莫混淆夸大宣傳和現(xiàn)實(shí) 

一旦你對(duì)歷史和科技有所了解，這時(shí)候?qū)π屡d技術(shù)所處生命周期的階段做出判斷，會(huì)是很有幫助的做法。

Gartner預(yù)測(cè)“通用型AI”（用以解決任何智能問題的人工智能技術(shù)）將于2020年之后出現(xiàn)。Venture Scanner披露的數(shù)據(jù)表明，大約2/3的AI創(chuàng)業(yè)公司的融資還處于初期融資階段，這表明許多銷售AI解決方案的公司都還處在產(chǎn)品開發(fā)及銷售周期的早期階段。麥肯錫稱只有20%的有AI意識(shí)的公司實(shí)際采用了AI，而在AI上的投資超過50%是來自于大型技術(shù)公司和創(chuàng)業(yè)公司，而非剛好在使用這項(xiàng)技術(shù)的企業(yè)。

這些數(shù)據(jù)足以讓CTO或企業(yè)高管在投資AI前三思而行。盡管AI的確很有前景，但這些算法的大規(guī)模商業(yè)應(yīng)用才剛起步。

早期贏家都是大型科技公司和有能力、有資金、有耐心試驗(yàn)新技術(shù)的創(chuàng)業(yè)公司。大多數(shù)企業(yè)和中型公司并不具備這些奢侈的條件，它們的AI之旅才剛剛上路。

AI是具備高度破壞性的技術(shù)，我們不該視若無睹。但我們應(yīng)該審慎地前進(jìn)，避免中了那些夸大宣傳的催眠術(shù)。

比如，當(dāng)聲音在某些應(yīng)用上成為比屏幕、鍵盤更好的人機(jī)交互手段，或者當(dāng)聊天機(jī)器人變得比人類客服更加智能、反應(yīng)更加迅速時(shí)，許多企業(yè)就不得不采取這些技術(shù)來改善用戶體驗(yàn)。

同樣的，當(dāng)深度學(xué)習(xí)算法在識(shí)別詐騙、風(fēng)險(xiǎn)交易或安全威脅上日趨完善，企業(yè)也要做好采用這些新手段的準(zhǔn)備。

而隨著我們利用數(shù)據(jù)庫(kù)，最大限度地從口頭語(yǔ)言、音頻和視頻等資料數(shù)據(jù)采集智能，這些技術(shù)手段的使用會(huì)使得很多企業(yè)獲得重要競(jìng)爭(zhēng)優(yōu)勢(shì)。 

何時(shí)是關(guān)鍵

企業(yè)應(yīng)該努力成為反應(yīng)迅速的追隨者，而不是早期采用者。這意味著，企業(yè)要在早期階段關(guān)注AI技術(shù)，甚至可以嘗試使用AI技術(shù)，但要等到技術(shù)足夠成熟了，得到反復(fù)驗(yàn)證了，或者可以大規(guī)模產(chǎn)出的時(shí)候再來依靠AI技術(shù)。

了解AI功能的時(shí)候，你需要尋找那些可以幫助評(píng)估AI應(yīng)用及其成熟度的工具和應(yīng)用案例。比如：

  • 研究公司Forrester定義了七項(xiàng)AI核心技術(shù)，并提出一種“搭積木”模型（building-block model），該模型以假設(shè)和研究為開始，以三個(gè)層次的實(shí)際應(yīng)用為結(jié)束。

  • Workday發(fā)布了人工智能成熟度模型，這個(gè)模型將AI分成四個(gè)階段，分別是自動(dòng)化、通知、發(fā)現(xiàn)以及改造。只有當(dāng)AI應(yīng)用于解決人們正在解決的問題上時(shí)，評(píng)估AI取得成果才更容易。

  • 還有很多行業(yè)案例，如保險(xiǎn)、醫(yī)療、銀行、農(nóng)業(yè)、法律、廣告、建造、慈善、媒體等等。 

將企業(yè)的核心商業(yè)目標(biāo)，作為AI項(xiàng)目的出發(fā)點(diǎn)

圍繞AI和機(jī)器學(xué)習(xí)的種種夸大或虛假宣傳使得一些CTO和企業(yè)決策者武斷地采取了技術(shù)先進(jìn)的策略。相反地，看看企業(yè)存在的問題以及有哪些能帶來顯著優(yōu)勢(shì)的機(jī)會(huì)，以此為出發(fā)點(diǎn)，才能讓研發(fā)投入得到有目的地產(chǎn)出。而且，所發(fā)現(xiàn)的機(jī)會(huì)應(yīng)有相當(dāng)規(guī)模的數(shù)據(jù)集，或是能輕易獲得并進(jìn)行整合的數(shù)據(jù)集作為支撐。

要以一個(gè)明確的商機(jī)為出發(fā)點(diǎn)，原因在于，你可能在此過程中發(fā)現(xiàn)其實(shí)有其它解決辦法，無需用到較新的AI技術(shù)。如果需要用到一部分的AI技術(shù)，通過這一方法你還可以對(duì)解決方案進(jìn)行分類，評(píng)估所需AI技術(shù)的整體成熟度。

反過來，若是解決方案需要深度的評(píng)估和思考，那說明你即將駛往的是不成熟的AI領(lǐng)域。

評(píng)估AI成熟度的一個(gè)方法是：瀏覽關(guān)于AI創(chuàng)業(yè)公司的各種供應(yīng)商評(píng)估報(bào)告等資料，你會(huì)發(fā)現(xiàn)很多創(chuàng)業(yè)公司都把關(guān)注點(diǎn)放在獨(dú)立而分散的幾個(gè)問題的解決方案上，而不是想尋求一個(gè)普遍的認(rèn)知上的解決辦法。

當(dāng)某個(gè)開發(fā)者跟你說“盡管把數(shù)據(jù)交給我們的AI吧”，你千萬(wàn)別信，不要期待能得到專家級(jí)的智能化作為回報(bào)。這是不可能發(fā)生的。 

要真正起作用，你的AI系統(tǒng)需要大量數(shù)據(jù)

以下是成功運(yùn)用AI的第二個(gè)前提：你需要大量的高質(zhì)量數(shù)據(jù)來訓(xùn)練AI算法，評(píng)估輸出結(jié)果。

自動(dòng)駕駛汽車得以成為可能的原因之一在于，在一個(gè)小時(shí)的駕駛中，激光定位器和其它感應(yīng)器可以產(chǎn)生4000GB的數(shù)據(jù)。而如此大量的數(shù)據(jù)，僅僅是用于車要不要轉(zhuǎn)彎、加速、減速或停下這樣幾個(gè)關(guān)鍵決策而已。

許多成功的AI解決方案也屬于此類，也就是將大量的數(shù)據(jù)轉(zhuǎn)化為有限數(shù)量的決策。

除了數(shù)據(jù)集，企業(yè)還需要具備數(shù)據(jù)整合及自動(dòng)化能力，這樣才可以讓數(shù)據(jù)在任何AI處理引擎中自由轉(zhuǎn)移。如果你的企業(yè)習(xí)慣靠人工運(yùn)行腳本，手動(dòng)地轉(zhuǎn)移數(shù)據(jù)，我強(qiáng)烈建議你先投資自動(dòng)化，再投資AI解決方案。

嘗試AI的幾種選擇

一旦你發(fā)現(xiàn)了商機(jī)，也具備了大樣本的干凈數(shù)據(jù)集，你的AI之旅就準(zhǔn)備好了。這兩個(gè)步驟是為企業(yè)裝備AI技術(shù)的前提條件。下一步則是考慮采用哪種AI解決方案以及如何執(zhí)行。

如果沒有專業(yè)技術(shù)，聘請(qǐng)專家前要三思，畢竟科技巨頭公司都在花重金爭(zhēng)搶懂AI的稀有人才，所以這場(chǎng)游戲的入場(chǎng)費(fèi)是相當(dāng)昂貴的。

還有一個(gè)選擇是，可以使用那些解決方案中嵌入了AI技術(shù)的供應(yīng)商。

選好一個(gè)或多個(gè)方案后，你需要讓董事會(huì)或其它利益相關(guān)者建立符合實(shí)際的期望，這點(diǎn)很重要。投資AI后，你需要全身心的投入于靈活的實(shí)驗(yàn)中，因?yàn)槟愫芸赡軙?huì)時(shí)不時(shí)地步入死胡同，要進(jìn)行許許多多實(shí)驗(yàn)才能使其最優(yōu)化。所以，對(duì)預(yù)算、時(shí)間表、人才等，都要提前做好評(píng)估。