如果你是一名企业主管（而不是数据科学家或机器学习专家），你可能已经从主流媒体的报道中接触过人工智能。你可能在《经济学人》和《名利场》读过相关文章，或读过有关Tesla 自动驾驶的故事，或史蒂芬·霍金写AI对人类的威胁的文章，甚至还看过有关人工智能和人类智能的讽刺漫画。

　　所以，如果你是关心你的企业发展的高管，这些有关AI的媒体报道可能会引出两个恼人的问题：

　　第一，AI的商业潜力是真是假？

　　第二，AI如何应用于我的产品？

　　第一个问题的答案是肯定的，AI具有商业潜力。今天，企业已经能应用AI改变需要人类智能的自动作业流程。AI能让人力密集型企业处理的工作量增加100倍，同时把单位经济效益降低90%。

　　回答第二个问题需要多一点时间。首先，我们必须消除主流媒体宣传的AI神话。只有消除这些误解，你才能对怎样应用AI到你的业务中有一个框架。

　　神话1：AI是魔术

　　许多主流媒体把AI的描述得想魔术一般神奇，atv，好像我们只需要对谷歌、Facebook、苹果、亚马逊和微软这些大公司的高级魔术师使劲鼓掌。这种描述是帮倒忙。如果我们希望企业采用AI，那么我们就需要让企业家们理解AI。AI并不是魔术。AI是数据、数学、模型以及迭代。要想让AI为企业接受，我们需要更加透明，以下是3个有关AI的关键概念的解释：

　　训练数据（TD）：训练数据是机器学习的初始数据集。训练数据包括输入和预回答输出，所以机器学习模型能够为任何给定输出寻找模式。例如，输入可以是带有客户和企业支持代表（CSR）间的电子邮件线程的客户支持ticket，输出可以是基于企业特定分类定义的从1到5的分类标签。

　　机器学习（ML）:机器学习是能从训练数据中学习模式，并让这些模式应用于新的输入数据的软件。例如，接收到带有客户和CSR间的电子邮件线程的一个新的客户支持ticket时，机器学习模型能预测它的分类，并告诉你它对这个预测的置信度。机器学习的主要特点是它学习新的、而非适用固有的规则。因此，它能通过消化新的数据调整自己的规则。

　　Human-in-the-Loop(HITL)：Human-in-the-Loop是AI的第三个核心要素。我们不能指望机器学习模型绝对可靠。一个好的机器学习模型可能只有70%的准确率。因此，当模型的置信度较低时，开奖，就需要人使用Human-in-the-Loop作业流程。

　　所以，不要被AI是魔术的神话所迷惑。理解AI的基础公式是：AI=TD+ML+HITL。

　　神话2：AI只为技术精英专属

　　媒体报道很容易让人产生一种错觉，就是AI只属于技术精英——大公司例如Amazon，Apple，Facebook，Google，IBM，Microsoft，Salesforce，Tesla，Uber——只有它们能够组建大型机器学习专家团队，并获得亿美元级的投资。这种观念是错的。

　　今天，不用10万美元就能着手应用AI到你的业务中。所以，如果你是美国收益大于5000万美元的26000家企业之一，你就可以把收益的0.2%投资于AI应用了。

　　所以，AI不是技术精英专属。它属于每个企业。

　　神话3：AI只为解决十亿美元级别的问题

　　主流媒体的倾向于报道未来主义的事物，例如自动驾驶汽车或用于运送快递的无人飞机。像Google，Tesla，Uber这些公司由于“赢者通吃”的心态，为了抢占未来无人车市场的龙头老大地位，已经投资进去数百亿美元。这些给人的印象是AI只用于解决十亿美元级别的新问题。但这又是一个错误。

　　AI也应用于解决现存的较小的问题，例如百万美元级别的问题。让我解释一下：任何一个企业的核心需求都是理解客户。从古希腊的agora市集和古罗马的个人买卖广场就是如此。今天也是如此，哪怕生意买卖爆发性地转移到了互联网上。许多企业坐拥来自客户的非结构化数据宝藏，这些数据来自电子邮件线程或Twitter评论。AI能应用于这些分类支持ticket的挑战，或用于理解推文情绪。

　　所以，AI不仅能应用于十亿美元级别的令人兴奋的新问题，例如自动驾驶汽车。AI也用于现存的“无趣”的小问题，例如通过支持ticket分类或社交媒体情绪分析更好地理解客户。

　　神话4：算法比数据更重要