在冠状病毒疫情持续蔓延期间，人工智能（AI）一直处于前沿和中心位置。全球流行病已推动全球政府和私人组织提出人工智能解决方案，从分析咳嗽声到在医院安装消毒机器人，应有尽有。这些努力是一个更大趋势的一部分，该趋势一直在加速发展，企业、政府、大学和研究机构正在部署旨在利用人工智能造福社会的项目。这些计划的目标是部署先进的人工智能技术，以解决“贫穷造福”、“饥饿”、“犯罪”和“气候变化”等关键问题，并在“人工智能造福人类”框架下。但是更大的问题是什么使人工智能项目变得更好？

人工智能有潜力解决人类最大的挑战，例如贫困和气候变化。但是，作为一种技术工具，它与应用程序的场景，预期的最终用户和数据的特殊性无关。出于这个原因，它最终可能最终带来有益和有害的后果。

以下是一些方法来确保人工智能优秀项目真的是好的。

 企业需要人工智能解决方案吗？

成功地在企业中实施和采用人工智能将需要三件事：

•在专家的帮助下，能够分辨出可能与仍然是科幻小说。

•人工智能可用来解决的问题或任务

•数据、数据和更多数据

尽管人工智能可以完成很多事情，但受到技术的限制。从长远来看，让某人参与该项目可以告诉企业主什么是可能的，什么是不可能的，这将节省大量时间。

目前，人工智能非常流行，但建议不要犯错误，即开始一个人工智能项目。与合作伙伴合作可以分析业务，并诚实地让业务所有者知道业务是否需要人工智能。

为了使任何一个人工智能项目都能成功，一个人需要足够的数据以供机器学习（ML）进行。

 提出正确的问题

在参与打算永久应用人工智能的项目之前，应该提出一些问题。问题包括问题所在。无论是贫穷，气候变化还是教养设施拥挤，都不可能解决眼前的实际问题。因此，一个项目不可避免地涉及解决实际上是一个代理问题：从卫星图像中识别贫困，检测极端天气事件，产生累犯风险评分。代理人问题通常也缺乏足够的数据，因此人们依赖于替代数据，例如每个人口普查区的GDP，过去十年中的极端气候事件或有关囚犯假释时犯罪的历史数据。但是，当GDP并不代表收入的全部故事时，气候事件变得越来越极端和不可预测时，或者警察数据有偏见时，会发生什么呢？最终，人工智能解决方案优化了错误的指标，做出了错误的假设并产生了意想不到的负面后果。

人工智能解决方案太复杂，太可扩展且对技术的要求太高，无法部署到许多生态系统中。因此，至关重要的是要考虑到部署的背景和挑战，目标受众以及什至更简单的事情，例如在部署时是否存在可靠的能源网格。人们在生活和环境中理所当然的事情在其他地区和地区可能会非常具有挑战性。

鉴于机器学习和深度学习方法当前的普遍性和可访问性，人们可能会认为它们是解决任何问题的最佳解决方案，而忽略了它的本质和复杂性。虽然深层神经网络在某些用例中无疑具有强大的功能，并提供了大量与任务相关的高质量数据，但这些因素很少是人工智能优质项目中的常态。相反，团队应该优先考虑更简单，更直接的方法，例如随机森林或贝叶斯网络，然后再跳转到具有数百万个参数的神经网络。与深度学习相比，更简单的方法还具有更多的价值，这比深度学习更容易解释，这在最终用户通常不是人工智能专家的现实世界中非常有用。