人工智能應(yīng)用之旅雖然漫長(zhǎng),但潛在的回報(bào)卻很可觀。許多領(lǐng)導(dǎo)者都具備啟用人工智能所需要的動(dòng)力和熱情,但卻并不清楚這一流程如何展開。通過(guò)提供具體的行動(dòng)步驟,識(shí)別并規(guī)避最常見(jiàn)的隱患,《人工智能:商業(yè)應(yīng)用路線圖》把企業(yè)向人工智能過(guò)渡的風(fēng)險(xiǎn)降到最低程度。這一指南可能是確保進(jìn)軍人工智能領(lǐng)域獲利的關(guān)鍵所在。在本書中,你將學(xué)到如何:
? 利用人工智能降低成本和獲取市場(chǎng)份額;
? 定位訓(xùn)練人工智能模型所需要的數(shù)據(jù),并對(duì)數(shù)據(jù)資產(chǎn)進(jìn)行管理;
? 創(chuàng)建功能性人工智能原型,以降低風(fēng)險(xiǎn)并彰顯人工智能價(jià)值主張;
? 充滿信心地對(duì)生產(chǎn)中的人工智能解決方案進(jìn)行部署和迭代;
? 利用模型庫(kù)提高人工智能成熟度以獲取利潤(rùn),并不斷改進(jìn)。
本書為渴望在人工智能領(lǐng)域中獲得成功的商業(yè)領(lǐng)袖們提供了一份完美的高級(jí)路線圖。
人工智能(artificial intelligence,AI)已經(jīng)全面深入我們的日常
生活,大多數(shù)人每天都不自覺(jué)地應(yīng)用這一技術(shù)。無(wú)論是與蘋果手機(jī)助手
Siri那樣的人工實(shí)體互動(dòng),還是瀏覽網(wǎng)飛的節(jié)目推薦,我們正在越
來(lái)越多地應(yīng)用機(jī)器學(xué)習(xí)的各種功能。然而,人工智能的間接應(yīng)用更為廣
泛,每一次我們?cè)谒⑿庞每ㄙ?gòu)物的時(shí)候,人工智能欺詐檢測(cè)系統(tǒng)都會(huì)進(jìn)
行審核,以更好地保護(hù)客戶的財(cái)產(chǎn)。每一天,高級(jí)物流調(diào)度軟件將上億
的包裹運(yùn)送到世界各地,幾乎沒(méi)有中斷。據(jù)稱僅電商巨頭亞馬遜一家,
在Prime的幫助下,其2017年運(yùn)送的包裹數(shù)量高達(dá)50億件(參見(jiàn)
businesswire.com/news/home/20180102005390/en/)。過(guò)去的
幾十年間,我們親眼見(jiàn)證了人工智能系統(tǒng)和機(jī)器學(xué)習(xí)技術(shù)的發(fā)展,沒(méi)有它
們的進(jìn)步,上述的各種商業(yè)活動(dòng)也就無(wú)法達(dá)到如此宏大的規(guī)模。
歷史上,這些人工智能系統(tǒng)一般是由雇主花大價(jià)錢聘請(qǐng)技術(shù)嫻熟的程
序員夜以繼日地開發(fā)出來(lái),供公司內(nèi)部所用。如今,情況已大不相同。諸
如IBM、谷歌、微軟等公司現(xiàn)在提供即付即用(pay-as-you-go)
的人工智能服務(wù),極大地降低了人工智能的使用門檻。例如,上述各家公
司均提供語(yǔ)音轉(zhuǎn)文字和文字轉(zhuǎn)語(yǔ)音的服務(wù),每次使用時(shí)僅需支付
很低的費(fèi)用,就能輕松建立起語(yǔ)音界面。這為小型公司提供了機(jī)遇,讓它
們能夠花費(fèi)較少的資金引入人工智能方案,進(jìn)而為其公司帶來(lái)更豐碩的成
果。正如上文提到的,消費(fèi)者每天都在與人工智能進(jìn)行互動(dòng),因此當(dāng)品牌
采用并引入更多的人工智能技術(shù)時(shí),消費(fèi)者也將感覺(jué)更舒適、更易于接受。
對(duì)于所有開始踏上人工智能應(yīng)用之旅的現(xiàn)代公司而言,應(yīng)用這些組件也是
明智的選擇。
人工智能:商業(yè)應(yīng)用路線圖
IV
那么這些公司該如何起步呢?我們?cè)谂c客戶在人工智能領(lǐng)域合作的
過(guò)程中,發(fā)現(xiàn)他們普遍面臨這一問(wèn)題。這些組織的意見(jiàn)領(lǐng)袖們對(duì)應(yīng)用人
工智能充滿干勁,但是缺乏如何做的方法和整體的方向。在與IBM
Watson客戶參與中心以及全球各地的客戶打交道的日常工作中,我們
反復(fù)看到上述情形?蛻魝冘S躍欲試,希望將人工智能系統(tǒng)融入自己的商
業(yè)模型中,也明白這將讓他們收益良多。他們所需要的僅僅是一種進(jìn)入該
領(lǐng)域的方法。在參加各種科技大會(huì)和會(huì)面的過(guò)程中,我們也有相同的經(jīng)歷。
供應(yīng)商現(xiàn)在提供的基于云端的人工智能技術(shù)很容易獲得,技術(shù)上的阻礙也
大大減少了,但進(jìn)行整體規(guī)劃所帶來(lái)的挑戰(zhàn)仍然限制了很多公司對(duì)人工智
能的采用。只有擁有一份好的路線圖,才可以從容地開啟這一旅程。正因
如此,我們編寫了本書,希望能夠提供相關(guān)知識(shí),幫助你在自己的組織中
成功地應(yīng)用人工智能技術(shù)。翻開本書,你就已經(jīng)踏出了第一步。
本書不僅會(huì)幫助你應(yīng)用和理解新興的人工智能技術(shù),還將提供應(yīng)用人
工智能技術(shù)所需的工具,這將為你的業(yè)務(wù)帶來(lái)深遠(yuǎn)的影響。也許你會(huì)發(fā)現(xiàn)
一些新的潛在的節(jié)約成本的機(jī)會(huì),也許人工智能技術(shù)將使你的業(yè)務(wù)與眾不
同,從而進(jìn)入新的市場(chǎng)開展競(jìng)爭(zhēng)。盡管近些年來(lái),人工智能的應(yīng)用更為廣
泛,地位更高,但在我們看來(lái),每個(gè)領(lǐng)域仍有巨大的空間有待開拓。這正
是其偉大之處借助跨學(xué)科的方式,人工智能技術(shù)的應(yīng)用可以遍及各個(gè)
領(lǐng)域。它發(fā)展得越快,所能做到的事情也就越多。所以,親愛(ài)的讀者朋友,
我們唯一的請(qǐng)求,就是在起步之時(shí)保持開放的心態(tài)。如果沒(méi)有路線圖,我
們?cè)诖藶槟闾峁。祝愿你在路線圖的指引下,成功地將人工智能技術(shù)用于
組織,收獲更多的價(jià)值。
第1章 引言 1
案例研究#1:發(fā)那科公司 2
案例研究#2:布洛克稅務(wù)公司 4
案例研究#3:貝萊德公司 4
如何開始 5
前方之路 9
注釋 10
第2章 構(gòu)思 11
人工智能入門 11
成為注重創(chuàng)新的組織 20
想法庫(kù) 22
繪制業(yè)務(wù)流程圖 23
流程圖、標(biāo)準(zhǔn)操作程序和你 24
信息流 25
提出想法 26
價(jià)值分析 27
整理和篩選 29
排序和分類 30
審核想法庫(kù) 32
頭腦風(fēng)暴和偶然相遇33
人工智能的局限性35
隱患38
行動(dòng)清單39
注釋40
第3章定義項(xiàng)目41
項(xiàng)目計(jì)劃的內(nèi)容、原因和方式42
項(xiàng)目計(jì)劃的組成部分43
分解項(xiàng)目的方法46
項(xiàng)目可衡量性54
平衡計(jì)分卡55
構(gòu)建人工智能項(xiàng)目計(jì)劃56
隱患58
行動(dòng)清單60
第4章數(shù)據(jù)管護(hù)與治理61
數(shù)據(jù)收集63
利用現(xiàn)有系統(tǒng)的力量69
數(shù)據(jù)科學(xué)家的角色70
反饋環(huán)路71
數(shù)據(jù)可訪問(wèn)化72
數(shù)據(jù)治理73
你做好數(shù)據(jù)準(zhǔn)備了嗎?77
隱患78
行動(dòng)清單81
注釋81
目 錄
IX
第5章 原型制作 83
是否有現(xiàn)成的解決方案? 83
雇傭人才還是簽約人才 85
Scrum概述 87
用戶故事的優(yōu)先次序 89
開發(fā)反饋環(huán)路 90
設(shè)計(jì)原型 91
技術(shù)選擇 92
云應(yīng)用程序編程接口和微服務(wù) 95
內(nèi)部應(yīng)用程序編程接口 96
隱患 97
行動(dòng)清單 98
注釋 99
第6章 生產(chǎn) 101
原型再利用還是從零開始 101
持續(xù)集成 102
自動(dòng)化測(cè)試 107
確保人工智能系統(tǒng)的穩(wěn)健 111
人工智能系統(tǒng)中的人工介入 112
確保原型技術(shù)具有可擴(kuò)展性 114
云部署范式 116
云應(yīng)用程序編程接口的服務(wù)級(jí)別協(xié)議 117
繼續(xù)反饋環(huán)路 118
隱患 118
行動(dòng)清單 119
注釋 120
第7章隨著人工智能生命周期實(shí)現(xiàn)蓬勃發(fā)展121
納入用戶反饋122
人工智能系統(tǒng)學(xué)習(xí)124
新技術(shù)125
量化模型性能127
更新并審核想法庫(kù)129
知識(shí)庫(kù)130
建立模型庫(kù)131
共促源代碼開放136
數(shù)據(jù)改進(jìn)138
能力越強(qiáng),責(zé)任越大139
隱患140
行動(dòng)清單142
注釋142
第8章結(jié)論143
智能商業(yè)模型144
簡(jiǎn)要回顧144
還在等什么呢?147
附錄A人工智能專家149
人工智能專家149
克里斯·安克森(Chris Ackerson)149
杰夫·布拉德福特(Jeff Bradford)152
納森·S.羅賓遜(Nathan S. Robinson)154
伊芙琳·杜斯特瓦爾德(Evelyn Duesterwald)156
吉爾·奈修(Jill Nephew)158
目 錄
拉胡爾·阿科爾卡(Rahul Akolkar) 162
史蒂夫·弗洛里斯(Steven Flores) 165
附錄B 路線圖行動(dòng)清單 169
第1步:構(gòu)思 169
第2步:定義項(xiàng)目 169
第3步:數(shù)據(jù)管護(hù)與治理 170
第4步:原型制作 170
第5步:生產(chǎn) 171
隨著人工智能生命周期實(shí)現(xiàn)蓬勃發(fā)展 171
附錄C 要避開的隱患 173
第1步:構(gòu)思 173
第2步:定義項(xiàng)目 174
第3步:數(shù)據(jù)管護(hù)與治理 177
第4步:原型制作 180
第5步:生產(chǎn) 182
隨著人工智能生命周期實(shí)現(xiàn)蓬勃發(fā)展 183