旅游搜索引擎KAYAK：人工智能不是万能的

诞生于2004年的旅游搜索引擎鼻祖Kayak每年处理超过20亿次搜索查询。在经历了Web和APP两波大潮后，KAYAK又成了AI的弄潮儿，如今Kayak已经采用复杂的机器学习算法来帮助人们改进他们的航班，酒店和租车搜索。

在VentureBeat 2019数字转型会议上，KAYAK首席科学家兼技术高级副总裁Matthias Keller认为，人工智能是一种使其产品更智能，更高效的方式，可以帮助客户更轻松地规划和组织他们的旅行。但是，机器需要多年的学习才能达到这一点。Keller还介绍了Kayak学到的一些经验教训：

虽然人工智能长期霸占着新闻头条，但它不应被视为解决所有问题的万灵药。Keller以图像处理为例，解释说虽然AI非常擅长判定图片中的动物是狗还是猫，但是当涉及其他领域时（如图像分类）则不够准确。

Kayak使用算法标记酒店照片，自动分辨图片内容是海滩，卧室，浴室或健身房。但标签过程并不完美。Keller表示，即使你的人工智能达到95％的准确率，千分之一的预测仍然会出错。对于非图像问题，很难获得80％的准确度（1000个预测中有200个是错误的！）。

“AI是关于从现有数据中学习的算法，他们不会产生任何新的解决方案”，凯勒说。“AI基本上智能给你之前在训练数据集中看到过的最佳答案。”（编者按：此说法有失偏颇，谷歌的AlphaZero就是反例）

Keller还警告观众使用神经网络的诱惑。关于在输入某些数据集时他们能够多快地学习，已经说了很多。但是，当您将这些网络应用于现实世界的业务问题时，完全不是一回事，可能需要数周或数月才能完成这些数据 – 而且大多数AI项目都不会成功。（参考阅读：半数人工智能项目都会失败）

“这有很多原因。我们可能遇到的问题不在机器学习算法的内部，可能会在收集数据方面遇到很多问题，”Keller说到：“数据经常是问题的关键所在，例如图像分类器，需要数亿个图像数据进行训练，而企业可能没有那么多数据。”

凯勒告诫公司必须审慎考虑神经网络是否适合他们。如果启动AI项目，Keller建议企业每隔几周与人工智能团队一起检查神经网络项目是否应该继续。

总的来说，Keller建议企业在使用机器学习和AI时保持灵活性，因为新的或看不见的数据点会显著影响他们的性能。这是Kayak经常遇到的事情，因为它必须考虑到世界各地涌现的新机场和酒店。

“我们可以尝试运行我们现有的机器学习模型，并相信一切都会好起来，更好的方法是在需要时不断进行测量和再培训，”Keller说。