如今，人工智能大肆宣传随处可见，许多全球科技制造商都在开发和应用人工智能技术，以获得理想的投资回报。但人工智能创新现在比分析师最初预期的要慢得多。

用旧思维思考人工智能新问题

一个明显的原因可能是，旧观点被应用于人工智能的新问题，削弱了人工智能技术在实际应用中的发展前景。最近，研究公司卢克斯理(LucResearch)的一项新研究概述了企业在人工智能创新方面面临的挑战，以及它们如何改变创新流程，以提高人工智能成功率。

该公司负责人、该报告的作者ShriramRamanathan博士说："公司在人工智能方面受到阻碍，因为它们一直在使用传统流程来管理人工智能创新。"必须不要把旧的想法应用于新问题，特别是在人工智能方面。

由于利益相关者只关注投资回报、项目选择和实施，很少有人关注用于管理人工智能项目的基本创新过程。

根本的挑战是人工智能解决方案的基本逻辑与提供洞察力的原始数据有着错综复杂的联系，"拉马纳坦解释道。"尽管这让人工智能解决方案很容易适应不断变化的环境，但它也是人工智能的致命弱点。人工智能解决方案一旦部署到现实世界，它们就会迅速偏离原来的目的。企业需要继续发展，以保持人工智能模型的最新发展。

由于缺乏用例和缺乏对现代人工智能应用的正确理解，这项技术仅限于研究实验室，很少用于展示商业价值。

马里兰州大学助理研究员汉纳·克纳(HannahKerner)是麻省理工学院科技评论(MIT Science And Technology Review)的研究员，大多数人工智能研究在大型会议上被边缘化。他们的作者唯一真正的希望是在研讨会上接受他们的论文，而这些研究很少引起人们的注意。

这是个问题，因为机器学习在促进健康、农业、科学发现等方面有着广阔的前景，"他说。只有当这个领域的其他人优先考虑现实世界的应用时，我们才有了突破性的发现。

许多目前的机器学习研究已经与广泛的科学和社会问题失去了联系，"美国宇航局计算机科学家基里瓦格在题为"重要的机器学习"的论文中说。

他在论文中指出，当机器学习被排除在现实世界应用研究的主流之外时，研究人员很难看到他们有偏见的模型的影响，从而大大降低了他们解决任何问题的可能性。