從對工作的態度到對兩米長什么樣子的掌握，大流行使我們重新思考了如何看待世界。但是，盡管我們發現很難適應新的現實，但是為幫助組織制定決策而創建的狹義設計的人工智能模型就更加困難了。根據描述危機前世界的數據，這些將不再做出正確的預測，而是指出了AI設計方式中的一個基本問題。

MIT-IBM Watson AI Lab的IBM總監David Cox解釋說，有缺陷的AI在所謂的黑匣子預測模型的情況下尤其成問題：這些算法以用戶看不見或無法理解的方式工作。“這非常危險，” Cox說，“如果您不了解模型中內部發生的事情，在該模型中，您將一端的數據鏟除以得到另一端的結果。該模型應該體現了模型的結構。世界，但不能保證如果世界改變，它將繼續運作。”

例如，如果您構建的計算機程序是一個完整的黑匣子，旨在根據過去的數據預測股市情況，則不能保證在當前的危機中它將繼續產生良好的預測。爭論。

您實際上需要做的是建立一個更廣泛的經濟模型，該模型可以識別供需，了解供應鏈并吸收這些知識，這更接近經濟學家的預期。他說，然后您可以更透明地對情況進行推理。

“這些模型之所以難以被狹窄的AI所信任，部分原因是因為它們沒有那種結構。如果這樣做，那么模型就更容易解釋為什么要做出決策了。這些模型是現在正面臨挑戰。明確表明了這種結構為什么很重要，”他警告說。

這很重要，不僅因為該技術性能更好并且可靠性更高，而且還因為如果企業對工具的信任程度更高，他們將不愿意采用AI。考克斯(Cox)就此事發表了自己的統計數據：95%的公司認為AI是其競爭優勢的關鍵，而只有5%的公司表示，他們已廣泛實施該技術。

盡管每個調查的數字有所不同，但結論在一段時間內是相同的：人工智能的承諾與其對企業的現實之間仍然存在巨大差距。業界努力部署該技術的部分原因歸結為對AI缺乏了解。如果您構建了一個出色的算法卻無法解釋其工作原理，那么您將無法期望員工將新工具納入其業務流程。考克斯說：“如果人們不理解或不相信這些工具，那將是一個失敗的事業。”

解釋AI是Cox工作的主要重點之一。他共同領導的MIT-IBM Watson實驗室由大學和IBM Research的100位AI科學家組成，目前已經投入運營了第三年。該實驗室的座右銘在其網站上首當其沖，這是不言而喻的：“人工智能對現實世界的影響”。

早在2017年，IBM宣布在十年內投資2.4億美元，以支持公司自己的研究人員以及麻省理工學院對新成立的Watson AI Lab的研究。從一開始，合作的目標就以行業為重點，其想法是釋放AI在“商業和社會”中的潛力。實驗室的重點不是“狹窄的AI”，這是當今大多數組織都知道的有限格式的技術。相反，研究人員應該為“廣泛的AI”而努力。廣泛的AI可以跨多個任務和數據流高效，靈活地學習，最終對企業具有巨大的潛力。實驗室的承諾是“下一步是廣泛的AI”。