Suh認為對于IBM沃森人工智能超級計算機的客戶而言，聚焦小型數據集的精細算法更重要。“商業語言非常獨特，” Suh說: “如果向市場或者供應團隊詢問‘顧客’和‘訂單’的定義，你可能會得到不同的答案。Estaban Kolsky是一家客戶戰略的研究顧問公司的創建者和負責人。他也持有相同看法;“好的人工智能離不開好的數據”另一個重點是人工智能系統的進化。“關鍵在于你必須經常鍛煉它。如果你不頻繁地使用它，就很難把它訓練成你想要的樣子。它必須學習。”Microstrategy的CMO Marge Breya說。
瑞士信貸集團認知和數字化服務部門的領導者Jennifer Hewit曾在公司中使用一種被命名為Amelia的人工智能系統來配置虛擬IT服務臺。為了認識到它是如何工作的，Hewit采取了審慎的策略，讓項目緩慢地展開。當Amelia 2017年12月上線時，它僅能有效回答員工提出的23%的問題。和傳統聊天機器人一樣，如果服務臺無法提供幫助，對人類員工的需求就會大量增加。“我們學到的一點就是不要讓系統不懂裝懂。這很重要。” Hewit說。
最初Amelia是被設計為具有實體的，但現在它只有聲音。Hewit 表示:“我們下馬了實體設計方案因為它太像機器人了。”用戶的關注點是大致相同的，都是技術部門經常處理的不像能發送郵件或者需要重新設置密碼等問題。在過去一年里，瑞士信貸的員工設法訓練該系統使它能夠有效回答85%的問題并服務于40個國家的7萬6千名用戶。人機交互研究公司 Future Design Station的所有者 Liza Lichtinger警告稱，眾所周知，人工智能系統需要從自己的錯誤中學習，但它同時也在訓練使用它的人類。Lichtinger 說: “我們傳達給設備的語言正重新分布映射我們的大腦，并被導入到我們的社交互動中。”
最近Lichtinger正在為一家通過開發虛擬助手來提供個性化健康護理的公司做咨詢工作。在一個危機模擬場景中，程序反饋: “受害者還活著嗎。”她說: “我聽到時嚇了一跳，突然間，對于程序而言那是個受害者而非病人，這改變了我們看待人類的模式，也表明公司并不總能確定其發送給人們的言語和信息。”隨著這些人工智能系統變得愈發復雜，他們可以借助其所包含的生物數據來獲取視覺信息。“斯坦福大學通過捕捉人類有多么忙于觀察某個特定事物而將這一有關社會信號的新領域應用于打擊犯罪。“維薩負責人工智能的全球副總裁Lisa Hammitt說: “當我們正把實驗變得人格化并試圖預測實驗對象的意圖時，倫理道德成了擺在我們面前的問題。”
Hammitt透露維薩已經編寫了有關權限的數據使用章程。她補充道: “你必須公開程序算法在做什么。如果它認為你是空手道高手但其實你并不喜歡空手道，你就必須讓人們了解這一點并更正這個錯誤。”
京公網安備 11010502049343號