行業新聞
了解如何利用人工智能為企業創造更高價值
日期：2018-12-01
來源：J9九游会中国
世界經濟論壇最新公布的《未來就業報告》討論了在未來五年人工智能、機器學習和大數據等技術發展會如何影響全世界人口的就業。該報告稱，人與機器之間工作的重新分配預計會取代 7,500 萬個職位，但同時也可能創造 1.33 億個新的職位。
對於堅信技術將威脅自身工作的人們而言，上述就業分配的重大變化可能並無法打消其顧慮。但真實情況是，更智慧的技術帶來的是絕佳的機遇，並幫助我們能夠專注於如何為企業創造最大價值。創造力和策略性思考無疑還是人類的優勢，而在結合機器的優化處理能力後，我們應對未來保持更加樂觀的態度。
了解人與機器各自的優勢
信賴機器通過以類似於人類的判斷和情境理解作出商業決策，我們距此還有很長的路要走。今天，我們可信賴機器在參數設置繁多和危險性最小的領域實現自動處理任務和進行分析。在某些需要人類幹預或監督的情況下，我們會依靠機器的幫助，更深刻地認識情況並做出更自信的決策。
人類可從人工智能和機器學習中獲得很多益處。例如：
自動化操作任務 — 在算法由非常具體化的重複任務驅動的應用程序方麵，機器學習和人工智能已然取得了巨大的進步。例如針對相關內容或產品提供“您可能會感興趣...”的建議的網站，甚至還有那些欺詐檢測程序。雖然在識別未經授權付款時涉及的變量遠比圖書推薦複雜，但這些算法的共同點是它們針對某一任務高度定製，且擁有基於其卓越計算能力的驚人準確度。
更智能的出發點 — 通過廣泛追蹤用戶行為，係統可提供更智能的默認設置、建議操作並隨著時間變化根據用戶的反響進行調整和個性化。我們當前在分析應用程序中就是這麽做的，其可將成功的技術從一個數據集移用到具有類似特征的其他數據源，從而更快地得出見解。
使複雜分析變得可行 — 分析平台正在利用機器學習，為沒有數據科學背景的用戶提供高級分析能力。例如，依據哪種算法擁有最大的確定性，機器可挑選最佳的預測算法和聚類分析算法。可對基本模型進行公布和解釋，以維持透明度並提供按需調整模型的機會。
提供更全麵的視角 — 機器可以不眠不休，高質量地執行重複任務和計算。憑借執行更全麵的分析的能力，計算機可以有效地考慮所有因素。這種全麵的視角可幫助我們在分析中避免確認偏誤。
保持人類參與
目前，在長期規劃、抽象或創造性思考，或做出需要特定領域的經驗或背景的決策方麵，計算機還不及人類。例如，機器製訂的流程可能會提醒您注意某流失的客戶。但該客戶的離開也許是一件好事，因為其未購買利潤足夠高的產品。在用多種角度看待客戶流失的思路方麵，我們比機器做得好。
或者，根據從之前銷售工作獲得的經驗，您的銷售人員可能會直接放棄銷售名單中的某個機會。養成這類直覺對於機器而言並不容易。機器可能會標記出錯過的機會，但銷售人員擁有經驗，不會為此浪費時間。
對因果關係的充分理解也是人類的優勢。雖然機器在有限的數據集中尋找隱藏關聯方麵的表現得越來越好，但我們仍要依靠人類分辨因果與巧合。預測分析能夠更為全麵地探索“假設”情境，但仍然需要人類作出判斷，驗證機器過於程式化的行為。
關注即將出現的機遇
在結合和平衡人與機器的分析能力過程中，人類將可扮演眾多全新而重要的角色。數百萬個新興工作，包括世界經濟論壇報告中預測的絕大部分工作均以數據為中心，這一點並不足為奇。隨著數據的使用案例增多，該範圍隻會越來越大。
我們將需要人類的聰明才智來提出正確的問題，並優化智能分析的結果。我們越來越需要人類監督和維護人工智能與機器學習方麵的倫理標準。其他企業將關注發展更高水平的數據素養，以使分析結果對各種技能水平的用戶可用且有用。
無論技術變得多麽智能，我們都不能忘記分析的最終目的：為決策提供依據。一旦我們知道需要采取的行動，即可判斷可在哪些方麵將決策交由機器作出，即知道哪些方麵需要自動化，哪些地方需要人類進行監督，哪些地方需要用到人類獨有的技能。最成功的企業不會是自動化處理大部分任務的企業，而是了解機器及數據如何能夠最好地幫助決策者的企業。
對於堅信技術將威脅自身工作的人們而言，上述就業分配的重大變化可能並無法打消其顧慮。但真實情況是，更智慧的技術帶來的是絕佳的機遇，並幫助我們能夠專注於如何為企業創造最大價值。創造力和策略性思考無疑還是人類的優勢，而在結合機器的優化處理能力後，我們應對未來保持更加樂觀的態度。
信賴機器通過以類似於人類的判斷和情境理解作出商業決策，我們距此還有很長的路要走。今天，我們可信賴機器在參數設置繁多和危險性最小的領域實現自動處理任務和進行分析。在某些需要人類幹預或監督的情況下，我們會依靠機器的幫助，更深刻地認識情況並做出更自信的決策。
人類可從人工智能和機器學習中獲得很多益處。例如：
自動化操作任務 — 在算法由非常具體化的重複任務驅動的應用程序方麵，機器學習和人工智能已然取得了巨大的進步。例如針對相關內容或產品提供“您可能會感興趣...”的建議的網站，甚至還有那些欺詐檢測程序。雖然在識別未經授權付款時涉及的變量遠比圖書推薦複雜，但這些算法的共同點是它們針對某一任務高度定製，且擁有基於其卓越計算能力的驚人準確度。
更智能的出發點 — 通過廣泛追蹤用戶行為，係統可提供更智能的默認設置、建議操作並隨著時間變化根據用戶的反響進行調整和個性化。我們當前在分析應用程序中就是這麽做的，其可將成功的技術從一個數據集移用到具有類似特征的其他數據源，從而更快地得出見解。
使複雜分析變得可行 — 分析平台正在利用機器學習，為沒有數據科學背景的用戶提供高級分析能力。例如，依據哪種算法擁有最大的確定性，機器可挑選最佳的預測算法和聚類分析算法。可對基本模型進行公布和解釋，以維持透明度並提供按需調整模型的機會。
提供更全麵的視角 — 機器可以不眠不休，高質量地執行重複任務和計算。憑借執行更全麵的分析的能力，計算機可以有效地考慮所有因素。這種全麵的視角可幫助我們在分析中避免確認偏誤。
保持人類參與
目前，在長期規劃、抽象或創造性思考，或做出需要特定領域的經驗或背景的決策方麵，計算機還不及人類。例如，機器製訂的流程可能會提醒您注意某流失的客戶。但該客戶的離開也許是一件好事，因為其未購買利潤足夠高的產品。在用多種角度看待客戶流失的思路方麵，我們比機器做得好。
或者，根據從之前銷售工作獲得的經驗，您的銷售人員可能會直接放棄銷售名單中的某個機會。養成這類直覺對於機器而言並不容易。機器可能會標記出錯過的機會，但銷售人員擁有經驗，不會為此浪費時間。
對因果關係的充分理解也是人類的優勢。雖然機器在有限的數據集中尋找隱藏關聯方麵的表現得越來越好，但我們仍要依靠人類分辨因果與巧合。預測分析能夠更為全麵地探索“假設”情境，但仍然需要人類作出判斷，驗證機器過於程式化的行為。
關注即將出現的機遇
在結合和平衡人與機器的分析能力過程中，人類將可扮演眾多全新而重要的角色。數百萬個新興工作，包括世界經濟論壇報告中預測的絕大部分工作均以數據為中心，這一點並不足為奇。隨著數據的使用案例增多，該範圍隻會越來越大。
我們將需要人類的聰明才智來提出正確的問題，並優化智能分析的結果。我們越來越需要人類監督和維護人工智能與機器學習方麵的倫理標準。其他企業將關注發展更高水平的數據素養，以使分析結果對各種技能水平的用戶可用且有用。
無論技術變得多麽智能，我們都不能忘記分析的最終目的：為決策提供依據。一旦我們知道需要采取的行動，即可判斷可在哪些方麵將決策交由機器作出，即知道哪些方麵需要自動化，哪些地方需要人類進行監督，哪些地方需要用到人類獨有的技能。最成功的企業不會是自動化處理大部分任務的企業，而是了解機器及數據如何能夠最好地幫助決策者的企業。
