#机器学习# 【如何让机器学习更好地为企业提供服务？】
根据 Gartner Hype Cycle 于 2023 年 8 月发布的一份新闻稿，人们对#人工智能# 及其应用的热情或许会坠入最低点，生成式人工智能几乎处于“期望膨胀期的顶峰”，即将陷入“幻灭的低谷”。
快速浏览一下社交媒体，你也会发现一些端倪。有些页面上充斥着定向广告，主题平淡无奇，比如“为你的一堆收据提供 #GPT# ”。这是一个很好的证据，表明人工智能热潮正在寻找各式各样的落地方式。
根据麦肯锡的数据，尽管人工智能的采用率自 2017 年以来增加了一倍多，但在过去几年里，它已经稳定在 50% 到 60% 左右。
#IBM# 透露，与采用人工智能相关的挑战中，近一半集中在数据复杂性（24%）和集成与扩展项目的难度（24%）上。虽然营销人员的“给它加上一个 GPT 后缀，并称之为人工智能”的策略可能是权宜之计，但努力真正实施、整合人工智能和机器学习的企业面临着双重挑战。
首先，这很困难且昂贵。其次，因为它很困难且昂贵，所以很难找到测试用的“沙盒”，这是实验和证明新人工智能产品价值所必需的，这将保证进一步的投资。简而言之，人工智能和机器学习没有我们想象中那么“平易近人”。
历史表明，大多数业务转型一开始似乎都很困难，成本也很高。然而，在这些努力上花费的时间和资源已经为创新者带来了回报。企业发现新的资产，并使用新的流程来实现新的目标，有时甚至伴随着崇高的、意想不到的目标。人工智能热潮的核心资产是数据。
戳链接查看详情：
如何让机器学习更好地为企业提供服务？
根据 Gartner Hype Cycle 于 2023 年 8 月发布的一份新闻稿，人们对#人工智能# 及其应用的热情或许会坠入最低点，生成式人工智能几乎处于“期望膨胀期的顶峰”，即将陷入“幻灭的低谷”。
快速浏览一下社交媒体，你也会发现一些端倪。有些页面上充斥着定向广告，主题平淡无奇，比如“为你的一堆收据提供 #GPT# ”。这是一个很好的证据，表明人工智能热潮正在寻找各式各样的落地方式。
根据麦肯锡的数据，尽管人工智能的采用率自 2017 年以来增加了一倍多，但在过去几年里，它已经稳定在 50% 到 60% 左右。
#IBM# 透露，与采用人工智能相关的挑战中，近一半集中在数据复杂性（24%）和集成与扩展项目的难度（24%）上。虽然营销人员的“给它加上一个 GPT 后缀，并称之为人工智能”的策略可能是权宜之计，但努力真正实施、整合人工智能和机器学习的企业面临着双重挑战。
首先，这很困难且昂贵。其次，因为它很困难且昂贵，所以很难找到测试用的“沙盒”，这是实验和证明新人工智能产品价值所必需的，这将保证进一步的投资。简而言之，人工智能和机器学习没有我们想象中那么“平易近人”。
历史表明，大多数业务转型一开始似乎都很困难，成本也很高。然而，在这些努力上花费的时间和资源已经为创新者带来了回报。企业发现新的资产，并使用新的流程来实现新的目标，有时甚至伴随着崇高的、意想不到的目标。人工智能热潮的核心资产是数据。
戳链接查看详情：
如何让机器学习更好地为企业提供服务？
