來(lái)源：ST社區(qū)

人工智能和機(jī)器學(xué)習(xí)將開(kāi)始做出更多決策。他們可能仍然不會(huì)在不久的將來(lái)用來(lái)做出“大”決定，比如是否對(duì)商品征收25％的關(guān)稅并與合作伙伴展開(kāi)貿(mào)易戰(zhàn)。

但是，幾乎所有你在Excel中進(jìn)行按摩，編碼或排序的東西都是一個(gè)很好的聚類(lèi)，分類(lèi)或?qū)W習(xí)排名問(wèn)題。任何可以預(yù)測(cè)的值都是一個(gè)很好的機(jī)器學(xué)習(xí)問(wèn)題。任何你剛剛經(jīng)歷并“尋找”的圖案，形狀或物體都是一個(gè)很好的深度學(xué)習(xí)問(wèn)題。

而商業(yè)充滿(mǎn)了這些。就像文字處理器取代打字機(jī)池一樣，人工智能將很快取代成群的辦公室工作人員盯著Excel，并取代一些分析師。

公司需要為這一變化做好準(zhǔn)備。正如那些沒(méi)有為網(wǎng)絡(luò)和電子商務(wù)做準(zhǔn)備的公司一樣，那些不適應(yīng)人工智能和機(jī)器學(xué)習(xí)的公司也是如此。如果您沒(méi)有查看您處理的大量數(shù)據(jù)和您做出的決定，并且“我不能在最后一英里實(shí)現(xiàn)自動(dòng)化嗎？”或者尋找您不做的事情，因?yàn)槟鸁o(wú)法做出決定“實(shí)時(shí)”足以獲得優(yōu)勢(shì) - 我會(huì)在幾年內(nèi)看到你的公司在報(bào)紙上關(guān)閉。

要準(zhǔn)備此更改，在開(kāi)始業(yè)務(wù)轉(zhuǎn)換之前，您有五個(gè)先決條件。您需要一種策略來(lái)在整個(gè)組織中傳播AI，這些策略從這五個(gè)先決條件開(kāi)始。

AI前提條件1：教育

你不能讓你公司的每個(gè)人都成為數(shù)據(jù)科學(xué)家。此外，一些數(shù)學(xué)運(yùn)算速度太快，我們凡人都無(wú)法掌握 - 人們認(rèn)為本周最有效的特定算法下周可能不是正確的算法。

但是，一些基本的東西不會(huì)改變。組織中的每個(gè)人都應(yīng)該了解機(jī)器學(xué)習(xí)的一些基本功能，尤其是開(kāi)發(fā)人員：

聚類(lèi)：將事物分組在一起。

分類(lèi)：將事物分類(lèi)為標(biāo)記組。

線上預(yù)測(cè)：如果您可以制作折線圖，則可以預(yù)測(cè)該值是什么。

方差預(yù)測(cè)：無(wú)論是流動(dòng)性風(fēng)險(xiǎn)還是振動(dòng)或功率峰值，如果您有一組屬于某個(gè)范圍的值，您可以預(yù)測(cè)您在給定日期的差異。

排序/排序/優(yōu)先排序：我不是在談?wù)摵?jiǎn)單的東西。無(wú)論是搜索還是優(yōu)先考慮您的銷(xiāo)售或支持人員接下來(lái)打電話，這都可以通過(guò)機(jī)器學(xué)習(xí)來(lái)處理。

模式識(shí)別：無(wú)論是形狀，聲音還是一組值范圍或事件，計(jì)算機(jī)都可以學(xué)會(huì)找到它。

一個(gè)關(guān)鍵的事情是讓一群人根據(jù)他們的技能水平為人們愚蠢。您的開(kāi)發(fā)人員可能對(duì)特定的算法或技術(shù)感興趣，但您的分析師和管理人員應(yīng)該了解基本的業(yè)務(wù)問(wèn)題和計(jì)算機(jī)技術(shù)。您的管理人員可能不需要了解群集的工作原理，但他們確實(shí)需要認(rèn)識(shí)到問(wèn)題“看起來(lái)像”群集問(wèn)題。

最后，您需要定期更新教育，至少每年一次，因?yàn)楣δ苷跀U(kuò)展。

AI前提條件2：組件化

最近關(guān)于組件化的一些工具是數(shù)據(jù)科學(xué)家的“筆記本”; 很多其他工具都是從這些工具中發(fā)展出來(lái)的。這些是數(shù)據(jù)科學(xué)家及其合作者的絕佳工具。

問(wèn)題是他們鼓勵(lì)在生產(chǎn)方面采取不良做法。分類(lèi)算法的界面看起來(lái)與所有其他算法大致相同。特定的分類(lèi)算法實(shí)現(xiàn)不會(huì)隨業(yè)務(wù)問(wèn)題而變化。

就像許多公司必須弄清楚如何對(duì)每個(gè)業(yè)務(wù)問(wèn)題進(jìn)行一次客戶(hù)代表（而不是每個(gè)系統(tǒng)中完全不同的代表），您需要對(duì)算法做同樣的事情。這并不是說(shuō)你需要提出一個(gè)真正的聚類(lèi)算法，而是你要組件化不同的東西。

AI前提條件3：系統(tǒng)化

盡管所有的喧囂，大多數(shù)系統(tǒng)看起來(lái)仍然相同。有一些將數(shù)據(jù)導(dǎo)入算法的過(guò)程，一些執(zhí)行算法的過(guò)程，以及一個(gè)將結(jié)果吐出的地方。如果你為每種算法一遍又一遍地定制設(shè)計(jì)所有這些東西，你就會(huì)浪費(fèi)時(shí)間和金錢(qián) - 并為自己創(chuàng)造一個(gè)更大的問(wèn)題。就像SOA改變了有多少公司部署應(yīng)用軟件一樣，在部署AI方面也需要類(lèi)似的技術(shù)。

您不需要隨處可見(jiàn)的自定義Spark群集，以及定制的“筆記本”，以及自定義的ETL流程。無(wú)論業(yè)務(wù)問(wèn)題如何，您都需要能夠完成繁重工作的人工智能系統(tǒng)。

AI前提條件4：AI / UI組件化

在后端使用RESTful服務(wù)的Java / Web UI世界中，許多UI應(yīng)該能夠混合使用AI組件。無(wú)論是基于用戶(hù)行為的推薦器還是全面的虛擬助手，您的公司都應(yīng)該構(gòu)建一個(gè)包含AI功能的UI庫(kù)，以便輕松嵌入到您的業(yè)務(wù)應(yīng)用程序中。

AI前提條件5：儀表

沒(méi)有數(shù)據(jù)，這一切都無(wú)效。讓我們不再回過(guò)頭來(lái)創(chuàng)建大而胖的數(shù)據(jù)轉(zhuǎn)儲(chǔ)，我們只是在HDFS上收集大量垃圾，并希望它有一天會(huì)有價(jià)值，正如一些供應(yīng)商敦促你做的那樣。相反，讓我們來(lái)看看應(yīng)該檢測(cè)哪些東西。

如果您正在制造，那么有一個(gè)簡(jiǎn)單的起點(diǎn)：任何拔出手動(dòng)儀表的人都在浪費(fèi)你的時(shí)間。然而，即使在銷(xiāo)售和市場(chǎng)營(yíng)銷(xiāo)方面，您也可以通過(guò)電子郵件和手機(jī)自動(dòng)收集數(shù)據(jù)，這些數(shù)據(jù)顯然非常有用。而不是嘮叨銷(xiāo)售人員來(lái)完成數(shù)據(jù)輸入，為什么不讓系統(tǒng)自己做呢？

審核編輯黃宇