在线会议
论坛
专题
工控直播
新闻中心
子站
技术
社区
新冠疫情的全球肆虐进一步加速了数字化转型，企业越来越依赖自动化控制工程网版权所有，尤其是人工智能（AI）。
一家大型咨询公司去年展开的调查中，三分之二的首席执行官表示他们将比以前更多地使用AI来创建新的劳动力模式。甚至更多的人计划将运营、客户互动、商业模式和收入流数字化。
这种巨大的加速和转变可能会给企业带来很大的风险，使企业更容易遭受损失（在某些情况下甚至是关键的基础设施），因为将其关键决策移交给AI。
基于对AI的大肆宣传，让人们误以为似乎可以通过筛选大量数据的复杂算法来改善一切。从简化客户服务到发明新的香水甚至是指导足球队，AI看起来就像是竞争优势不可阻挡的供应商，实际上公司高管要做的就是放开它，然后一边吃午饭（由AI机器人厨师烹制），一边看着公司利润攀升。
可悲的是，我们在执行过程中看到的是一个完全不同的世界——从管理不当的期望到极其昂贵的失败和错误。现实中，AI有时并不是通往公司光明未来的闪亮之光，而是在错误的道路上引领盲人，直到有人跌下悬崖。
在AI世界中负责炒作的大多数人从未编写过任何代码，更不用说将AI部署到实际生产中了。甚至没有几个开发人员能够给您一些现实的应用案例。作为一个在经常使用AI建立平台和工作的技术专家，我亲眼目睹了当一些世界上最大的公司应用AI时出现了什么问题，以下是一些使用AI的最糟糕方法：
1. 根据错误的数据做出决策
AI擅长在庞大的数据集中查找模式，并能有效地根据这些模式预测结果，并查找不相关的alpha（数据集中的隐藏模式）。但是，如果将错误的数据（或异常信息）提取到数据集中，则会出现大问题。
例如， 我们曾与一家专注于TMT行业（技术、媒体、电信）的客户合作。创始人来自一家大型金融公司，并带来了一些曾为REITS和能源部门的交易系统工作的程序员。他们的目标是建立一个分析引擎。问题是，他们的开发人员复制并合并了为房地产投资信托基金和能源交易建立的两个引擎，并试图将与TMT行业更相关的技术指标纳入这一混合系统。
我们花了一些时间才意识到，尽管创始人认为他们的团队已经建立了一个专门为TMT设计的全新引擎控制工程网版权所有，但它实际上是拼凑而成的。虽然这三个行业都有类似的技术指标，但AI是敏感而细致的工作，每个引擎都应该被定制。确保您的AI是基于正确的数据提出建议的。
2. 未能正确训练您的AI
您可以向AI引擎提供所有正确的数据，并让它得到正确的答案，但是在未经测试之前，您不知道它会做什么。急于赋予它更多的责任，就像把一个小孩送入现实世界一样——对两者来说都不会带来好的结果。
一家企业对AI进行量化交易很感兴趣。他们雇用了一个外部团队来构建AI引擎的概念验证模型。要构建一个好的AI引擎，您将需要一个大型的同类历史数据集。通常，数据集中的数据点越多，引擎检测未来结果的能力就越好；这些数据点将帮助设计良好的引擎发现数据的非线性相关性，以帮助进行预测。
我们建议该客户给AI引擎更多的时间来处理他们的数据集，以使其更加均质并且不遵循主流定价信号。遗憾的是，他们没有这样做，并且对特定的数据集进行了精细的调整，以至于它不能与新的、未见过的数据一起工作。换句话说，它对实时市场数据毫无用处。
3. 忽略决策的人为责任
无论您对AI进行什么编程CONTROL ENGINEERING China版权所有，它都不会共享您的人类目标或承担其后果。因此，我们已经看到了AI的早期示例，这些AI将早期的GPS用户引导到河流中，或者删除了关键信息以“最小化”数据集中的差异。要记住，软件实际上并不做决定控制工程网版权所有，它只是识别模式，也不会对决定负责。人类才是最终对决定负责的。
4. 高估数据价值
某些数据根本无法用于构建任何有用的信息。例如，一个使用AI方面失败的案例是一个医疗诊断平台的整合CONTROL ENGINEERING China版权所有，它有自己的数据湖和广泛的数据集。拥有该平台的公司收购了另一个平台，带来了一系列孤立的数据集。高管们想从这些杂乱无章的数据集中获得一些洞察力，并需要在潜在客户的入职方面得到帮助。问题是，这些数据集描述的是不同的医疗问题/档案，试图找到真正有价值的共同标准是不可能的。尽管拥有所有的汇编信息，但与新平台的数据整合就像拥有没有实际联系的乐高碎片。仅仅因为它们在很多方面都很相似，并不意味着你可以用它们来建造一座城堡。
一家房地产开发商希望我们为建筑决策的洞察力设计AI模型，其概念是，如果我们能从房地产列表中摄取足够的数据，就可以进行分析，为他们的新开发项目的布局提供决策依据。客户希望通过AI获得的洞察力能够告诉他们，根据建筑物的位置，什么是最理想的布局。
在摄取了不同州的房地产列表数据，进行了数据集分析，并与主题专家互动后，很明显，由于房地产市场是高度本地化的，一个放之四海而皆准的算法是不行的。曼哈顿东部中城的房地产与西部中城略有不同，布鲁克林与皇后区也不同，更不用说纽约州的整个数据集了。众多的数据集独立起来太小，无法建立一个有意义的分类算法，这个项目也就没有通过。
在这些情况下，这些公司通过前期调研减少了损失，但许多其他公司只是继续向AI投钱，更深入地研究与目标无关的细节。在构建AI引擎之前，请确保您的目标具有可行性。
深入了解AI的现实意义
AI可能是这个加速的数字商业世界的未来，但就目前而言，仍然有太多的炒作。企业应该考虑AI，但要有深入的见解和对AI真正作用的正确理解。决策者需要了解AI的现实意义，以及它带来的潜力和其背后的挑战。考虑到可用数据、时间表、成本和期望，制定任何潜在AI项目的明确策略。通常，成功的AI项目提供的是长期的结果，而不是短暂的收益。
AI的核心只是推理。它可以帮助分析大量细节，但是别忘了，只有人类才能理解全局。我们了解，作为人类，我们的决策会产生后果（商业、法律和道德），并且给AI虚假的人类特征掩盖了事实，即它不会像我们所做的那样思考。人类可能比AI犯更多的“错误”，但我们也有更多的能力去识别它们。因此，当您在考虑如何部署AI时，请确保您自己的“情报”仍处于优先地位。
.jpg)
AVEVA InTouch Unlimited试用版下载
福禄克三大“法宝”帮您搞定过程仪表校准难题
2024年度最佳产品奖颁奖典礼会后报道
2024全球自动化和制造主题峰会会后报道
阿自倍尔液体检测产品有奖试用
