現在有很多關於人工智能的炒作。
人們很容易開始認為人工智能可以做任何事情。
但是，雖然人工智能確實令人印象深刻，但它並不完全是魔法。
它有局限性。在開始研究解決方案之前，了解這項技術能做什麼和不能做什麼是至關重要的。
這樣，你就可以誠實地評估人工智能工具是否適合當前的技術堆棧。
因此，我們邀請了六位人工智能營銷專家，讓他們超越炒作，分享他們對人工智能在現實世界中所需要了解的能力的看法。
“最大的限製不在於技術本身，而在於人類對人工智能能做什麼的不切實際的期望。”
人們的想法要麼是末日式的(“機器來了!”)，要麼是堂吉訶德式的(“想象一下，如果人工智能能做到這一點!”)，但這些看法都無法解決實際的商業挑戰。
因此，缺乏對AI的理解是主要的限製。例如:“AI”本身沒有任何意義，但它是一個朗朗上口的流行語。對於NLG、NLP、機器視覺、機器學習等眾多應用領域，這是一個包羅萬象的短語。
——Parry Malm，首席執行官Phrasee
“目前存在的人工智能是有限的，因為它需要在數據收集、專業知識和強大的計算能力方麵進行大量投資。”
大多數用例都是一般化的，比如“如果你喜歡蘋果，也許你也會喜歡梨”或者“這裏有一個人可能會說‘蘋果’的方法。”’”隨著最近在計算能力方麵的突破，深度學習已經可以為係統提供所有可能的輸入，並建立一個非常有效的模型。然而，即使在像這樣的“最佳情況”係統中，仔細的問題製定是關鍵，仍然需要大量的資源來部署。伟德bv885
如果問題本身不能泛化，沒有一套明確的“已知好的標準”來提供訓練輸入，或者僅僅是足夠複雜，那麼要從中得到好的結果仍然是非常昂貴和困難的，如果不是不可能的話。
- Erik LaBlanca，的CTO第七感
“有時過度依賴機器學習和大數據方法。”
這些技術對許多問題都很有用，包括從市場中收集見解。但它們不能解決所有問題:品牌往往要求對其內容有更多控製權，並希望將與市場的對話引向某個方向。他們也不隻是想遵循之前發生的事情，而是想要與眾不同，通過脫穎而出來獲得關注。大數據應用擅長隨大流，不太擅長開辟新路。
——Andrew Bredenkamp，公司CEOAcrolinx
收集樣本和分類的過程是勞動密集型的，而且容易出錯。
- John Osborne, CTO蠟筆
“人工智能仍然需要一個用戶來指導它並做出決定。”
像我們這樣的人工狹義智能在模式識別方麵非常出色，並提供出色的情報。但要得到好的結果，機器裏總是有一個受過訓練的人。
——Aki Balogh，公司首席執行官MarketMuse
“我們認為人工智能存在明顯的局限性:情緒、感覺和主觀思維。”
<我們相信，當今人工智能的最佳應用是那些解決大數據帶來的挑戰(跨行業和應用程序)並理解這一切的應用，以及那些將重複的手工任務自動化的應用，但其規模是人類無法實現的。
但人類的獨特之處在於他們能夠以一種非常複雜的方式感受並將這些感受轉化為情感聯係。
人工智能的局限性還將源於技術人員複製人類“智能”和決策的精確程度。
-或者Shani，的CEO艾伯特