人工智能是一个不可避免的话题，如今媒体对人工智能的报告铺天盖地，引发了社会的广泛关注，人们担心目前的工作会被机器人代替。退一步讲，非常有必要认识到现在以及将来，人工智能将会越来越普遍的情况，同时还要承认人工智能可以解决其所涉及的实际业务和社会问题。
弱人工智能（也称为ANI或弱AI）是指进行编程以执行单一任务的系统，例如下棋、在MRI扫描中识别疾病的早期阶段还有在环境中自主驾驶。虽然这些任务在复杂性和人工智能技术的高级功能方面存在显着差异，但它们仍属于特定的操作领域。
强人工智能（AGI或强AI）是指具有人类智能的机器，人工智能是有意识的，有感情的，有情绪的；这通常是人工智能在流行科幻片中展现出的样子：例如机械姬，Her，我，机器人和西部世界等电影。人工智能还可能有更多级别，例如人工超级智能，机器人可以在多个领域和任务中超越人类智能，例如自动驾驶汽车到医院检测患者疾病，然后在国际象棋中击败人类。
尽管人工智能研究在过去几年中取得了巨大进展，但可能还需要一段时间才能在AGI方面实现突破；人工智能研究人员推测人工智能的实现短则10年内长则100多年才能实现。
AI是取代任务，而不是执行任务
在自动化和人工智能取代工作中涉及的任务与取代工作本身存在很大的误解。正如我们对ANI所了解的，单个任务可以实现自动化，但人们低估了一般工人需要经历各种不同的和不断变化的任务。麦肯锡估计，工作岗位能够实现100％自动化的不到5%。通过对反复出现的某些单一任务实现自动化来提高生产力，从而创造了新的工作岗位。例如，IDC预测到2023年，25％的主要零售商将探索或部署店内机器人，以减轻人员重复性工作，从而将工人的生产率提高40％。可能会有一些工作岗位流失，但这可以通过使用增强现实等创新培训工具来获得技能和技能提升来解决。
如今实践中的人工智能可以拯救生命
云计算、传感器和处理器等互补技术的进步推动了跨行业的AI研究，解锁用例并解决曾经被认为无法克服的问题。与大多数新兴技术一样，人工智能的目标是解决困扰医疗保健等行业的实际挑战。
在医疗保健行业，全球医疗人员短缺，即使在美国等发达国家，估计到2030年将缺少多达120,000名医生。
通过基于人工神经网络的新兴深度学习技术，AI可以扩展医生的专业知识，以缓解这种技能差距，并成为时间有限的医疗专业人员的补充工具。
一种被称为DeepGestalt的深度学习计算机视觉模型通过其表面分析框架能够以91％的准确度识别超过215种遗传综合征。加州大学圣地亚哥分校的研究人员使用AI来分析结构化（健康记录，测试结果）和非结构化（手写笔记）儿科患者数据，诊断鼻窦感染的准确度达到了95％，急性哮喘的准确率为97％，以及诊断单核细胞增多症的准确性为90％。
人工智能可以挽救生命但不会使医疗专业人员失业；微软的医疗保健机器人服务旨在简化更直接的客户服务问题，而复杂的问题还是需要人来操作，从而优化时间并改善与患者的互动。
各个行业的其他AI应用程序并没有直接挽救生命，但仍在提高我们的安全性。为了从不同方面挽救生命（根据国家公路交通安全管理局的数据，94％的碰撞是由于人为错误造成的），ANSYS正在使用模拟技术通过虚拟驾驶场景训练自动驾驶汽车，从而改善其自动驾驶AI算法而不会危及人身安全。罗克韦尔自动化的项目Sherlock正在创建一个更安全的环境，通过AI模块提高运营效率，减少工业环境中锅炉、泵和冷却器的误报警。
如果AI是大脑，那么数据就是生命线
数据的可访问性是任何AI部署的关键要素。DeepGestalt计算机视觉系统的培训使用了26,000例患者病例，加州大学圣地亚哥分校的病例分析用到了中国广州一家大型医疗中心超过1亿数据点的130多万患者就诊情况。在现实世界中部署微调的推理AI模型需要大量的数据训练。在自动驾驶汽车的用例中，大约需要80亿英里的无故障试驾才能达到与人类驾驶相当的性能。
通过越来越多的互联终端，工业物联网平台正在利用组织的高价值和不同资产中的数据实现情境化。然后，这些数据可以输入到AI模型中，并生成由AI驱动的分析，以应用其优势或在云端进行应用。3D CAD模型可以提供带注释的产品数据集，以对对象和图像识别应用程序进行训练，从而实现服务技术人员所使用的AR体验。产品构思阶段的AI源自生成设计模拟软件，分析与不同约束、材料、物理性质、制造过程和设计目标的数据的关系。
总结
随着这些数据输入的增加，AI生成的用例在变化和规模上继续大幅增长。IDC预测，人工智能系统的支出将在2022年达到近780亿美元，远高于2018年的240亿美元。人与机器之间“共同促进”的故事将继续快速发展；普华永道调查的67％的高管都声称同时使用人工和人工智能创造了更强大的价值主张。AI的首要主题将不再是取代人们工作，而是解决我们今天面临的客户、行业和社会问题。
