人工智能是一個不可避免的話題，如今媒體對人工智能的報告鋪天蓋地，引發了社會的廣泛關注，人們擔心目前的工作會被機器人代替。退一步講，非常有必要認識到現在以及將來，人工智能將會越來越普遍的情況，同時還要承認人工智能可以解決其所涉及的實際業務和社會問題。

弱人工智能（也稱為ANI或弱AI）是指進行編程以執行單一任務的系統，例如下棋、在MRI掃描中識別疾病的早期階段還有在環境中自主駕駛。雖然這些任務在復雜性和人工智能技術的高級功能方面存在顯著差異，但它們仍屬于特定的操作領域。

強人工智能（AGI或強AI）是指具有人類智能的機器，人工智能是有意識的，有感情的，有情緒的；這通常是人工智能在流行科幻片中展現出的樣子：例如機械姬，Her，我，機器人和西部世界等電影。人工智能還可能有更多級別，例如人工超級智能，機器人可以在多個領域和任務中超越人類智能，例如自動駕駛汽車到醫院檢測患者疾病，然后在國際象棋中擊敗人類。

盡管人工智能研究在過去幾年中取得了巨大進展，但可能還需要一段時間才能在AGI方面實現突破；人工智能研究人員推測人工智能的實現短則10年內長則100多年才能實現。

AI是取代任務，而不是執行任務

在自動化和人工智能取代工作中涉及的任務與取代工作本身存在很大的誤解。正如我們對ANI所了解的，單個任務可以實現自動化，但人們低估了一般工人需要經歷各種不同的和不斷變化的任務。麥肯錫估計，工作崗位能夠實現100％自動化的不到5%。通過對反復出現的某些單一任務實現自動化來提高生產力，從而創造了新的工作崗位。例如，IDC預測到2023年，25％的主要零售商將探索或部署店內機器人，以減輕人員重復性工作，從而將工人的生產率提高40％。可能會有一些工作崗位流失，但這可以通過使用增強現實等創新培訓工具來獲得技能和技能提升來解決。

如今實踐中的人工智能可以拯救生命

云計算、傳感器和處理器等互補技術的進步推動了跨行業的AI研究，解鎖用例并解決曾經被認為無法克服的問題。與大多數新興技術一樣，人工智能的目標是解決困擾醫療保健等行業的實際挑戰。

在醫療保健行業，全球醫療人員短缺，即使在美國等發達國家，估計到2030年將缺少多達120,000名醫生。

通過基于人工神經網絡的新興深度學習技術，AI可以擴展醫生的專業知識，以緩解這種技能差距，并成為時間有限的醫療專業人員的補充工具。

一種被稱為DeepGestalt的深度學習計算機視覺模型通過其表面分析框架能夠以91％的準確度識別超過215種遺傳綜合征。加州大學圣地亞哥分校的研究人員使用AI來分析結構化（健康記錄，測試結果）和非結構化（手寫筆記）兒科患者數據，診斷鼻竇感染的準確度達到了95％，急性哮喘的準確率為97％，以及診斷單核細胞增多癥的準確性為90％。

人工智能可以挽救生命但不會使醫療專業人員失業；微軟的醫療保健機器人服務旨在簡化更直接的客戶服務問題，而復雜的問題還是需要人來操作，從而優化時間并改善與患者的互動。

各個行業的其他AI應用程序并沒有直接挽救生命，但仍在提高我們的安全性。為了從不同方面挽救生命（根據國家公路交通安全管理局的數據，94％的碰撞是由于人為錯誤造成的），ANSYS正在使用模擬技術通過虛擬駕駛場景訓練自動駕駛汽車，從而改善其自動駕駛AI算法而不會危及人身安全。羅克韋爾自動化的項目Sherlock正在創建一個更安全的環境，通過AI模塊提高運營效率，減少工業環境中鍋爐、泵和冷卻器的誤報警。

如果AI是大腦，那么數據就是生命線

數據的可訪問性是任何AI部署的關鍵要素。DeepGestalt計算機視覺系統的培訓使用了26,000例患者病例，加州大學圣地亞哥分校的病例分析用到了中國廣州一家大型醫療中心超過1億數據點的130多萬患者就診情況。在現實世界中部署微調的推理AI模型需要大量的數據訓練。在自動駕駛汽車的用例中，大約需要80億英里的無故障試駕才能達到與人類駕駛相當的性能。

通過越來越多的互聯終端，工業物聯網平臺正在利用組織的高價值和不同資產中的數據實現情境化。然后，這些數據可以輸入到AI模型中，并生成由AI驅動的分析，以應用其優勢或在云端進行應用。3D CAD模型可以提供帶注釋的產品數據集，以對對象和圖像識別應用程序進行訓練，從而實現服務技術人員所使用的AR體驗。產品構思階段的AI源自生成設計模擬軟件，分析與不同約束、材料、物理性質、制造過程和設計目標的數據的關系。

總結

隨著這些數據輸入的增加，AI生成的用例在變化和規模上繼續大幅增長。IDC預測，人工智能系統的支出將在2022年達到近780億美元，遠高于2018年的240億美元。人與機器之間“共同促進”的故事將繼續快速發展；普華永道調查的67％的高管都聲稱同時使用人工和人工智能創造了更強大的價值主張。AI的首要主題將不再是取代人們工作，而是解決我們今天面臨的客戶、行業和社會問題。

審核編輯：彭菁