艾瑞克．席格（Eric Siegei），前哥倫比亞教授兼業界頂尖顧問，專注於協助企業實施機器學習，著有多本機器學習相關書籍，並主辦機器學習週（Machine Learning Week）系列會議。

2023年6月，席格於《哈佛商業評論》數位版發表了他的文章《小心AI炒作分散你的注意力》（The AI Hype Cycle Is Distracting Companies），深入探討了AI時代的混亂局面。

席格指出，將機器學習視為人工智慧（AI）是一種普遍的誤解。機器學習的核心目標是提供有效的預測，協助業務決策。例如：預測客戶流失以制定挽留激勵措施，這是一種創造價值的方法。

然而，人們在談論AI時經常涉及通用人工智慧（AGI）的概念，導致期望過度被夸大，進而忽略了實際改善業務運營的重要性。

事實上，將AI定義為AGI以外的概念已變成一種挑戰，其他定義可能不夠「智能」或難以建立客觀目標，進而難以測量性能及了解與目標之間的距離，從而增加開發的難度。

舉例來說，有些人將AI定義為「執行聰明的電腦操作」或「機器展示的智能」，這些定義並未將智能轉化為可測量的客觀定義。

此外，「足夠像人」的定義方式也是非客觀的，即便人們試圖使用圖靈測試量化測量，查看機器是否能夠騙過評審，但這樣的評估效益依舊有限。因為任何系統在第二次測試時可能被識破，只能再推出另一個系統。

最後，根據「能力」來定義也並非良好方案。正如計算機出現後我們不會認為它智能，人臉辨識也是同樣的道理，人們僅僅將其視為工具。

作者提到，這被稱為AI效應。AI效應表示「如果可能，就不是AI」。或許正如計算機科學家拉里．特斯勒（Larry Tesler）所言，我們將AI定義為「機器還沒有做過的任何事情」。

黃揚博（政大企研碩士、識商創辦人）、羅凱揚（台科大企管博士）

Siegel, E. (2023). The AI Hype Cycle Is Distracting Companies. Harvard Business Review Digital Articles, 1–7.