原文链接：http://www.dbta.com/Editorial/News-Flashes/Artificial-Intelligence-Has-a-1-percent-Problem-119827.aspx
现在关于人工智能有大量报道，有的认为人工智能有益，也有人担忧人工智能会对人体有害。Databricks公司联合创始人兼CEO Ali Ghodsi 要大家保持克制。Databricks来自加州大学伯克利分校AMPLab实验室，致力于ApacheSpark的开发。
Ali Ghodsi说为他们公司500名客户提供的服务中有73%基于AI。但是有相当一部分企业努力地利用AI，同时也有一些夸张的声音认为AI会统治世界，极具危险性等等。
Ali Ghodsi说“我们实际接触了财富2000强的企业时，他们希望解决和预测问题，他们表现的态度和媒体的报道有巨大的差别”
AI的1%问题
Ghodsi认为每个人都希望参与到AI之中，并且都认识到其中蕴含巨大的潜力。企业高管谈到保持企业竞争力的五大要素时，AI一定是其中之一。人们过度神话了AI，认为他无处不在，但现实并非如此。
AI实际上存在1%的问题，谷歌，亚马逊这样的大公司他们有丰富的资金、人才，并且可以获得名校的研究资源，他们可能获得成功。他们聚焦于具体的领域，如无人驾驶，提高广告点击等，而其他的公司面临其余99%的问题时，缺乏资源，难以下手
早期应用
AI早期应用中IT和医疗是两个突出的领域。企业从传感器收集数据并回传给Databricks，通过数据预测石油位置，这样他们可以提高工作效率和改进对环境的影响。医疗行业中，AI被用来帮助识别图像中的肿瘤。在这些领域，不仅需要数据科学家、数据工程师，也需要行业专家（可能他们不是很了解AI，数据系统，数仓）。
就AI识别肿瘤而言，应用还未完全安全自动化，高德西说，谷歌工程师能开发出区分猫和狗的AI技术，即使出错了也无伤大雅，但是在肿瘤识别上，如果出错将是很严重的事情，容错率很低。
如何扩大AI的使用
如果要让AI得以更大使用，首先要解决三个问题，Ghodsi这样认为
技能差距：首先，需要行业专家，Ghodsi以癌症诊断为例，你不仅需要医生，也需要了解机器学习软件的数据科学家来建立预测模型，也需要懂数仓的数据工程师，他们知道在哪里存储数据如何处理大数据多样性，快速响应和其他问题。在充满政治色彩、关系到管理和权力的氛围中，让所有这些不同的角色协同工作，这不是件容易的事。
工具很多：现在有相当多的工具需要整合，其中有些是开源的工具。这些工具包括数据清洗、摄取、安全、预测和监控。要让这些工具有效地在整合，公司需要雇佣工程师将这些软件整合起来。
基础设施：Ghodsi眼中的第三个挑战是指对基础设施的运营，让机器和设施安全运转，数据处于监控，一旦发生黑客入侵或数据泄露都会让公司面临严重的后果
云是关键：
在踏上AI之旅时，这些是需要尽早解决的三个问题。为了解决它们，需要工具来实现协作、系统整合以及通过云加强基础设施的一致性和可用性。
工具协作：多角色（工种）的工具协作，是解决技能差距的最好办法
技术整合：需要将技术整合起来，更好的协作，才可进行数据清洗，将数据转换成数学格式用以预测，增加更多数据，建立预测模型，并实现软件自动化。预测结果的好坏在于是否能为原始数据添加更多丰富的数据类型。
云：，Ghodsi认为想要确保基础设施始终运行良好，云是很好的解决之道。云能带来自动化、外包和确保基础设施始终运行良好的能力。在AI方面取得成功的那1%的企业都是云公司。这也许是巧合，但在AI方面真正取得成功的谷歌、Facebook、亚马逊和其他公司都是云公司。他说：“我们认为，重要的区别就在于此。”
什么是AI，什么不是AI
在AI真正得以广泛运用之前，人类还有很长的路要走，目前AI研究并不关注如何取代人，现在AI实际上是人类的补充帮助人们去更好地完成工作。
谷歌拥有世界各地所有网站的大量信息。它是AI，还是一个仅仅拥有很多信息的数据库？但毫无疑问，AI使人类能够非常高效地查找信息，因为没人可以在自己的电脑上存储所有那些数据，并识别所需信息的来源。如果你有一幅地图，想找出两点之间的最近路线，软件可以很好地做到这一点。但Ghodsi.说，在需要创造力的事情上，AI技术目前成效并不乐观。
谷歌的AlphaGo之所以能战胜人类围棋冠军，是因为它进行模拟的速度比人脑更快。如果你让AlphaGo对围棋比赛进行复盘，指出使它在比赛中取胜的关键落子，它就无能为力了。而人类可以大谈特谈他们迂回曲折的决策过程。AlphaGo只不过是运行一系列程序算法来模拟场景，从中找出最优解。它真的能取代人类吗？显然不行。
结论
Ghodsi说“我不认为AI从本质上对人类有害”，AI没有减少可供人类使用的资源，比如食物、教育和医疗。但是在AI可以被广泛使用之前，他相信我们需要解决三大问题：技术差距，工具协作，基础设施的建设
哪些基因引起某些疾病这样的问题实际上很难回答，但人人都说他们正在取得“巨大进展”，“没人会说‘这相当困难，充满挑战性。Ghodsi认为另一问题是对AI的过度宣传和解读，使得人们夸大了威胁而忽视了AI的价值
Databricks的目标就是尽可能地简化AI，让它可以被大公司以外那99%的企业可以使用，实现“AI民主化”，帮助那些不如谷歌们资源雄厚的公司利用AI技术