為了在這一快速發(fā)展的領(lǐng)域做出明智的決定，所有管理者都應(yīng)該對人工智能有基本了解。以下是十點關(guān)鍵事項：

1.人工智能是歸納式的。人工智能系統(tǒng)通過其已做決策所收到的數(shù)據(jù)和反饋而進行學習。事實上，人工智能系統(tǒng)的預(yù)測與行動基于其所接受的訓練數(shù)據(jù)。這一點正是人工智能系統(tǒng)與以推演為基礎(chǔ)的傳統(tǒng)編程的不同之處。傳統(tǒng)程序只是處理數(shù)據(jù)，而非從中學習。

2.人工智能的算法很簡單。核心的學習算法少到幾條代碼，多則上百條?；A(chǔ)的人工智能簡單易學，這也是其在當下發(fā)展迅速的原因。您并不需要成為計算機科學家，就可對人工智能有個直觀的了解。其復(fù)雜度在于如何應(yīng)用人工智能來解決現(xiàn)實世界的問題。

3.人工智能擁有超人的工作速度和工作量。電子信號的傳輸速度比大腦內(nèi)化學信號的傳輸速度快百萬倍，因此人工智能可吸收大量數(shù)據(jù)，從中學習并快速行動。一些電子交易市場須以微秒計時，對參與者和監(jiān)管者而言，人工智能則是唯一的現(xiàn)實選擇。

4.對人工智能而言，語言和視覺觸手可及。人工智能領(lǐng)域最近的重大突破便是機器與人類的互動，掌握人類知識和在現(xiàn)實世界行走。雖然這些技能尚不完善，但已在許多場合得以應(yīng)用—并且人工智能還在快速改進。

5.人工智能能夠克服傳統(tǒng)的復(fù)雜度障礙。人工智能可以處理線性問題（本質(zhì)上可以直接歸納的簡單問題）和非線性問題（其他任何問題）。這一雙重能力為物流、制造業(yè)和能源效率等許多領(lǐng)域提供了眾多優(yōu)化機會。

6.潛艇不會游泳。即便是依靠相似的啟發(fā)教育法（例如反復(fù)試錯），機器與人類處理任務(wù)的方式仍不相同。商業(yè)目標是解決問題，而非創(chuàng)造機器人來模仿人類來完成某一特定工作。就像工程師并不是以馬奔跑的方式來設(shè)計汽車一樣，無人駕駛也不應(yīng)當模仿人類駕駛員的動作。

7.人工智能難以追根究底。如果想要理解為何機器能做出特定的決定，必須親自設(shè)計程序，才能追蹤機器的決策制定過程。您還需要避免前沿算法，比如深度學習應(yīng)用程序中使用的算法。深度學習為基礎(chǔ)的應(yīng)用能給出直觀或創(chuàng)新性的答案，但這類答案的分析過程很難被追蹤。

8.分散行動，集中學習。人工智能架構(gòu)結(jié)合了集中化與分散化。例如，無人駕駛汽車在自動駕駛的同時將數(shù)據(jù)傳入中央數(shù)據(jù)中心。之后，系統(tǒng)使用來自車隊中每輛車的匯總數(shù)據(jù)來促進中央系統(tǒng)學習，而單個車輛可通過定期更新軟件來接收中央系統(tǒng)學習成果。

9.商業(yè)價值實現(xiàn)于數(shù)據(jù)和訓練。許多企業(yè)不理解數(shù)據(jù)和訓練對人工智能成功的重要性。對于建立智能系統(tǒng)而言，好的數(shù)據(jù)通常比好的算法重要，正如對于人類來說，后期培養(yǎng)比其天資更為重要。

10.人機交互發(fā)生變革。為優(yōu)化人機交互所做出的努力已遠遠超過訓練人類使用靜態(tài)計算機程序所做的工作。通過人工智能來提升人的表現(xiàn)，以及將人引入算法解決問題的過程，兩者均日益普遍且具有挑戰(zhàn)性。