（文章來源：CSDN）

在過去的幾個月時間里，人工智能項目的數量顯著增加。而大多數在公司從事人工智能項目的人也計劃在接下來的一年中，進一步增加他們的人工智能計劃。其中的許多計劃都被寄予了很高的期望，但人工智能項目遠非萬無一失。事實上，專家預測稱超過一半的人工智能項目將無法達到預期的效果。

失敗的原因有很多，但某些顯而易見的失誤會造成人工智能項目的潰敗。根據與不同組織AI從業者進行的討論，并結合過去幾個月的調查，我了解到，這些失誤出現的概率很高。它們的一個共同點是：缺乏充分的戰略和規劃。

一個組織在進行人工智能項目時所面臨的挑戰大都是有關文化方面的。公司政治是能開展人工智能項目的主要原因之一，項目團隊努力具備從功能到技術的多樣化技能集。不同的部門和領導出于不同的目的，都在為人工智能計劃保駕護航。不同的人對數據領域有著不同的見解，因此數據素養也是一個重要的挑戰。鑒于此，企業對人工智能計劃抱有不切實際的期望也并不罕見。

因為人工智能資源是最昂貴的資源，而且其結果存在不確定性，這就讓利益相關者參與進來也成為了一項挑戰。組織成熟程度在運行數據密集型項目中也扮演著重要的角色。從事數據相關項目的組織和部門能夠快速地主動地清除障礙。人工智能計劃的主要涉眾是非技術性的。因此，演講是一項重要技能，以此幫助這些涉眾認識到人工智能計劃的真正潛力。

如果我們能夠在組織中積極地灌輸數據文化，這些挑戰是可以克服或解決的。人工智能項目面臨的另一個主要挑戰是有關業務方面的。人才缺口是眾所周知的挑戰之一，而獲取項目的相關數據可能是其又一大挑戰。很多時候，功能SME可能是一個障礙。功能SME是如此稀缺，以至于它們對項目的可用性可能是一個巨大的挑戰。

人工智能是一個跨學科的領域，它的成功依賴于包括IT團隊在內的許多不同團隊之間的協作。即使你已經準備好了一個解決方案，但在客戶端站點上部署或者客戶希望的使用結果方式也可能非常具有挑戰性。當你有很多選擇機會的時候，選擇高ROI/CBA的就變得很重要。機會評估也應包括在人工智能業務框架內。否則，沒有人會愿意處于這樣的境地：在付出大量努力之后，我們發現自己正在做錯誤的事情。

數據安全也是應該包含在操作框架中的另一個內容，以避免項目后期出現問題。由此可知，如果我們能為人工智能計劃建立一個操作框架來規避這些問題，那么就可以避免許多挑戰。直到近期，業務才實現了數據的價值。因此，數據質量除了已成為監管要求的業務之外，它也是人工智能計劃中經常出現的問題。事實上，各調查結果顯示，數據質量是所有人工智能計劃中最具挑戰性的部分。

大多數情況下，獲取到的數據并不是我們想要的格式，我們需要以一種對用例有用的方式來合并、轉換和聚合數據。因此，數據整合也是人工智能人員需要應對的挑戰之一。在許多用例中，由于數據隱私問題，我們不能將數據應用在AI計劃中。由于近期或即將出臺的許多關于數據使用的法律法規(如GDPR)，數據隱私也成為需要應對的主要挑戰之一。

企業技術棧可能規模龐大且差異較大，特別是在沒有IT管理的企業。由于人工智能項目需要與不同級別的典型IT項目集成，擁有不同的技術堆棧也可能是一個巨大的挑戰。另一個挑戰是算法的局限性，人工智能沒有靈丹妙藥，每種方法都有其優缺點。我們需要在方差和偏差之間進行權衡。

模型可解釋性是另一個需要應對的挑戰領域，根據近期和即將出臺的法規，人工智能可解釋性變得越來越重要，但我們也需要在準確性和可解釋性之間進行權衡。作為一個新興的、不斷發展的領域，人工智能項目能否順利完成充滿了已知和未知的挑戰。如果你打算從事人工智能項目，我建議你將上述挑戰牢記在心，如果發現其中任何一個挑戰是可應對的，就請積極地去解決它們吧。