创建一些人工智能程序很容易，但将其转变为成功的企业是一项挑战，专家本周在新加坡举行的年度Innovfest Unbound技术会议上表示。

计算能力的提高和数据的更好可用性加速了人工智能的发展，大公司，初创企业，大学和政府都参与进来。今年早些时候，国际数据公司预测全球认知和人工智能系统的支出将在2021年增长到522亿美元，高于今年的191亿美元。

由于用于创建AI的许多基本计算机代码都可以广泛使用，因此开发人员很容易想出可以执行某些任务的程序：例如，聊天机器人可以接管客户服务代表完成的基本任务或可以开发一个程序来扫描数百个医学图像中的不规则情况，这可以为医生节省大量时间。

但这也意味着许多公司在不需要人工智能程序的领域中使用该技术。

很难赚钱

Adatos首席执行官德鲁·佩雷斯（Drew Perez）在小组讨论中表示，“我认为人工智能对于大多数用例来说都是过度杀伤力”，他补充说，在许多情况下，人工智能的好处并不是即时的。他的创业公司使用人工智能来研究农田的卫星和无人机图像，以评估树木数量，土壤条件和植物健康等因素。 “在一天结束时，如果你考虑一下，它必须有投资回报。”

佩雷斯告诉听众，今天的大多数人工智能程序都处于“实验阶段或创新阶段。”他解释说即使有合适的条件 - 包括拥有适当的计算能力，足够的数据，正确的人才组合和一种容易接受AI的文化 - 盈利能力无法保证。

“你可能会花一整年的时间，最后发现，一百万美元，我将赚到十万美元，”他说，并解释说股票市场的短期股票，例如，可能会带来更好的投资回报。他说，除非一家公司能够为他们的人工智能程序找到一个可以带来“数亿美元，这只是一个实验室实验”的应用程序。

新加坡启动加速器SGInnovate的创始首席执行官史蒂夫伦纳德表示，如果未能解决一个重要问题，将人工智能计划货币化只是一个问题。

“有些人说，'哦，我很难将货币化。'对我来说，第一个问题是导致你解决这个问题的原因，所以如果你很难将货币化，那一定意味着你伦纳德告诉CNBC，没有一个问题对于某人采取行动来说是非常痛苦的。

数据可能很昂贵且难以获得

虽然构建AI程序可能不是一个重大障碍，但公司需要大量高质量的数据来训练该算法。根据伦纳德的说法，这既是挑战也是机遇。

这是一个机会，因为可以使用大量数据来训练和改进这些AI程序可以以更有效的方式执行的操作。例如，算法可以研究人类大脑的数百万次医学扫描，以了解不规则性并在将来的图像中自动检测它们。

但挑战在于确保人们对使用这些数据感到满意，Leonard说，并指出匿名信息通常是有益的。

他解释说，政府提供高质量数据的能力取决于其公民的舒适度和分享信息的兴趣。

另一个挑战是清理数据集，然后可以用它们来训练AI程序。两年前，IBM估计仅在美国，低质量数据的成本每年约为3.1万亿美元。糟糕的数据可能会很昂贵，因为清理数据通常需要花费大量的时间和精力，因此公司很难立即获利。

监管平衡法案

监管机构在创造公司可以创新的环境以及保护消费者数据权利方面发挥着重要作用。

“这是一个很好的平衡行为，”新加坡资讯通信媒体发展管理局首席执行官Tan Kiat How说。 IMDA的许多职能之一是规范新加坡个人数据的使用。

欧洲在5月底推出了一般数据保护法规，许多科技公司更新了他们的服务条款，以便对他们保留的信息更加透明。许多专家建议GDPR法律可以为其他地区或国家采用类似的数据隐私计划提供指导。有人说，这可能会限制许多依赖于收集和使用数据的技术的创新和增长。

Tan表示，新加坡和该地区正在积极讨论数据隐私问题。

免责声明：如有关于作品内容、版权或其它问题请于作品发布后的30日内与我们联系。