原文鏈接：http://www.dbta.com/Editorial/News-Flashes/Artificial-Intelligence-Has-a-1-percent-Problem-119827.aspx
現(xiàn)在關(guān)于人工智能有大量報(bào)道，有的認(rèn)為人工智能有益，也有人擔(dān)憂人工智能會對人體有害。Databricks公司聯(lián)合創(chuàng)始人兼CEO Ali Ghodsi 要大家保持克制。Databricks來自加州大學(xué)伯克利分校AMPLab實(shí)驗(yàn)室，致力于ApacheSpark的開發(fā)。
Ali Ghodsi說為他們公司500名客戶提供的服務(wù)中有73%基于AI。但是有相當(dāng)一部分企業(yè)努力地利用AI，同時(shí)也有一些夸張的聲音認(rèn)為AI會統(tǒng)治世界，極具危險(xiǎn)性等等。
Ali Ghodsi說“我們實(shí)際接觸了財(cái)富2000強(qiáng)的企業(yè)時(shí)，他們希望解決和預(yù)測問題，他們表現(xiàn)的態(tài)度和媒體的報(bào)道有巨大的差別”
AI的1%問題
Ghodsi認(rèn)為每個(gè)人都希望參與到AI之中，并且都認(rèn)識到其中蘊(yùn)含巨大的潛力。企業(yè)高管談到保持企業(yè)競爭力的五大要素時(shí)，AI一定是其中之一。人們過度神話了AI，認(rèn)為他無處不在，但現(xiàn)實(shí)并非如此。
AI實(shí)際上存在1%的問題，谷歌，亞馬遜這樣的大公司他們有豐富的資金、人才，并且可以獲得名校的研究資源，他們可能獲得成功。他們聚焦于具體的領(lǐng)域，如無人駕駛，提高廣告點(diǎn)擊等，而其他的公司面臨其余99%的問題時(shí)，缺乏資源，難以下手
早期應(yīng)用
AI早期應(yīng)用中IT和醫(yī)療是兩個(gè)突出的領(lǐng)域。企業(yè)從傳感器收集數(shù)據(jù)并回傳給Databricks，通過數(shù)據(jù)預(yù)測石油位置，這樣他們可以提高工作效率和改進(jìn)對環(huán)境的影響。醫(yī)療行業(yè)中，AI被用來幫助識別圖像中的腫瘤。在這些領(lǐng)域，不僅需要數(shù)據(jù)科學(xué)家、數(shù)據(jù)工程師，也需要行業(yè)專家（可能他們不是很了解AI，數(shù)據(jù)系統(tǒng)，數(shù)倉）。
就AI識別腫瘤而言，應(yīng)用還未完全安全自動化，高德西說，谷歌工程師能開發(fā)出區(qū)分貓和狗的AI技術(shù)，即使出錯(cuò)了也無傷大雅，但是在腫瘤識別上，如果出錯(cuò)將是很嚴(yán)重的事情，容錯(cuò)率很低。
如何擴(kuò)大AI的使用
如果要讓AI得以更大使用，首先要解決三個(gè)問題，Ghodsi這樣認(rèn)為
技能差距：首先，需要行業(yè)專家，Ghodsi以癌癥診斷為例，你不僅需要醫(yī)生，也需要了解機(jī)器學(xué)習(xí)軟件的數(shù)據(jù)科學(xué)家來建立預(yù)測模型，也需要懂?dāng)?shù)倉的數(shù)據(jù)工程師，他們知道在哪里存儲數(shù)據(jù)如何處理大數(shù)據(jù)多樣性，快速響應(yīng)和其他問題。在充滿政治色彩、關(guān)系到管理和權(quán)力的氛圍中，讓所有這些不同的角色協(xié)同工作，這不是件容易的事。
工具很多：現(xiàn)在有相當(dāng)多的工具需要整合，其中有些是開源的工具。這些工具包括數(shù)據(jù)清洗、攝取、安全、預(yù)測和監(jiān)控。要讓這些工具有效地在整合，公司需要雇傭工程師將這些軟件整合起來。
基礎(chǔ)設(shè)施：Ghodsi眼中的第三個(gè)挑戰(zhàn)是指對基礎(chǔ)設(shè)施的運(yùn)營，讓機(jī)器和設(shè)施安全運(yùn)轉(zhuǎn)，數(shù)據(jù)處于監(jiān)控，一旦發(fā)生黑客入侵或數(shù)據(jù)泄露都會讓公司面臨嚴(yán)重的后果
云是關(guān)鍵：
在踏上AI之旅時(shí)，這些是需要盡早解決的三個(gè)問題。為了解決它們，需要工具來實(shí)現(xiàn)協(xié)作、系統(tǒng)整合以及通過云加強(qiáng)基礎(chǔ)設(shè)施的一致性和可用性。
工具協(xié)作：多角色（工種）的工具協(xié)作，是解決技能差距的最好辦法
技術(shù)整合：需要將技術(shù)整合起來，更好的協(xié)作，才可進(jìn)行數(shù)據(jù)清洗，將數(shù)據(jù)轉(zhuǎn)換成數(shù)學(xué)格式用以預(yù)測，增加更多數(shù)據(jù)，建立預(yù)測模型，并實(shí)現(xiàn)軟件自動化。預(yù)測結(jié)果的好壞在于是否能為原始數(shù)據(jù)添加更多豐富的數(shù)據(jù)類型。
云：，Ghodsi認(rèn)為想要確?；A(chǔ)設(shè)施始終運(yùn)行良好，云是很好的解決之道。云能帶來自動化、外包和確?；A(chǔ)設(shè)施始終運(yùn)行良好的能力。在AI方面取得成功的那1%的企業(yè)都是云公司。這也許是巧合，但在AI方面真正取得成功的谷歌、Facebook、亞馬遜和其他公司都是云公司。他說：“我們認(rèn)為，重要的區(qū)別就在于此?！?/p>
什么是AI，什么不是AI
在AI真正得以廣泛運(yùn)用之前，人類還有很長的路要走，目前AI研究并不關(guān)注如何取代人，現(xiàn)在AI實(shí)際上是人類的補(bǔ)充幫助人們?nèi)ジ玫赝瓿晒ぷ鳌?/p>
谷歌擁有世界各地所有網(wǎng)站的大量信息。它是AI，還是一個(gè)僅僅擁有很多信息的數(shù)據(jù)庫？但毫無疑問，AI使人類能夠非常高效地查找信息，因?yàn)闆]人可以在自己的電腦上存儲所有那些數(shù)據(jù)，并識別所需信息的來源。如果你有一幅地圖，想找出兩點(diǎn)之間的最近路線，軟件可以很好地做到這一點(diǎn)。但Ghodsi.說，在需要?jiǎng)?chuàng)造力的事情上，AI技術(shù)目前成效并不樂觀。
谷歌的AlphaGo之所以能戰(zhàn)勝人類圍棋冠軍，是因?yàn)樗M(jìn)行模擬的速度比人腦更快。如果你讓AlphaGo對圍棋比賽進(jìn)行復(fù)盤，指出使它在比賽中取勝的關(guān)鍵落子，它就無能為力了。而人類可以大談特談他們迂回曲折的決策過程。AlphaGo只不過是運(yùn)行一系列程序算法來模擬場景，從中找出最優(yōu)解。它真的能取代人類嗎？顯然不行。
結(jié)論
Ghodsi說“我不認(rèn)為AI從本質(zhì)上對人類有害”，AI沒有減少可供人類使用的資源，比如食物、教育和醫(yī)療。但是在AI可以被廣泛使用之前，他相信我們需要解決三大問題：技術(shù)差距，工具協(xié)作，基礎(chǔ)設(shè)施的建設(shè)
哪些基因引起某些疾病這樣的問題實(shí)際上很難回答，但人人都說他們正在取得“巨大進(jìn)展”，“沒人會說‘這相當(dāng)困難，充滿挑戰(zhàn)性。Ghodsi認(rèn)為另一問題是對AI的過度宣傳和解讀，使得人們夸大了威脅而忽視了AI的價(jià)值
Databricks的目標(biāo)就是盡可能地簡化AI，讓它可以被大公司以外那99%的企業(yè)可以使用，實(shí)現(xiàn)“AI民主化”，幫助那些不如谷歌們資源雄厚的公司利用AI技術(shù)
