（文章來源：Forbes）

大多數公司已經開始使用一些常見的人工智能功能，而且用戶們也基本滿意。其中包括個性化定制（個性化廣告、電子郵件、自動文本等）和精準營銷（您在Spotify，Netflix或亞馬遜購物卡等應用上看到的那些推薦）以及其他的營銷技術，現在廣泛使用的功能是適用于任何規模的企業的。

許多技術也比較成熟了：其中最重要的是機器人流程自動化（RPA）。RPA是AI的初級成果，它即智能又簡單。RPA側重于自動化一個流程，而不是整個企業的垂直流程。RPA雖然為公司節省了大量的時間和金錢，但尚未達到一定規模。有許多公司最近才剛開始使用RPA技術，而積累一定用戶的公司已經開始著手開始進一步流程優化了。

現在既然許多公司已經掌握了基礎知識，早期嘗到甜頭的公司就會想走得更遠。他們越來越多地關注AI和ML驅動的預測分析，即企業從數據（特別是實時數據）中提取更多的有價值的信息，甚至利用這些信息做出決策。對知識圖譜的理解也更加深入，人工智能可以根據大量數據分析出我們從未想到過的結果。

事實上，目前企業完成人工智能項目還是有難度的。許多公司的項目要么超期，要么需要花很多時間來建立相應的系統，Pactera技術公司最近的一份報告反映了Gartner之前報道的問題：85％的企業AI項目無法如期交付。

Dimensional Research最近發布的另一份報告顯示，在人工智能和機器學習方面，每10家企業就有8個表示這他們的AI項目是停滯不前的，而96％的人表示他們在數據質量、數據分類和建模的置信度上遇到了問題。即使像IBM，Uber和亞馬遜這樣的高科技巨頭也不得不在面臨巨大的挑戰時放棄一些數百萬美元的大項目。

這時候是否還要堅持下去呢？其實大可不必！目前對于在AI項目中什么該做，什么不該做已經有足夠的總結經驗了。一些常見的誤區有：起始目標不明確，太多數據（或不當使用數據），使用錯誤算法，交付成果的周期過長（應該在工作過程中實時檢查，保持平衡）。

隨著強化學習領域技術的重大進步，人工智能能夠通過完成特定目標獲得反饋，AI開始變得有“意識”起來。它開始以一種類似人類的但奇怪的方式思考，這也意味著它也有能力開始工作了。人工智能似乎已經到了無限趨近人類的三岔口。

AI正在朝著能夠流暢地與人類對話這個目標邁進，初創公司和技術領導者都在爭奪聊天機器人，它們不僅能回答問題，而且還具有先進的推理功能。谷歌，微軟，亞馬遜和IBM都想在會話式人工智能方面取得進步，讓AI學會人性化的溝通，就是說人工智能可以根據場景的變化靈活應變。

會話式人工智能的實現需要有力的后端支撐—比如說更強大的硬件。這使得像英特爾這樣的公司開始研發用專用推理芯片，以及開發他們聲稱可以加快計算機深度學習推理過程的DL boost技術。GPU也是競爭越來越激烈，傳統上專注于訓練的GPU也變得越來越有推斷能力，上周NVIDIA公布了一項會話式AI，展示了GPU如何通過推理，實現延遲更短、更自然、更人性化的對話體驗。

隨著人工智能確實變得更加人性化，企業也開始意識到使用，如果AI使用不當會產生嚴重后果，不僅僅是失業問題，AI算法會是在“不經意間”建立的，且是有偏見的。例如，白人男性寫的用于招募的AI軟件可能“意外地”選擇白人男性作為高度匹配的應聘特征，或者在人臉識別上更多的關注白人。

特別是像IBM這樣的公司，他們不僅使用人工智招聘，還用它評價員工的工作表現。你會信任一個機器人來評判你的工作表現嗎？來決定你是否應該加薪？這公平嗎？未來，會有更多的與AI相關的道德規范出臺。例如，甲骨文建立了一個道德委員會來討論公平性、問責制和算法的透明度等問題。

IBM也正在研究“可解釋的AI”，Microsoft制定了使用聊天機器人責任的指導原則（例如，公司應始終提醒客戶他們正在與機器人而不是人進行通信，并提醒他們注意限制）。由于擔心隱私泄露的道德問題，有的城市停止使用人工智能程序面部識別功能，亞馬遜也因為同樣的原因叫停了員工監控跟蹤AI。人們開始明白雖然人工智能力量強大，現在相互提取或處理的數據類型是沒有限制的。但我們必須回答的問題是：應該這樣做嗎？

展望未來，公司應制定合理的人工智能的發展路線，并且建立例行審計制度來確保他們的人工智能在管理員的掌控之下。這個過程也許會伴隨著無休止的辯論：它在哪些方面進行了優化？是否會取代人類？如何對其進行監管以及道德風控等。人工智能的未來令人興奮，與此同時，這或許也是一個瘋狂的旅程。