人工智能无法像人类一样解决问题。它们关注的解决方案类型比我们更多。它们甚至会触碰一些我们从未考虑过的复杂方案。这就会引发所谓的可解释性问题。现代AI系统本质上形同一个黑匣子。数据从一端输入，而答案从另一端输出。
有意思的是，许多中国的互联网公司也开始研究其了养猪。网易提供定制的猪粮配方，还会在早中晚不同时段给猪播放专属音乐;京东会用猪脸识别备注每头猪信息，将日常监测信息实时回传至神农大脑AI平台，控制饲养节奏;阿里巴巴的底层技术与京东类似，用AI给猪建立唯一的“身份证”;同样，华为也发布了自己的“智慧养猪方案”，要用机器和AI替代人力，对猪进行生长过程的“监管”。
工业革命时期，人们的很多工作被机器替代了，当时一大批工人都相继失业，随着工业革命的继续，很多手工作坊被时代淘汰，同时一批新型产业崛起，人们也会根据自身能力重新寻找可以工作的地方。
人工智能的商业化模式引发无限遐想。随着计算机硬件渐渐颓势，有用的数据也挖掘得差不多了，人工智能好像看到了天花板。但是，可幸的是，人工智能目前商用表现良好，已经开始走入寻常百姓家，最为关注的应该就是自动驾驶汽车了。
如今，企业手中掌握的数据总量远超以往任何时候，但将这些数据转化为实际价值却仍然困难重重。AI与ML带来的自动化功能，已被广泛视为解决现实数据复杂难题的有效手段;众多公司也迫切希望利用它们增强自身业务。但是，这种热潮本身，也引起大量上游数据分析项目的匆忙上马。
基于人工智能的预测模型是非常有用的工具，可以部署在复杂的生产环境中。与常用的一些分析工具相比，在生成大量结构化或非结构化数据的复杂生产环境中，预测模型更容易放大不同参数之间的相关性。
