为什么大部分的人工智能项目都会走向失败

时代在进步，科技在发展，人工智能这项先进技术已经渗透到了人力资源、供应链、多层次营销等各个领域。说到人工智能，小编立马就想起了多年前看过的威尔史密斯主演的一部电影——《我，机器人》。记忆最深刻的就是片中拥有人工智能的机器人开始不受控制，学会了独立思考，并向人类做出反抗。这不禁引发人们深思，人工智能到底好还是不好？应不应该开发？

风险和混乱是人工智能项目失败的常见因素和主要因素。由于员工已经熟悉工作流程，要替换现有流程是一个非常困难的决定。 资金、培训和时间的投入是公司难以承担的巨大风险。即使在选择人工智能之后，由于缺乏相应的数据，问题仍然没有得到解决。算法不能正确处理数据。因此，团队就浪费了大量和资源。

此外，人工智能不是一个单一的过程或技术。如果预算不够，那么在缺少人工智能专家的情况下，客户就不会对你公司的人工智能服务感兴趣。这些都是大多数移动应用开发公司人工智能失败的常见原因。人工智能是一个能够规划、学习、推理、解决问题、知识表示、感知、运动和操作的系统。在某种程度上，人工智能可能具有社会智力和创造力。今天，人工智能能够推荐购买的商品、娱乐用户、发现信用卡上的欺诈行为，甚至能够识别图片中的面孔。

到目前为止，人工智能被分为两类——狭义人工智能和普通人工智能。狭义人工智能方面，比如苹果的Siri、微软的Cortana；而一般人工智能则类似于《终结者》中的SKYNET(后者尚未成为现实)。在未来几年里，也许可以通过人工智能编写文章、驾驶汽车，甚至可以达到做手术的程度。

目前，人工智能在各种项目中取得了巨大的成功。某些数据咨询公司还将人工智能纳入其项目，以帮助广告和媒体机构进一步开展活动。然而，并非所有使用人工智能的公司都取得了成功，这是一个公认的事实。高达85% 的公司都失败了。根据一些调查结果，人工智能发展的障碍主要来自高级管理层的抵制，以及对人工智能缺乏认识和了解。管理层首先要求高投资回报，这是一个的巨大障碍。因此，那些看起来很有希望的项目有时候会落空。

来自 dimensional Research 的一份报告指出，10个人工智能项目中就有8个失败了，而96% 的项目在数据质量、数据标签和建立模型信心方面遇到了问题。另一个失败案例是，Facebook、亚马逊、微软和 Adobe 的代表都选择使用名为神经机器翻译（NMT）的人工智能，因为它能够非常迅速地将72种语言的内容本地化。然而，这项技术(还有这个工具)仅被23% 的人使用。这些项目失败的一些原因可能是:行家沟通失败还未开始就已失败缺少数据专家内部人才 / 软件害怕失业简单开始

当提到人工智能项目的实施时，首先会有行家在周围扰乱，比如“让我们继续(不同项目的名称)”。它的成本也低得多。” 问题不在于项目的类型，而在于项目最能吸引投资回报率(ROI)。那该怎么办？确保您的第一个基于AI的项目面向业务，实现KPI，并与组织的愿景和使命声明保持一致。相信这样一个项目的成功对你和企业来说意义重大。

当你是一个数据科学家，并且正在使用技术术语与管理层沟通，就会出现沟通障碍。管理层根本无暇管你如何进行项目，因为他们已经有很多事情需要处理了。不要教他们人工智能，只需要告诉他们如何发展公司。此外，公司的优先级必须与你的项目一致。他们会很高兴听到你的建议，然后给你一个机会。

一些你可能不想做的事情，但是它可以发挥极大的作用。想象一下，你在项目上投入了大量资金，但是客户告诉你，这些规范并不是他想要的。那么，你就死定了。所以，在真正开始项目之前，做好充分准备，比如准备一些演示和报告，展示给客户，并引导客户同意他所看到的内容。即使客户不同意，你也不会遭受任何损失。知道了客户的需求后，你就可以从客户规范开始了。

组织通常倾向于给那些应届毕业生或者没有工作经验的新手一个机会。原因很简单——节省开支。而这就是最大的错误。以节约成本为名义，聘用职场新手，实际上公司是在浪费资源。届时，项目没有完成，他们就会想出一个又一个的借口来推脱自己的责任。组织需要的是一个经验丰富的员工，来开发人工智能项目，并将其推送给客户。

培养内部人才是一个不错的选择，但是如果公司每次都使用同样的人才，他们如何确保内部人才拥有最新的知识。公司是否具备内部人才？如果没有，公司需要聘用海外开发人员。

虽然人工智能可以给组织带来巨大的变化和利润，但对于那些不知道的人来说，人工智能能够做到我们今天人类所做的事情。从执行物理任务到做出逻辑决策，人工智能可以处理所有的事情。这在其最后阶段可能对执行该计划的组织的雇员构成威胁。因此，可能会有人阻碍人工智能的实现，否则他们就会失去工作。

在没有试试简单规则之前，你的人工智能将不具有任何价值。人们说复杂的项目会成功，但是过于复杂的项目会消耗很多时间。因此，项目应该以一种简单的方式开始。其他原因：除了上述原因，也可能存在其他因素导致项目失败，因为在给定的时间期限内，你的期望可能会与实际有冲突。

尽管人工智能有很多光环，但有些问题可能会出现，或者已经出现了。举个例子，一辆试运营的Uber自动驾驶汽车在行驶时撞死了一名行人。你可能想到算法错误，或者程序没有被正确编码。换做其他情况，就可能是因为数据错误，以至于向人工智能提供了一些错误的指令。

人工智能系统失败的另一个原因很可能是数据库不完整。每当人工智能系统需要接管时，必须对数据库中所有的问题和解决方案进行测试和训练。如果在训练过程中遇到数据不完整，人工智能将无法实时响应这种情况。此外，算法也可能出错。这是因为它们是由人类创建的。算法开发者可能偏向于某个特定的方向。在工作选择过程中，如果算法偏向于某个特定的方向，招聘公司可能无法找到最合适的候选人。

有时候传感器可能不会给人工智能响应问题。这种情况下，人工智能必将失败，仍保持原来的状态(完全回滚)。人工智能系统需要进行全面测试和训练，以找出它可能会遇到的任何情况。