人工智能（AI）和机器学习（ML）在近年来一直处于蓬勃发展的状态，为寻求改善消费者体验的公司扩展业务解决方案。随着深度神经网络和情感识别技术的进步，行业正在逐步改善我们沟通的方式，创建内容和分析数据。WorkFusion在行业中取得了长足的进步，增强了商业世界中人工智能的局限性。

然而，即使他们还处于早期阶段，AI和ML的其他领域最近也在大肆宣传。尽管使用生成对抗网络（GAN）改善网络安全的前景已经显示出一定的前景，但该技术距离取得成果还有很多年。

这里有两个人工智能领域被夸大了，两个领域是真正的交易。

1.信息安全中的GAN

Infosec专家们一直在探索GAN如何提高我们的在线安全性，并取得了令人鼓舞的结果。新泽西州史蒂文斯理工学院和纽约理工学院的研究人员开发了使用GAN猜测密码的方法。

该小组开发了一个实验，通过其被称为“PassGan”的密码猜测技术来查看泄露密码的数据，并发现该软件能够从这些帐户中猜出47％的密码，比HashCat和Ripper这样的竞争算法要高得多。这一发现是GAN的核心，GAN本质上是神经网络，可以模拟任何数据分布并提供与数据相对应的输出。

来自纽约理工学院的Paolo Gasti将这项技术比作素描艺术家和目击者，试图揭露嫌疑人的身份。理论上，GAN可以通过证人的反馈继续完善犯罪嫌疑人的形象，输出几乎相同的嫌疑人形象。

然而，康奈尔大学的一项研究发现，这些“机器人艺术家”仍然需要进行很多微调，以便在图像、音乐、演讲和散文的开发和分析中得到更广泛的实施。该小组在发现这些算法时发现缺乏系统和客观的评估指标，这些指标需要更多工作才能以合理的价格提供一致的数据输出。

2.更好地理解自然语言细微差别

当谈到接受语音命令的自动语音系统和其他计算机程序时，这些软件的设计存在一个缺陷，这些算法很难准确理解人在说些什么。开发者目前已经在这个领域取得了一些进展，使用深度学习神经网络能够更准确地区分不同的语音和口音。

在未来一年，更多的企业将扩展他们的客户服务聊天机器人和其他理解自然语言命令的商业应用程序。这些机器人在理解人类言语以及以更紧密和全面的方式回应他们的疑问方面也变得更加细致，减少了消费者花费在与这些机器人互动上的时间和精力。

这一举措进一步体现了机器人过程自动化（RPA）在AI中的应用日益增多，以及它推动行业向前发展的能力，这与WorkFusion所提供的服务一样。

3.药物研发中的人工智能

阿斯利康研究人员撰写了一篇论文，讨论了使用人工智能通过使用递归神经网络和强化学习来生成新型分子的方法。虽然该论文通过使用直方图、小提琴图和t-SNE，包含了令人惊叹的可视化数量，但其报告中有一个明显的遗漏。

公司的所有措施都是将AI产生的分子与天然分子进行比较，但他们未能测量AI产生的分子相互之间的距离。

这种遗漏意味着AI在产生新型分子中的作用还有很长的路要走。

4.解决心理健康的聊天机器人

虽然这个想法可能看起来很牵强，但你很快就会有机器人顾问。人工智能在开发聊天机器人方面取得了一些进展，可以识别人们何时激动、沮丧或生气，并且机器人会相应地进行调整。该技术可以帮助提高客户服务能力和其他业务解决方案。

它也可能在改变心理健康治疗方面有很长的路要走，因为这些咨询员机器人不会有情绪上的偏见，同时也会回想起你与他们之间每次互动的每一个细节。名为Karim的心理治疗聊天机器人已经开始有所作为，可以治疗患有PTSD和其他疾病的患者。这项技术也降低了心理健康治疗的成本。

底线...

AI和ML技术在过去几年中取得了长足的进步，将传统的商业实践转化为先进的解决方案，能够简化工作流程，提高公司的投资回报率并节省管理成本。尽管信息科技中的GAN等技术已经显示出成为机器人艺术家的承诺，但他们仍有很长的路要走。

在药物开发中使用人工智能是同一条船，产生了一些令人鼓舞的结果，但距离在医疗保健行业被广泛采用还有几年的时间。同时，聊天机器人和语音助手越来越有能力区分语音命令的声音的细微差别，同时还为客户和心理健康患者提供虚拟援助。

作为一个不断重新定义我们工作方式、沟通和开发各种规模的公司的智能商业解决方案的行业的一部分，这是一个激动人心的时刻。