人工智能如何與大數(shù)據(jù)完美地結合

當今的業(yè)務環(huán)境越來越復雜，隨著第二代數(shù)字原生代的興起，需要對不斷增長的人工智能和大數(shù)據(jù)的應用進行探索和研究。大數(shù)據(jù)和人工智能工具的結合可以實現(xiàn)新的分析和自動化形式，而在企業(yè)應用程序中，這些技術仍在不斷發(fā)展和演變。Dun&Bradstreet公司今年1月發(fā)布了一項調(diào)查結果，調(diào)查發(fā)現(xiàn)，40%的受訪者表示部署人工智能技術增加了更多的工作崗位。這一發(fā)現(xiàn)似乎與采用人工智能將減少就業(yè)機會的擔憂相反，而在調(diào)查中，100名受訪者中只有8人表示，他們的組織由于采用人工智能而裁員。

這是Dun&Bradstreet公司的調(diào)查團隊于去年12月在波士頓的人工智能世界會議和博覽會上對與會者進行的調(diào)查，這就提出了一個問題，即企業(yè)將如何適應人工智能和大數(shù)據(jù)等新興技術，尤其是處在這個前所未有的數(shù)字化顛覆時代。

企業(yè)領導者面臨數(shù)字化顛覆的現(xiàn)實，發(fā)現(xiàn)即使在人工智能上采用快速跟隨策略也很難應對。迅速發(fā)展的技術以及人工智能對未來工作的影響，將導致工作崗位的變化和知識型員工難以保留等迫在眉睫的問題。

采用人工智能的好處以及帶來的問題

Dun&Bradstreet公司的調(diào)查發(fā)現(xiàn)，人工智能主要用于分析、自動化和數(shù)據(jù)管理。正在啟用新功能，使原本不可訪問的域更容易訪問。例如，大學教授現(xiàn)在可以使用一系列工具來檢測作弊行為，這曾經(jīng)是一個人工檢驗和基于經(jīng)驗的繁瑣過程。在人力資源部門，也采用了能夠篩選簡歷、預測應聘者是否合格成功的技術，以及執(zhí)行許多其他任務的技術，這些任務曾經(jīng)被認為難以處理。

不僅僅是人工智能功能使這些應用程序更加可行，它也是對業(yè)務任務的重新構想，以利用現(xiàn)有數(shù)據(jù)并開辟新的思維方式。與此同時，不斷變化的隱私法規(guī)使企業(yè)和網(wǎng)絡犯罪分子以驚人的新方式使用先進的技術，這迫使企業(yè)采用更多資源處理與數(shù)據(jù)安全和治理相關的問題。

當今的業(yè)務環(huán)境越來越復雜，很難應對這種混亂。隨著第二代數(shù)字原生代的興起，需要對不斷增長的人工智能和大數(shù)據(jù)的應用進行探索和研究。

根據(jù)Dun&Bradstreet公司的調(diào)查，人工智能技術目前在大多數(shù)組織中都有一定程度的使用。這一發(fā)現(xiàn)與其他行業(yè)機構的研究是一致的，這些研究指出，人工智能技術已從認識和早期采用過渡到全面實施，并從使用中創(chuàng)造了附加業(yè)務價值。

現(xiàn)實情況是，許多人工智能應用程序，特別是那些需要豐富的穩(wěn)定數(shù)據(jù)集合得出結論的人工智能應用程序，一直受到數(shù)據(jù)發(fā)現(xiàn)和管理的復雜性的困擾。然而，隨著大數(shù)據(jù)技術的發(fā)展，使組織能夠保持和管理越來越多的數(shù)據(jù)，利用物聯(lián)網(wǎng)和移動網(wǎng)絡等新技術的新應用開始產(chǎn)生有希望的結果。其中一些例子包括執(zhí)法中的面部識別、智慧城市技術、自動駕駛汽車和無人機等。

誰在采用企業(yè)人工智能并在做什么?

對人工智能從業(yè)者的調(diào)查通常包括三類：已經(jīng)成功部署人工智能應用程序的人員;正在部署人工智能項目，但仍在創(chuàng)新和投資回報率之間尋求平衡的人員;仍在探索人工智能技術或尚未對企業(yè)中的人工智能做出認真承諾的人員。而關于這三個群體的相對規(guī)模存在重大爭議。

Dun&Bradstreet公司的調(diào)查是在一次以人工智能為重點的活動中進行的，近半數(shù)受訪者(44%)表示他們的公司正在部署該技術，而20%的受訪者表示其公司已經(jīng)部署人工智能技術。23%的人表示，正在計劃實施。

尋求采用人工智能技術解決復雜問題的企業(yè)有時會感到有點困惑，對其結果不滿意，這表明存在一些可解釋性問題。如果人工智能方法沒有得到很好的理解，那么他們很難接受看似違反直覺的結果。這一點在Dun&Bradstreet公司的調(diào)查結果中比較突出，46%的受訪者表示，理解人工智能如何得出結論是他們組織面臨的一個問題。只有三分之一的人表示，他們完全理解他們的人工智能系統(tǒng)是如何得出結論的。

對人工智能結果不滿意的其他一些原因來自于基本問題的制定。例如，由人類訓練的監(jiān)督人工智能方法存在基于潛在誤導性強化現(xiàn)有知識做出決策的風險，特別是在沒有提前采取正確步驟來解決偏差的情況下——在數(shù)據(jù)、算法本身或在他們產(chǎn)生的結果的解釋中。

問題制定依賴于數(shù)據(jù)科學家確保使用正確方法和數(shù)據(jù)的能力，并要求正確的問題支持得出的結論。問題制定不完整的風險強調(diào)需要有可解釋的人工智能和更多關于思想和方法多樣性的對話，以便技術對企業(yè)更有價值。

人工智能和大數(shù)據(jù)的正確組合

仔細考慮人工智能使用的數(shù)據(jù)同樣重要。在Dun&Bradstreet的調(diào)查中，很多組織表示，缺乏正確的數(shù)據(jù)是進一步實施人工智能的最大障礙之一，28%的受訪者認為缺乏內(nèi)部專業(yè)知識也是一個主要障礙。

隨著數(shù)據(jù)的生產(chǎn)和存儲量呈指數(shù)級增長，人們將開始看到人工智能系統(tǒng)的適應和改進。

雖然人工智能從業(yè)者可能對數(shù)據(jù)量有合理的處理，但大數(shù)據(jù)環(huán)境中的變化速度仍然是某些人工智能應用程序的重要問題。流媒體數(shù)據(jù)是數(shù)據(jù)樣本經(jīng)常被忽視的一個很好的例子。

數(shù)據(jù)準確性是另一個越來越重要的問題，特別是對于分類方法和其他無監(jiān)督的人工智能方法。數(shù)據(jù)是必須建立任何技術(尤其是人工智能)的基礎。錯誤的數(shù)據(jù)基礎(例如使用包含偏差或被錯誤操作的數(shù)據(jù))通常會導致錯誤的技術方法產(chǎn)生錯誤的見解，而且可以通過壓力以消極的方式得到強化。

人工智能的發(fā)展對其商業(yè)價值至關重要

但是，隨著數(shù)據(jù)的持續(xù)生成和存儲量呈指數(shù)增長，人們將開始看到人工智能系統(tǒng)的適應和改進。這種演變是人工智能的商業(yè)價值所固有的特征。正如人工智能技術在某種程度上具有自我診斷的能力一樣，人們將開始看到出現(xiàn)復雜的系統(tǒng)，這些系統(tǒng)不僅可以從人類代理那里學習，而且還可以從經(jīng)驗中學習——其很好的例子包括對抗人工智能和集成方法。

此外，下一代數(shù)字原生代的人工智能和數(shù)據(jù)科學從業(yè)者將更加細致地對系統(tǒng)進行觀察。這些未來的數(shù)據(jù)科學家將進行鑒別診斷，就像醫(yī)生一樣，可以區(qū)分具有相似癥狀的疾病。

人工智能和大數(shù)據(jù)的結合將繼續(xù)發(fā)展，組織可以確保繼續(xù)增加對該技術的實驗和部署。然而無法保證這種演變將朝著積極的方向發(fā)展。事實上，一些偉大的預言得出的結論卻恰恰相反。

數(shù)字顛覆的新科學與商業(yè)和人工智能的發(fā)展息息相關。似乎可以肯定的是，這種進化的速度將繼續(xù)增加。事實上，人工智能和大數(shù)據(jù)并不總是完美地結合在一起。在這一領域，最終會產(chǎn)生最佳結果的是不同分析方法和思維的日益成熟。