本文共 795 字，大约阅读时间需要 2 分钟。

很多人认为，算法比数据更重要，很多关于人工智能的文献以及报告都不约而同的偏重于关注机器学习算法，将其视为最重要的部分。主流媒体似乎把算法与人脑等同了。他们隐约传达着这样一个信息：复杂的算法最终会超越人类的大脑并创造奇迹。当然他们还强调“深度神经网络”和“深度学习”，以及机器是如何做出决策。这样的报告使得人们认为一个公司要想应用人工智能就需要聘请机器学习专家来建立完美的算法。但如果一个企业没有思考如何获得高质量的算法，即使机器学习模型经过大量的特定训练数据学习之后，仍然会产生一个与期望不匹配的结果，这样就严重的影响了人们对人工智能的印象。

就目前而言，如果一个企业没有计划或训练数据的预算就从微软，亚马逊和谷歌购买商业机器学习的服务，这就好比买了一个没有电池的手机，而手机的电池适配程度也是不同的，如果没有合适的电池一样也不能够正常工作。在人工智能中，如果给机器学习模型的训练数据越多，这样机器学习模型就会越准确。这就像不断给手机充电，这样电池的电量利用率会不断提高。训练数据对于机器学习模型的重要性比电池和手机重要性更高。所以我们在进行人工智能工作的时候一定要注意其关键所在，那就是训练数据的质量和数量至少是和算法一样重要的 ，要确保部署人工智能的计划和预算反映这一点。这也是所有企业和公司需要注意的事情。

我们在这篇文章中给大家介绍了大众对人工智能的误解的具体内容，总的来说本文讲了大众对人工智能的误解主要就是认为算法比数据更加重要，其实这种想法是错误的，还是需要重视数据的。希望这篇文章能够给大家带来帮助，我们在下一篇文章中继续给大家讲述这些问题。

转载地址：https://blog.csdn.net/yoggieCDA/article/details/86629551 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！