未找到结果

没有与搜索匹配的结果

人工智能是什么?

人工智能是什么?

简单来说,人工智能 (AI) 是指模仿人类智能执行任务的系统或机器,它们可以根据所收集的信息不断对自身做出迭代式改进。AI 具有多种形式。例如:

  • 聊天机器人使用 AI 更快速高效地理解客户问题并提供更有效的回答
  • 智能助手使用 AI 来解析大型自由文本数据集中的关键信息,从而改善调度
  • 推荐引擎可以根据用户的观看习惯自动推荐电视节目

与任何特定格式或功能相比,AI 更注重超级思维和数据分析的过程和能力。虽然人工智能带来了高功能、类人机器人接管世界的形象,但人工智能并不是要取代人类。它旨在大幅增强人类的能力和贡献。这使其成为一项非常宝贵的企业资产。

 
专家指出,在未来几年里,AI 将引来巨大兴趣和大量投资
  • Deloitte 预计到 2021 年 AI 和机器学习上的投入将达到 576 亿美元 — 几乎是 2017 年的五倍
  • McKinsey Global Institute 指出,人工智能在 19 个行业中创造的潜在年度商业价值可能在 3.5 到 5.8 万亿美元之间

人工智能已成为一种新应用的笼统术语,这类应用执行那些在过去需要人工输入的复杂任务,比如与客户在线沟通或下棋。该术语经常与它的子领域(包括机器学习和深度学习)互换使用。但它们是有区别的。例如,机器学习侧重于构建能够根据所使用的数据进行学习或改进性能的系统。值得注意的是,尽管所有机器学习都是 AI,但并非所有 AI 都是机器学习。

为了充分发挥 AI 的价值,许多公司正在加大对数据科学团队的投入。数据科学是一个跨学科领域,它利用科学和其他方法从数据中挖掘价值,结合数据统计、计算机科学等领域的技能与业务知识来分析从多个来源收集的数据。

AI 的宗旨是学习并超越人类感知和响应周围世界的方式,迅速地成为创新的基石。机器学习可识别数据中的模式然后进行预测,借助各种形式的机器学习,AI 可以为您的业务创造更大的价值,具体方式包括:

  • 更全面地理解丰富的可用数据
  • 通过预测自动执行过于复杂的任务或常规任务

AI 在企业中的应用

AI 在企业中的应用

人工智能技术可以自动执行在以往需要手动完成的流程或任务,从而提高企业绩效和生产率。人工智能还可以完成许多人力不可及的任务,包括充分发挥数据的价值。这种能力可以创造巨大的商业效益。例如,Netflix 使用机器学习将个性化提升到新高度,这在 2017 年帮助公司实现了 25% 以上的客户规模增长。

大多数公司都把数据科学作为重中之重,并在这方面投入巨资。在 Gartner 近期对 3000 多位 CIO 开展的调查中,受访者将分析和商务智能列为其企业内颇具差异化优势的技术。接受调查的 CIO 认为,这些技术对其公司来说具有战略性意义,公司因此获得了更多新投资。

AI 可以为大多数职能、业务和行业创造价值。其中包括通用和行业特定的应用,例如:

  • 使用交易和人口统计数据来预测特定客户在与某企业的关系中将花费多少(或称作客户的终生价值)
  • 根据客户行为和偏好优化定价
  • 使用图像识别来分析 X 射线图像中的癌症迹象

AI 在企业中的应用

AI 在企业中的应用

根据哈佛商业评论 开展的一项调查,企业主要使用 AI 来完成以下任务:

  • 检测和阻止安全入侵(44%)
  • 解决用户的技术问题(41%)
  • 减少生产管理工作(34%)
  • 在使用批准的供应商时评估内部合规性(34%)

哪些因素促进了 AI 的采用?

推动 AI 在各个行业中快速发展的三个因素包括:

  • 轻松获得经济高效、性能强劲的计算能力。强大的商用云计算为企业带来了经济高效、高性能的计算能力。在此之前,唯一适用于 AI 的计算环境并非基于云且成本高昂。
  • 有大量数据可供训练之用。 AI 需要接受大量数据的训练才能做出正确的预测。各种不同数据标记工具的兴起,再加上组织可以轻松便捷、经济高效地存储和处理结构化及非结构化数据,这让更多组织能够构建和训练 AI 算法。
  • AI 的运用带来了竞争优势。 越来越多的企业开始认识到运用 AI 洞察支持业务目标所带来的竞争优势,并将其作为企业的重中之重。例如,AI 提供的针对性建议可以帮助企业更快做出更明智的决策。AI 的许多特性和功能可以削减成本、降低风险、缩短产品上市时间等等。

应用 AI 的优势和挑战

许多成功案例已经证实了 AI 的价值。通过在传统业务流程和应用中融入机器学习和感知交互,组织可显著改善用户体验并提高工作效率。

但阻碍依然存在。由于多个方面的原因,很少有公司能够大规模部署人工智能。例如,如果未使用云计算,则 AI 项目的计算成本往往非常高。构建项目不仅复杂,而且需要稀缺且要求极高的专业技能。为了尽可能减少这些痛点,企业应了解采用人工智能的时机和场景以及何时求助于第三方。

AI 成功案例

AI 是一些重大成功案例的驱动因素:

  • 哈佛商业评论称,通过训练 AI 软件,美联社实现了自动撰写短期收益新闻报道,并将新闻报道量提升了 12 倍。这让其记者能够专注于撰写更具深度的文章。
  • Deep Patient 是西奈山伊坎医学院构建的一个人工智能工具,可以帮助医生在诊断出疾病之前识别高风险患者。insideBIGDATA 称,该工具可以分析患者的病史,在发病前一年预测近 80 种疾病。

即时可用的 AI 使操作 AI 变得更容易

基于 AI 的解决方案和工具的兴起意味着更多的公司可以在更短的时间内以更低的成本利用 AI。即时可用的 AI 是指具有内置 AI 功能或者自动化算法决策过程的解决方案、工具和软件。

即时可用的 AI 范围非常广,包括使用机器学习进行自我修复的自治数据库,以及在各种数据集中解决图像识别和文本分析等问题的预构建模型。它可以帮助公司更快地实现价值、提高生产效率、降低成本并改善与客户的关系。

通过聊天机器人与客户沟通。聊天机器人使用自然语言处理来理解客户,并允许客户提问和获取信息。这些聊天机器人会随着时间的推移不断学习,旨在为客户交互创造更大的价值。

监视数据中心。IT 运营团队可以将所有 Web、应用、数据库性能、用户体验和日志数据整合到一个基于云的数据平台中,并通过该平台自动监视阈值和检测异常,从而在系统监视上节省大量时间和精力。

无需专家即可执行业务分析。具备可视用户界面的分析工具可帮助非技术人员轻松查询系统并获得通俗易懂的答案。

充分发挥 AI 潜力的障碍

尽管 AI 具有广阔的前景,但许多公司仍然无法充分发挥机器学习和其他 AI 功能的潜力。为什么呢?具有讽刺意味的是,事实证明这一问题很大程度上是因为……人。低效的工作流程会阻碍公司充分发挥实施 AI 的价值。

例如,数据科学家有时无法获得构建机器学习模型所需的资源和数据。他们可能无法与同事有效开展协作。他们需要管理许多不同的开源工具,而应用开发人员有时需要对数据科学家开发的模型进行完全重新编码,然后才能将这些模型嵌入到其应用中。

随着开源 AI 工具的不断增加,IT 要花费更多时间不断更新其工作环境,以此为数据科学团队提供支持。由于数据科学团队工作方式的标准化程度有限,这个问题变得更加复杂。

最终,高管层可能无法看到其公司 AI 投资发挥全部潜力。因此,他们就不会提供充足的支持和资源来构建 AI 成功所需的协作和集成生态系统。

创造良好的文化环境

要充分利用 AI 并避免阻碍成功实施的问题,企业需要营造完全支持 AI 生态系统的团队文化环境。在此环境中:

  • 业务分析师与数据科学家共同定义问题和目标
  • 数据工程师负责管理数据和底层数据平台,确保其完全可用于分析
  • 数据科学家在数据科学平台上准备和探索数据并实施数据可视化和建模
  • IT 架构师负责管理为数据科学提供全面支持所需的底层基础设施,无论是在本地部署环境还是云中
  • 应用开发人员将模型部署到应用中,构建数据驱动的产品

了解您的数据科学团队如何更高效地协作。

从人工智能到自适应智能

随着 AI 功能进入主流企业运营,一个新术语正在兴起:自适应智能。通过将实时的内部和外部数据与决策科学及高度可扩展的计算基础设施相结合,自适应智能应用可帮助企业做出更明智的业务决策。

从本质上说,这些应用使您的业务更智能。您将能够为客户提供更好的产品、建议和服务 — 所有这些都能带来更好的业务成果。

了解采用嵌入式 AI 的 Oracle SaaS 应用如何创造颠覆性力量。

AI 作为战略举措和竞争优势

对于任何希望获得更高效率、新的收入机会和提高客户忠诚度的企业来说,AI 都是一项战略要务。它正迅速成为众多组织的竞争优势。有了 AI,企业可以在更短的时间内完成更多任务、创建个性化和极具吸引力的客户体验并预测业务成果,从而提升盈利能力。

但 AI 仍是一项颇为复杂的新兴技术。为了充分发挥其价值,您需要在如何构建和管理大规模 AI 解决方案方面具备专业知识。一个成功的 AI 项目需要的不仅仅是聘用数据科学家。企业需要实施合适的工具、流程和管理策略来确保 AI 的成功。

充分发挥 AI 价值的优秀实践

哈佛商业评论 就如何开始使用 AI 提出了以下建议:

  • 在对收入和成本具有重大和直接影响的活动中应用 AI 功能。
  • 在保持人员不变的情况下使用 AI 来提高工作效率,而不是削减或增加员工数量。
  • 在后端而非前端开始实施 AI(IT 和会计受益最大)。

在您的 AI 之旅中寻求帮助

AI 转型已是大势所趋。为了保持竞争力,企业终将拥抱 AI 并构建 AI 生态系统。在未来10年里,未能在某种程度上采用 AI 的企业终将落于人后。

虽然您的企业可能是个例外,但大多数公司没有内部人才和专业知识来开发能够最大化人工智能能力的生态系统和解决方案

为了确保在 AI 转型之旅中取得成功,您需要制定正确的战略并找到正确的工具,如果需要这方面的帮助,则应寻找具备深厚行业知识和全面 AI 产品组合的创新型合作伙伴。

人工智能学习库

了解有关数据科学的更多信息
了解有关数据科学的更多信息

企业正积极将统计学与计算机科学概念(如机器学习和人工智能)结合起来,从大数据中提取洞见,进而推动创新并转变决策制定。

了解有关机器学习的更多信息
了解有关机器学习的更多信息

机器学习是人工智能 (AI) 的一个子集,专注于构建通过数据进行学习的系统,旨在加快自动化决策流程和价值实现速度。

新闻和观点
新闻和观点

机器学习、人工智能和数据科学正在改变企业处理复杂问题的方式,进而转变各个行业的发展方向。 阅读最新文章,了解行业和您的同行是如何采用这些技术的。