新闻 / 人工智能技术
Artefact UK 的 Data 副总裁 Ryo Katsuki 坐下来，就 2020 年将人工智能纳入业务的重要性进行了一次炉边讨论。他还就最有效的方法提出了建议。.
Artefact UK 的 Data 副总裁 Ryo Katsuki 坐下来，就 2020 年将人工智能纳入业务的重要性进行了一次炉边讨论。他还就最有效的方法提出了建议。.
为什么是现在？为什么将人工智能作为公司战略的必备条件如此重要？
近年来，由于技术的进步，各种规模的公司都更容易获得高性能的 IT 基础设施。现在，公司再也没有借口缺乏电子记录和使用每一点信息的设施或方法了。.
存储空间几乎是免费的，亚马逊的 AWS Glacier 现在提供 data 的存储空间，价格是 #CONTENT#.000004 每 MB, 相比之下 1967, 当 1MB 硬盘, 甚至还不够放进你的 iPhone 照片，就会让你损失数百万美元。. .与此同时，每计算能力 每四年减少十倍。.
通过 cloud 服务，初创企业和中小型企业也可以享受到这一服务，因为它们无法承担购买高规格机器的巨额前期费用，或缺乏维护机器的技术技能。企业还可以进一步降低成本。 大多数 cloud 公司都会为估计未来计算需求并愿意预留和支付费用的公司提供折扣。.
对于企业来说，机会显然在于捕捉所有 data，依靠计算机以机器可能的方式进行处理，并生成对业务有影响的智能。为此，cloud 亚马逊、谷歌和微软等公司一直在尽自己的努力，开发各种规模的公司都能使用和管理的交钥匙机器学习平台。现在，它们提供了一整套机器学习算法库，用于提取洞察力。.
人工智能基础架构已经成熟，可以提供描述性说明，帮助推动业务决策。现在，每家公司都应确保其业务流程和人才库与人工智能革命保持一致。那些没有将 data 作为核心战略、没有顺应当前浪潮的公司，尤其是那些能够很好地管理其 data 并推动业务决策以产生和利用 artificial intelligence 的公司，在与竞争对手的竞争中将不会有好的表现。.
融入人工智能有多容易？
”这不仅仅是招聘几名新毕业的 data 科学家就能实现的。这需要每个公司的高级管理团队齐心协力，共同重新审视和重新设计 data 在组织内部的流动方式”。”
问得好。 如果您了解要做出改变需要哪些条件，那么融入人工智能就非常简单。尽管如此，要将人工智能融入企业并产生实际影响，比想象中要难得多。.
我经常问企业主，他们的公司在多大程度上利用了人工智能（1-10 分）。他们从来不说 10。 这不仅仅是 IT 部门的任务。这不仅仅是招聘几个新毕业的 data 科学家就能实现的。它需要每个公司的高级管理团队齐心协力，重新审视和重新设计 data 在组织内部的流动方式。这就需要制定 data 战略，以远见卓识为主导，说明公司将如何打造自己的品牌，如何向客户推销产品和服务，如何生产和销售产品，如何准备和提供服务，以及如何在内部运作，为内部和外部客户提供服务。.
所有这些都基于以下关键的默认假设：所有 data 都将以电子方式收集和记录，所有业务决策都将基于 data 或 data 主导的预测和建议。无法在合理时间内根据 data 做出的业务决策将被纳入审查，以不断改进业务流程和 data 管理。 在实施过程中，这种由高级管理团队所有成员发起的持续改进计划将在融入人工智能方面发挥关键作用。.
将人工智能应用于商业的第一步是什么？
公司高管可以先列出那些仍未得到解答的常见业务问题。这些问题可能涉及业务的方方面面，其中最常见的可能是 ‘为什么我的收入在下降？将人工智能定位为帮助回答这些问题的一种方式，可以成为人工智能对话的起点。.
将人工智能融入公司是一项跨职能计划，涉及所有部门，需要变革管理和系统重新实施。 归根结底，高级管理团队必须齐心协力，为公司的人工智能革命做好准备。.
如果你是一名 data 工程师或 data 科学家，却很难推动自己的人工智能议程，那么请找到业务发起人和决策者，并首先获得他/她的支持。. 确保你了解他/她的业务，展示你的丰富想象力，并确保阐明变革带来的好处大于成本。归根结底，你要展示的是一种战略和平台。.
如果只得到一名高级管理团队成员的冷淡支持，也不要放弃。当你与其他高级管理团队成员交谈时，理论上成本就会分摊，而收益的理由也会随着支持的增加而增加，从而使公司的单位收益成本降低。.
使用人工智能的主要机遇是什么？
”这说明了在商业领域使用人工智能的重大机遇：将一个巨大的问题简化为一个可行、合理而又有影响力的问题”。”
我最感兴趣的是利用机器学习来早期发现问题，这些问题似乎不知从何而来，或者有难以发现的特定原因，比如偏执狂。. 虽然有很多理论，不同的人会对自己的经历做出不同的解释，但没有人确切知道偏执狂的成因。研究人员可能已经发现了一些普遍的风险因素，但仍有许多因素可以考虑。即使把因素限制在生理、社会和心理方面，仍有超过 5 万亿比 6 的特定因素的独特组合可以考虑。这是一个天文数字。.
这说明了在商业领域使用人工智能的重大机遇：将巨大的问题简化为可行、合理但有影响力的问题。在无监督的探索性研究中，我们有机会充分利用所有可用的原始 data 资料来源，找出以前未知的相关因素。.
例如，就妄想症而言，利用机器学习，我们可以说，与童年经历、吸毒、遗传、气候等传统上被认为与妄想症有更紧密联系的其他因素相比，睡眠不足等因素很可能与妄想症有更紧密的联系。 然后，您就可以对这些因素进行优先监测，并识别早期出现的迹象，从而预防一些问题的发生。.
如今，人工智能和 data 领域的领军人物正在进行实际的多元预测，并利用机器学习技术将不可能解决的问题调整为实际问题，从而实现真正的价值。归根结底，我们仍未做好准备，在通常可访问和可管理的基础设施中处理天文数字大小的问题。.
无论从实践还是从技术上讲，人工智能项目都需要精通业务的工程师，他们要了解业务的优先事项，争取支持，并设计和实施 data-driven 启发式方法和模型，以提供有影响力的智能。正是这批精通业务的工程师可以将这些智能产业化，交付这些项目，并帮助实施人工智能驱动的业务设置。.
如果您希望将人工智能纳入您的 2020 年业务战略，请与我们的团队联系。.
