人工智能和机器学习将开始做出更多的决策，就像这个世界上的处理器取代了打字机一样，人工智能很快就会取代大批盯着Excel的办公室工作人员，甚至取代一些分析师。
面对这种变革，企业要做好准备。正如那些没有准备好使用网络和电子商务的企业最终会落伍一样，那些不适应人工智能和机器学习的企业也会陷入困境。如果不关注人工智能所处理的大量数据和做出的决策，而是问：“实现自动化之后，我是不是就能实现最后一公里？”，或者，由于不能“实时”做出决策而获得优势，转而去关注一些自己不擅长的东西——那么你的企业很可能在几年内就会宣布倒闭。
面对变革，企业需要制定好战略，在开始业务转型之前，要处理好五个先决条件，才能在整个企业中推广人工智能。
人工智能的第一个先决条件：培训
企业里不可能每一名员工都成为数据科学家。而且，有些数学运算方式变化太快了，以至于我们普通人无法理解——人们在这星期认为还是最有效的某种算法，过一星期后就未必适用了。
然而，一些基本的东西是不会改变的。企业的每名员工都应该掌握机器学习的一些基本功能，尤其是开发人员：
聚类：将事物分组。
分类：将事物分类，并进行标记。
线性预测：如果能画出一条直线，就可以预测它的值是多少。
方差预测：无论是流动风险，还是振动或者功率尖峰，如果有一组落在某一范围内的数值，就可以预测某一天的方差是多少。
分类/排序/优先级：无论是为了搜索，还是为了指导销售部门或者支持人员下一步工作的优先级排序，这些都是可以处理的。
模式识别：不管是形状、声音，还是一组数值或者事件，计算机都能学会找到它。
关键点在于有一批人，他们可以根据人们的技能水平进行简化。开发人员可能对具体的算法或者技术感兴趣，但分析师和管理人员应该了解基本业务问题和计算机技术。管理人员不一定需要知道聚类是怎样工作的，但他们应该能够识别出“看起来像”聚类的问题。
最后，由于功能在不断扩展，因此，企业应该定期更新培训，至少每年进行一次。
人工智能的第二个先决条件：组件化
在组件化方面有一种工具是数据科学家的“笔记本（notebooks）”，很多其他工具都是从中衍生出来的。对于数据科学家及其合作者而言，这是非常好的工具。
但问题是，当涉及到产品的时候，会带来不好的效果。因为分类算法的界面看起来与所有其他算法大致相同，某种分类算法的实现不会随着业务问题而改变。
正如很多企业必须弄清楚怎样表示一名客户一样（并不是每一个系统都会针对每个业务问题提供完全不同的表示），算法也是同样的。这并不是说你想出了一个真正的聚类算法，而组件化实现的却是完全不同的东西。
人工智能的第三个先决条件：系统化
事实上，大多数系统看起来还是一样的。有一些过程把数据送入算法中，有一些过程则执行算法，还需要存放输出结果的地方。如果针对每一种算法反复定制设计所有这些东西，那就是在浪费时间和金钱——给自己造成更大的问题。就像SOA改变了很多企业部署应用软件的方式一样，在部署人工智能的过程中也需要类似的技术。
你不需要运行大量定制的Spark集群，不需要到处部署定制“笔记本”和定制开发ETL过程。不管业务问题如何，企业都需要能够完成繁重工作的人工智能系统。
人工智能的第四个先决条件：AI/UI组件化
在后端提供RESTful服务的JavaScript/Web UI环境中，很多UI应该能混合使用人工智能组件。无论是基于用户行为的推荐者，还是完全虚拟的助理，企业都应该构建包含人工智能功能的UI库，这些功能可以方便地嵌入到业务应用程序中。
人工智能的第五个先决条件：配置
如果没有数据，所有这一切都不会起作用。我们不应该再回到过去，去创建大量臃肿的数据，那样的话，我们只是收集了一堆HDFS垃圾，希望总有一天会产生价值——正如一些厂商敦促你去做的那样。现在，让我们看看应该配置什么。
如果你身处制造业，可以有一些简单的出发点：任何手动进行的操作都是在浪费时间。即使是在销售和营销领域，员工也都有电子邮件和手机——可以从这些数据中自动收集明显非常有用的数据。与其让那些喋喋不休的销售人员去完成他们的数据录入，何不让系统自己去做呢？
人工智能策略
总的来说，这五个关键的先决条件是：
1?在整个企业中传播人工智能知识。
2?每个人都应该了解机器能够独立完成的日常工作。
3?为企业的人工智能构建系统和组件。
4?构建AI/UI混合结构，方便地把人工智能添加到业务应用中。
5?配置系统来收集企业所需要的数据，并将其送入算法，为企业做出决定。
如果能把这些先决条件放在一起，剩下的就是从信息时代过渡到洞察时代了。
第三十四届CIO班招生
国际CIO认证培训
首席数据官（CDO）认证培训
责编：content
免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。
抢沙发
