人工智能有自己的词汇。就在机器学习领域，你有一大堆术语和概念需要梳理：监督与无监督 ML、深度学习和神经网络，以及黑盒与可解释 AI。

很多。如果您需要快速复习术语，请尝试我们的AI 备忘单。如需更深入地了解，请尝试高管的真实 AI 指南。

正因为如此——并且由于对人工智能的过度热情和炒作——围绕人工智能和相关技术存在一些根本性的困惑。人工智能与其他形式的自动化有何区别?什么使工具或服务成为成熟的人工智能产品而不是简单地利用人工智能或其他自动化的东西?当我们在做的时候：为什么这很重要?

“这个问题很有趣，而且经常出现，因为我们开始在我们周围看到人工智能——不管我们是否注意到它!”Netomi应用人工智能负责人ParthoNath 说。

事实上，这就是某些区别确实重要的原因之一：人工智能无处不在，或者很快就会出现。AI/ML 在 Red Hat 的2022 年全球技术展望中被列为新兴技术工作负载中最重要的一个，53% 的 IT 领导者表示计划在未来 12 个月内使用它，比上一年增加了 3 个百分点。

与此同时，麦肯锡2021 年人工智能状况报告中 56% 的受访者表示，他们已经在至少一项业务功能中采用了人工智能，高于 2020 年的 50%。

随着采用率的提高，供应商推销的数量也在增加——不仅针对 AI 技术本身，还针对在其解决方案中使用或声称使用 AI 的其他工具。(这样的说法值得仔细检查。一项研究——早在 2019 年的太平日子里进行——对 2,800 多家自称是“人工智能公司”的欧洲初创公司进行的一项研究发现，其中大约40% 的公司实际上并没有在某个领域使用人工智能。实质性的方式。)

虽然普通的最终用户可能甚至没有注意到——也不需要注意到——一些更细微的区别，但 IT 领导者及其团队与 AI 的关系有所不同。一如既往，制定评估不同技术的标准是工作的一部分。这里有一些方法可以促进您自己对该主题的思考和讨论。