当您不断听到这 4 个 AI 流行语时，请三思一下一家公司

对于每一个使用 AI 做一些开创性事情的企业来说，还有更多，嗯，不是。 Adobe 2018 年的“数字趋势”报告 发现，虽然目前只有 15% 的公司在使用人工智能，但有 31% 的公司将其列入明年的议程——但不断增长的需求并不一定与高质量人工智能的增长相关产品。其中大部分是绒毛。

我在 2016 年艰难地了解到这一点。我们希望为一项非常具体的任务授权一个模型，这导致了恐惧。我们自己也是一家 AI 公司，但我们专注于语言理解和 NLP。我们的一位客户希望将图像识别添加到我们的一个大型 AI 模型中，因此我们开始寻找擅长图像识别的合作伙伴。这真的很难。我们最终选择了客户推荐的供应商。从表面上看，这家公司看起来不错。销售团队向我们展示了案例研究，我听说过 Slack 频道中提到的有关机器学习的数据科学家的名字。但是当我们真正插入人工智能时，结果完全不令人满意。我们应该花更多时间进行尽职调查并与机器学习团队（或至少是知情的高管）交谈。当我们试图与销售团队解决这个问题时，很明显他们不知道技术做了什么。销售团队和工程团队之间的这种分离是人工智能的一个大问题——销售解决方案的人必须了解人工智能的实际工作原理。

由于人工智能技术得到了如此多的炒作，许多公司在没有任何该领域经验的情况下转向人工智能。当您将技术的复杂性与参与游戏的人数相结合时，就会导致灾难。很难验证良好的性能是什么样的；在不同的垂直领域，并没有那么多广泛建立的 AI 信心或准确性基准，一些公司正在利用这种混乱。而且 AI 已经足够复杂了，而不必理会那些狂热的骗子。

深度学习
深度学习很强大，但许多公司在没有根据的情况下随意使用这个术语。有一个关于这个的行业笑话：“深度学习就像高中的性爱。每个人都说他们在做，但实际上只有少数人在做，而且他们可能做得很差。”

假人工智能公司喜欢在他们的主页上放置“深度学习”，因为这让他们的人工智能看起来“超深，伙计”。事实上，深度学习可以成为一种强大的工具，但有时它对手头的问题没有意义。以烹饪为例。当一位科学家尝试教授 深度学习模型来组合食谱时，结果非常糟糕。

如果一家公司说它在没有超大数据集的问题上使用深度学习，那很可能是假的。深度学习可以改变你的生活，但如果你仅仅为了炒作而使用深度神经网络，它也会浪费你的时间。有些公司使用深度学习来写演讲，即使它 不起作用。

自然语言理解
简单地说，NLU 就是人工智能处理和理解语言并根据该语言执行命令的能力。NLU 可以成为业务的必要组成部分，并且该技术在短短几年内取得了长足的进步。 在理顺事情之前， 考虑一下Siri 跌跌撞撞走出大门的区别 。AI 处理一个人传达的想法，然后附加一个解决这个人的问题的响应的能力是令人难以置信的。但你仍然要提防骗子。

很多顾问似乎认为他们已经神奇地封装了 AI 专业知识，他们会用 NLU 来描述他们的工作，但他们不会做 NLU，除非他们真的在训练模型，而不仅仅是在上面添加一个服务层。这在某些情况下可能会有所帮助，但该术语本身并不总是意味着它看起来的意思。要确定供应商是否合法，请询问它使用什么方法来调整其训练数据。

增强智能
非技术人员试图通过宣传“增强智能”来抓住人工智能趋势，如“我们将用人工智能增强你的智能”——但人工智能已经开箱即用。这就是想法。添加一个不主动接触算法的中间人可能会在一个本应消除浪费的行业中增加大量垃圾。

远离 24 个月前出售数字贴纸但今天称自己为 AI 专家的公司。其中许多公司都在招聘“机器学习专家”，这个职位甚至在六个月前都不存在。根据 LinkedIn 2017 年的“美国新兴就业报告”，机器学习工程职位列表自 2012 年以来增长了近 十倍。很高兴看到该行业的增长，但所有这些工程师都能编写算法和训练模型吗？如果没有，请小心。

有很多 AI 公司正在做开创性的事情，这些事情很可能会改善生活。但每一个成功故事都会产生十几个新的“万事通”。确保你提出了一些棘手的问题，以确保你在与合适的人交谈——或者至少享受嘲笑你现在能够识别的大量小贩推销套牌的乐趣。