人工智能，自动化和工作的未来以及需要关注和处理的问题

 

在这些技术还未发挥其对各地经济和社会利益的潜力之前，难题仍然存在

 

人工智能和自动化仍面临各种难题。这些限制有一部分是技术性的，例如需要大量的训练数据并且难以将算法“推广”到各个用例。最近的创新才刚刚开始解决这些问题。另一些难题则在于使用人工智能技术。例如，解释机器学习算法所做出的决策在技术上十分困难，这对于涉及金融借贷或法律应用的用例尤其重要。训练数据和算法中的潜在偏差以及数据隐私，恶意使用和安全性都是必须解决的问题。欧洲由于实施了《通用数据保护法规》而领先一步，该法规为用户提供了更多的数据收集和使用方面的权利。

 

另一类难题涉及到组织是否有能力采用这些技术，其中人员，数据可用性，技术和流程的就绪程度方面往往会带来困难。各行业和各国的技术采用已经十分不均衡。金融，汽车和电信行业引领了人工智能的采用。在诸多国家中，美国对人工智能的投资在2016年排名第一，多达150亿至230亿美元，其次是亚洲，其投资额为80亿至120亿美元，欧洲则以30至40亿美元而落后。