（帮助模型学习）、验证数据（调整模型）和测试数据（评估模型的性能）。为了获得最佳性能，人工智能模型应该从不同的数据集（例如文本、图像、音频等）接收数据，这使得系统能够将其学习推广到新的、看不见的数据。
• 算法： 算法是人工智能系统用来处理数据和做出决策的一组规则。人工智能算法的类别包括机器学习算法，这些算法无需显式编程即可学习并做出预测和决策。人工智能还可以利用深度学习算法，这是机器学习的一个子集，它使用多层人工神经网络 (ANN)（因此称为“深度”描述符）来对大数据基础设施中的高级抽象进行建模。强化学习算法使代理能够通过执行功能并根据其正确性接受惩罚和奖励来学习行为，迭代调整模型直到完全训练。
• 计算能力： 人工智能算法通常需要大量的计算资源来处理如此大量的数据并运行复杂的算法，特别是在深度学习的情况下。许多组织依靠图形处理单元 (GPU) 等专用硬件来简化这些流程。 

人工智能系统也往往分为两大类：

• 人工智能也称为狭义人工智能或弱人工智能，执行图像或语音识别等特定任务。苹果的 Siri、亚马逊的 Alexa、IBM watsonx 甚至 OpenAI 的 ChatGPT 等虚拟助手都是狭义人工智能系统的例子。
• 人工智能（AGI），或强人工智能，可以执行人类可以执行的任何智力任务；它可以理解、学习、适应和利用跨领域的知识。然而，AGI仍然只是一个理论概念。

传统编程是如何工作的？

与人工智能编程不同，传统编程需要程序员编写明确的指令，让计算机在每种可能的情况下遵循；然后计算机执行指令来解决问题或执行任务。这是一种确定性方法，类似于菜谱，计算机执行逐步指令以达到所需的结果。

传统方法非常适合于可能结果数量有限的明确定义的问题，但当任务复杂或需要类似人类的感知时（例如在图像识别、自然语言处理、 ETC。）。这就是人工智能编程比基于规则的编程方法具有明显优势的地方。

人工智能（与传统计算相比）有哪些优点和缺点？

人工智能在现实世界中的潜力是巨大的。人工智能的应用包括诊断疾病、个性化社交媒体源、执行天气建模的复杂数据分析以及为处理客户支持请求的聊天机器人提供支持。人工智能驱动的机器人甚至可以组装汽车并最大限度地减少野火的辐射。

与任何技术一样，与传统编程技术相比，人工智能既有优点也有缺点。除了功能上的根本差异外，人工智能和传统编程在程序员控制、数据处理、可扩展性和可用性方面也存在显着差异。

• 控制和透明度： 传统编程使开发人员能够完全控制软件的逻辑和行为，从而实现精确的定制和可预测、一致的结果。如果程序的行为不符合预期，开发人员可以追溯代码库以识别并纠正问题。人工智能系统，特别是像深度神经网络这样的复杂模型，可能很难控制和解释。它们通常像“黑匣子”一样工作，其中输入和输出是已知的，但模型从一个到另一个的过程尚不清楚。对于优先考虑流程和决策可解释性的行业（例如医疗保健和金融），缺乏透明度可能会出现问题。
• 学习和数据处理： 传统的编程是死板的；它依赖结构化数据来执行程序，并且通常难以处理非结构化数据。为了“教授”程序新信息，程序员必须手动添加新数据或调整流程。传统编码的程序也难以独立迭代。换句话说，如果没有针对这些情况的明确编程，它们可能无法适应不可预见的情况。由于人工智能系统可以从大量数据中学习，因此它们更适合处理图像、视频和自然语言文本等非结构化数据。人工智能系统还可以不断地从新的数据和经验中学习（如机器学习），从而使它们能够随着时间的推移提高性能，并使它们在动态环境中特别有用，在动态环境中，最佳解决方案可以随着时间的推移而发展。
• 稳定性和可扩展性： 传统编程稳定。一旦编写并调试了程序，它每次都会以完全相同的方式执行操作。然而，基于规则的程序的稳定性是以牺牲可扩展性为代价的。由于传统程序只能通过显式编程干预来学习，因此它们需要程序员大规模编写代码才能扩展操作。对于许多组织来说，这个过程即使不是不可能，也是难以管理的。人工智能程序比传统程序具有更高的可扩展性，但稳定性较差。基于人工智能的程序的自动化和持续学习功能使开发人员能够快速且相对轻松地扩展流程，这是人工智能的关键优势之一。然而，人工智能系统的即兴性质意味着程序可能并不总是提供一致、适当的响应。
• 效率和可用性： 基于规则的计算机程序可以提供 24/7 的可用性，但有时只有人类工作人员全天候操作它们。

人工智能技术可以24/7运行，无需人工干预，从而使业务运营能够持续运行。人工智能的另一个好处是，人工智能系统可以自动执行无聊或重复性的工作（例如数据输入），从而释放员工的带宽来完成更高价值的工作任务，并降低公司的工资成本。然而，值得一提的是，自动化可能会对劳动力产生重大的失业影响。例如，一些公司已经转向使用数字助理来分类员工报告，而不是将此类任务委托给人力资源部门。组织需要找到方法将现有员工队伍纳入新的工作流程，通过将人工智能纳入运营来提高生产力。

借助 IBM Watson 最大限度地发挥人工智能的优势

Omdia 预计，到 200 年，全球人工智能市场价值将达到 2028 亿美元。这意味着企业对人工智能技术的依赖将会增加，企业 IT 系统的复杂性也会相应增加。但随着 IBM watsonx™ 人工智能和数据平台，组织的工具箱中有一个用于扩展人工智能的强大工具。

IBM watsonx 使团队能够管理数据源、加速负责任的 AI 工作流程，并在整个企业中轻松部署和嵌入 AI——所有这些都在一个地方完成。 watsonx 提供一系列高级功能，包括全面的工作负载管理和实时数据监控，旨在帮助您利用整个企业的可信数据扩展和加速由 AI 驱动的 IT 基础设施。

尽管人工智能的使用并非没有复杂性，但它为企业提供了一个机会，可以通过能够处理这种复杂性的先进技术来跟上日益复杂和动态的世界。

让 AI 与 watsonx 一起工作