人工智能(Artificial Intelligence)，英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門新的技術科學。 人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。人工智能從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智能帶來的科技產(chǎn)品，將會是人類智慧的“容器”。

機器的智能化將對商業(yè)與就業(yè)產(chǎn)生巨大影響?？纯贷溈襄a如何看待人工智能與機器學習將影響你的企業(yè)，你能做些什么。

對商業(yè)人士來說，人工智能代表一系列的挑戰(zhàn)。技術層面，人工智能與機器學習正在朝向復雜化方向的發(fā)展，需要大量的數(shù)據(jù)去產(chǎn)生有意義的結果。從商業(yè)的角度看，很多商業(yè)領袖很難謀劃人工智能的切入點，甚至不知道如何開始機器智能化。

更加糟糕的是，來自技術廠商的宣傳給市場造成了持續(xù)不斷的雜音，人們不清楚人工智能的真正可能性是什么。

為了減少這種噪音，我們邀請了許多世界領先的從業(yè)者分享他們的經(jīng)驗。

下面是麥肯錫全球研究所(MGI)的負責人Michael Chui和艾森豪基金，的David Bray的觀點，后者同時擔任聯(lián)邦通訊委員會的首席技術官。

麥肯錫全球研究所已經(jīng)發(fā)布了一系列有關人工智能，自動化以及就業(yè)的研究報告。下面就是有關工作環(huán)境自動化的分析。

在下面這張圖里，Chui和他的團隊分析了自動化會改變的行業(yè)。

另外一張圖顯示了就業(yè)崗位可能被機器替代的列表以及工資情況：

Michael Chui和David Bray之間的對話涵蓋了企業(yè)員工和自動化，人工智能的關系，比如投資，規(guī)劃，甚至倫理考量。

企業(yè)如何考慮投資人工智能?

Michael Chiu：越來越多的企業(yè)已經(jīng)開始了解數(shù)據(jù)分析的潛力。高管們開始明白，數(shù)據(jù)和分析要么成為競爭的基礎，要么成為客戶，民眾與股東需要的服務與產(chǎn)品。

雖然存在真正的技術挑戰(zhàn)，但我們發(fā)現(xiàn)，真正的障礙是人這一方面。如何從有趣的實驗中獲得與業(yè)務相關的經(jīng)驗?購買算法與數(shù)據(jù)，在下一個產(chǎn)品中提高轉換率;我們可以降低維護成本，或者提高整機的運行時間。我們可以把更多的人引入這個領域，我們可以找到更合適的人。

從經(jīng)驗中獲取規(guī)模價值就是企業(yè)卡脖子的地方。如何獲得經(jīng)驗，如何獲得數(shù)據(jù)(無論是機器學習還是算法的形式)，如何將模型分析納入企業(yè)的工作實際與流程，從而改變規(guī)模運作的方式?用軍事來做類比就是：如何駕駛航空母艦?貨船也是如此，它們都很難轉向。

理解人工智能，掌握正確的人才，然后大規(guī)模地改變工作實際是企業(yè)面臨的挑戰(zhàn)。理解人工智能的企業(yè)和真正要實施人工智能的企業(yè)存在巨大的差異。

人工智能與機器學習的接納問題是什么?

David Bray：成功的真正秘訣在于改變?nèi)藗冊诮M織中所做的工作，你不能僅僅推行技術而不去改變商業(yè)流程。我見過公共服務領域的實驗，他們只做實驗，而沒有去改變公共服務的業(yè)務規(guī)模。

不僅僅是需要技術，還要了解現(xiàn)有的流程，為什么企業(yè)需要這樣做，然后清楚目標，了解自己如何成為這種變革的領導者。

人工智能在某些方面來說只是預測分析的延伸，這是大數(shù)據(jù)的延續(xù)，并不是新的東西，技術總是一種可能性的變革藝術。

有趣的是，我們可以通過人工智能來反映我們的偏見。如果我們不小心用人類數(shù)據(jù)打造出人工智能，我們知道人類是有偏見的，我們會發(fā)現(xiàn)人工智能，機器學習本身也是有偏見的。

哪些商業(yè)領域最適合人工智能?

Michael Chiu：我們對600名不同領域的行業(yè)專家做過調查訪問。

第一個領域被稱為“深度學習”領域，這個領域特別適合某些類型的問題，比如模型識別，通常是圖像等等。

另外就是預測性維護。保持東西不破壞的能力; 而不是等到它打破，然后修復它，預測什么時候會破裂的能力。

這不僅因為降低了成本，更為重要的是，預測性維護不會造成整個流水線停工。

在一定程度上，這是模式匹配的一個應用。傳感器檢測出某些部件將破裂的型號，通知你進行預測性維護。

我們發(fā)現(xiàn)，在很多行業(yè)中，無論是發(fā)電機，建筑，HDC系統(tǒng)還是汽車行業(yè)，如果你能在事情發(fā)生之前做出預測，那么維護的價值就會提現(xiàn)出來。 這是機器學習相當強大的領域之一。

醫(yī)療保健是預測性維護的另一種應用，只不過換成了人力資本資產(chǎn)的維護。我們在病人身上安裝傳感器。我們可以告訴他們即將發(fā)生心臟病嗎?會患上糖尿病嗎?用戶應該采取一些可能不那么昂貴，較少破壞身體的行動，而不是將其變成一種緊急的醫(yī)療行動，經(jīng)歷一個非常昂貴，痛苦和緊急的護理。

David Bray：讓人工智能與機器學習幫助公眾，我認為這會在都市中首先開始出現(xiàn)。

我們聽說過智慧城市概念。您可以輕松地查看道路或電力情況，以便更好的進行預防性維護，然后進行監(jiān)控以避免停電。

我認為人工智能與機器學習初期將在城市里面出現(xiàn)。