（来源：《福布斯》）大多数公司已经开始使用一些常见的人工智能功能，并且用户基本满意。其中包括个性化自定义（个性化广告，电子邮件，自动文本等）和精确营销（您在诸如Spotify，Netflix或Amazon Shopping Card等应用上看到的建议）和其他营销技术，这些技术现已广泛使用。适合任何规模的企业。许多技术也相对成熟：其中最重要的是机器人过程自动化（RPA）。 RPA是AI的主要结果，它既智能又简单。 RPA专注于自动化流程，而不是整个企业的垂直流程。尽管RPA为公司节省了大量时间和金钱，但尚未达到一定规模。许多公司最近才刚开始使用RPA技术，并且已经积累了一定数量用户的公司已开始开始进一步的流程优化。既然许多公司已经掌握了基本知识，那么在早期尝到甜头的公司将希望走得更远。他们越来越关注AI和ML驱动的预测分析，也就是说，公司从数据（尤其是实时数据）中提取更多有价值的信息，甚至使用这些信息来进行决策。对知识图的理解也更加深入，人工智能可以基于大量数据来分析我们从未想到的结果。实际上，公司仍然很难完成人工智能项目。许多公司的项目要么过期，要么花费大量时间来构建相应的系统。 Pactera Technologies最近的一份报告反映了Gartner先前报告的问题：85％的企业AI项目无法按时交付。 Dimensional Research最近发布的另一份报告显示，就人工智能和机器学习而言，十分之八的公司表示其AI项目停滞不前，而96％的人表示他们专注于数据质量，数据分类和建模的信心。甚至在面对巨大挑战时，IBM，Uber和亚马逊等高科技巨头也不得不放弃一些耗资数百万美元的大型项目。我们现在必须坚持吗？其实没有必要！目前，有足够的经验来总结在AI项目中应该做什么和不应该做什么。一些常见的误解是：起始目标不明确，数据过多（或数据使用不当），使用错误的算法以及交付周期过长（应在工作过程中实时检查以保持平衡） 。随着强化学习领域技术的重大进步，人工智能可以通过完成特定目标来获得反馈，并且人工智能已经开始变得“有意识”。它开始以类似于人类的奇怪方式思考，这也意味着它具有开始工作的能力。人工智能似乎已经达到了无限接近人类的三个方面。人工智能正在朝着能够与人类流畅交流的目标迈进。初创企业和技术领导者正在争夺聊天机器人，这些聊天机器人不仅可以回答问题，而且还具有高级推理功能。 Google，Microsoft，Amazon和IBM都希望在对话式人工智能方面取得进展，以便AI可以学习人类交流，也就是说，人工智能可以灵活地适应场景的变化。对话式人工智能的实现需要强大的后端支持，例如，更强大的硬件。这导致像英特尔这样的公司开发专用的推理芯片和DL Boost技术，他们声称这些技术可以加快计算机深度学习的推理过程。 GPU也变得越来越有竞争力，并且传统上专注于训练的GPU已经具有越来越多的推理能力。上周，NVIDIA推出了一种对话式AI，展示了GPU如何通过推理实现更短，更自然的延迟。 ，更人性化的对话体验。随着人工智能的确变得更加人性化，公司已经开始意识到，如果人工智能使用不当，将会带来严重的后果，而不仅仅是失业问题。 AI算法将“不经意地”处理为“ AI”算法。建立和偏见。 。例如，由白人男性编写的用于招聘的AI软件可能会“偶然地”被搜索到。选择白人男性作为高度匹配的应用程序功能，或者在面部识别中更加关注白人。尤其是像IBM这样的公司，他们不仅使用人工智能进行招聘，而且还使用它来评估员工的工作绩效。您会信任机器人来判断您的工作表现吗？决定是否应该提高薪水？这公平吗？在未来