B2B软件开售和营销团队很喜欢驳回“人工智能”(AI)这一术语。人工智能具备一种神奇的成果，听起来令人印象深入。但是，当这些开售人员说“人工智能正在这样做”时，他们的买家通常对人工智能知之甚少，因此不会提出辣手的疑问。
在诸如DevTools空间之类的行业中，至关关键的是，买家必需了解产品的用途和局限性，以确保这些产品满足其需求。假设人工智能的目的是为人类做出正确的选择，那么接受“人工智能正在这样做”就是承仔细的不知道产品的上班模式或它能否在为其做出正确的选择。
当人们成为买方时，通常不对了解人工智能和机器学习产品担任，由于这些技术令人望而生畏。它们十分复杂。
本文讨论了人工智能和机器学习的局限性，因此软件购置者可以提出正确的疑问以了解他们所购置的产品。
测试Oracle疑问
某些人工智能或机器学习产品的局限性在于，关于该技术的某些运行，没有相对的实在来源可与输入的准确性启动比拟。例如，人类和机器都不知道如何为任何给定的运行程序生成一套完美的端到端测试。这是预言性的疑问：没有主观的真谛规范。没有人情愿在开售环节中引入这种不确定性。但是，咱们的买家应该对咱们的产品有充沛的了解。
作为买家，在做出购置选择之前，须要了解卖家的人工智能产品的预期长处。它能否象征着在主观规范下做出比人类更准确的选择?它能否象征着以更少的老本做出更快的选择?或许引入一种以新模式经常使用新数据的代替方法?对这些疑问的回答将影响买家如何经常使用产品以及它提供的价值。
人工智能和机器学习
虽然人工智能被普遍以为是“经常使用数学启动决策的任何机器”，但真正的人工智能是自学的。人工智能有一个神经网络，它模拟人脑中的神经元，使它能够自我教学、自我降级和自我退化。正由于如此，真正的人工智能很难构建，而且往往是试验性的，而不是商业性的。
更经常出现的是，当人们说人工智能实践上是机器学习时。机器学习是人类培训的：机器经常使用概率决策环节经过人类反应来学习，而这种概率决策环节会经过始终启动的纠正而失掉改善。机器接纳数据，针对数据运转算法，而后依据概率输入决策。人们经过通知机器评价能否准确来纠正机器，并降级机器。机器收到准确度反应后，就会学会做出更好的决策。而且由于机器学习基于概率，所以有时会做出失误的选择。
依据买家方案经常使用产品的模式，须要确定其准确性的严厉水平。机器可以多久做出一次性失误的选择并依然到达其目的，这取决于特定的运行程序。智能驾驶汽车必需简直齐全准确才干被驳回。律师助理机器学习工具集或许须要降落准确性，那么其产品须要多准确?
提出正确的疑问
无论买家计划如何经常使用产品，关键的是要提出正确的疑问，以了解产品并围绕其准确性水平建设弹性。在开售方通知买家“人工智能正在这样做”时，可以提出以下要求：
为什么知道人工智能和机器学习很关键
不只要很多不是人工智能的“人工智能”，而且还有不是机器学习的算法技术。因此，关于买家来说，有足够的常识来提出正确的疑问，并了解这些产品如何做出选择至关关键。
所无机器学习产品都有限度，虽然限度因产品和产品运行模式而异。当产品的准确度未知时，买家所能做的就是征询其方法能否对决策有效：它能否能取得比人类更好的数据?经常使用此数据，它可以比人类做出更快、更理智的决策吗?假设答案是必需的，那么买方应该思索购置产品，而不是是自己开发。