現在人工智能的發展是如火如荼的，認為人工智能是給科技精英使用的，以及人工智能只是解決億萬美元級的問題，其實這些想法都是錯誤的，人工智能主要是服務大眾。其實大眾對於人工智能的誤解還有很多，我們在這篇文章中接著給大家介紹一下這個問題。

很多人認為，算法比數據更重要，很多關於人工智能的文獻以及報告都不約而同的偏重於關註機器學習算法，將其視為最重要的部分。主流媒體似乎把算法與人腦等同了。他們隱約傳達著這樣一個信息：復雜的算法最終會超越人類的大腦並創造奇跡。當然他們還強調“深度神經網絡”和“深度學習”，以及機器是如何做出決策。這樣的報告使得人們認為一個公司要想應用人工智能就需要聘請機器學習專家來建立完美的算法。但如果一個企業沒有思考如何獲得高質量的算法，即使機器學習模型經過大量的特定訓練數據學習之後，仍然會產生一個與期望不匹配的結果，這樣就嚴重的影響了人們對人工智能的印象。

就目前而言，如果一個企業沒有計劃或訓練數據的預算就從微軟，亞馬遜和谷歌購買商業機器學習的服務，這就好比買了一個沒有電池的手機，而手機的電池適配程度也是不同的，如果沒有合適的電池一樣也不能夠正常工作。在人工智能中，如果給機器學習模型的訓練數據越多，這樣機器學習模型就會越準確。這就像不斷給手機充電，這樣電池的電量利用率會不斷提高。訓練數據對於機器學習模型的重要性比電池和手機重要性更高。所以我們在進行人工智能工作的時候一定要註意其關鍵所在，那就是訓練數據的質量和數量至少是和算法一樣重要的 ，要確保部署人工智能的計劃和預算反映這一點。這也是所有企業和公司需要註意的事情。

我們在這篇文章中給大家介紹了大眾對人工智能的誤解的具體內容，總的來說本文講了大眾對人工智能的誤解主要就是認為算法比數據更加重要，其實這種想法是錯誤的，還是需要重視數據的。希望這篇文章能夠給大家帶來幫助，我們在下一篇文章中繼續給大家講述這些問題。

大眾對人工智能的誤解都有哪些（四）