為什么當(dāng)今的企業(yè)都需要人工智能戰(zhàn)略？
人工智能（AI）從根本上改變了所有行業(yè)的企業(yè)的運(yùn)營(yíng)（包括制造業(yè)，醫(yī)療健康，信息技術(shù)和運(yùn)輸業(yè)）。
在過去的十年中，AI的進(jìn)步為企業(yè)提供了自動(dòng)化的業(yè)務(wù)流程，改變客戶體驗(yàn)和產(chǎn)品差異化的機(jī)會(huì)。
Google和亞馬遜這樣的AI先行者已經(jīng)采用這些新技術(shù)來創(chuàng)造日益增長(zhǎng)的競(jìng)爭(zhēng)優(yōu)勢(shì)，我們看到了他們的AI戰(zhàn)略帶來的的好處。
雖然企業(yè)級(jí)AI的采用仍處于初級(jí)階段，但把握住AI帶來的機(jī)會(huì)需要管理層進(jìn)行更多的討論，機(jī)器人維修，增加對(duì)AI及其生態(tài)系統(tǒng)的理解，了解行業(yè)巨頭如何采取措施，從而獲得差異化的競(jìng)爭(zhēng)優(yōu)勢(shì)。
理解AI
AI是計(jì)算機(jī)科學(xué)的一個(gè)分支，旨在創(chuàng)造能夠?qū)崿F(xiàn)智能行為的機(jī)器。AI內(nèi)有多種技術(shù)和細(xì)分，機(jī)器學(xué)習(xí)（ML）是其中規(guī)模最大，增長(zhǎng)最快的領(lǐng)域之一。
機(jī)器學(xué)習(xí)算法從實(shí)例和經(jīng)驗(yàn)中學(xué)習(xí)，而不是依賴于預(yù)定義的規(guī)則或算法。在機(jī)器學(xué)習(xí)中，還有其他細(xì)分，如深度學(xué)習(xí)，其重點(diǎn)是深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。
今天，AI準(zhǔn)備從幾項(xiàng)技術(shù)創(chuàng)新和更廣泛的專業(yè)知識(shí)的融合中受益，特別是：可負(fù)擔(dān)的云計(jì)算基礎(chǔ)設(shè)施，可用的大型數(shù)據(jù)集和算法優(yōu)化的飛躍。
這些進(jìn)步，加上人工智能研究的投入增加，庫(kù)卡機(jī)器人何服電機(jī)維修，為人類發(fā)展創(chuàng)造了一個(gè)可持續(xù)發(fā)展的環(huán)境，并將繼續(xù)影響到未來的企業(yè)和社會(huì)。
機(jī)器學(xué)習(xí)有何特別之處？
最近AI的興起主要是由于機(jī)器學(xué)習(xí)的進(jìn)步。這些進(jìn)展導(dǎo)致了自然語(yǔ)言處理（蘋果的Siri，GoogleTranslate），推薦系統(tǒng)（亞馬遜的推薦引擎，音樂推薦服務(wù)Pandora）和圖像識(shí)別（診斷工具，自動(dòng)駕駛汽車）的突破。
機(jī)器學(xué)習(xí)大致分為兩種學(xué)習(xí)方法：
監(jiān)督學(xué)習(xí)，其使用已知數(shù)據(jù)集基于標(biāo)記的輸入和輸出數(shù)據(jù)進(jìn)行推理。
無(wú)監(jiān)督學(xué)習(xí)，從包含沒有標(biāo)記輸出的數(shù)據(jù)的數(shù)據(jù)集中得出推論。
今天工作中最流行的方法是監(jiān)督學(xué)習(xí)，無(wú)監(jiān)督學(xué)習(xí)對(duì)于更廣泛的應(yīng)用來說具有巨大的前景。
在每種學(xué)習(xí)方法中，有多種算法類型可供選擇。根據(jù)問題的類型或所需的結(jié)果進(jìn)行不同的選擇。
在機(jī)器學(xué)習(xí)工作流程中，流程的每個(gè)部分都需要特定類型的專業(yè)知識(shí)和資源。雖然領(lǐng)域?qū)I(yè)知識(shí)對(duì)工作流程的預(yù)處理/功能部分工作很重要，但訓(xùn)練階段需要獨(dú)立的AI專業(yè)知識(shí)，領(lǐng)域知識(shí)較少。
從基礎(chǔ)設(shè)施的角度來看，資源最密集的階段是數(shù)據(jù)處理時(shí)的模型訓(xùn)練階段。然后是構(gòu)建ML模型時(shí)，理解和權(quán)衡各種方法和正在解決的問題的類型變得很重要。
掌握AI需要的技術(shù)棧
AI技術(shù)棧是運(yùn)行AI模型所需的基礎(chǔ)架構(gòu)，包括優(yōu)化組件，存儲(chǔ)，數(shù)據(jù)處理和分析工具。
組件：CPU，GPU，F(xiàn)PGA和專用ASIC是AI技術(shù)棧的基礎(chǔ)組件。雖然CPU是普遍存在的，但在機(jī)器學(xué)習(xí)的資源密集型訓(xùn)練階段中使用的GPU和FPGA已經(jīng)在深度學(xué)習(xí)中取得了巨大進(jìn)步。對(duì)于需要較少資源的推理部分，傳統(tǒng)的CPU或超低功耗FPGA或ASIC是最常見的選項(xiàng)。
計(jì)算：公共云供應(yīng)商現(xiàn)在正在為AI提供量身定制的解決方案。云計(jì)算服務(wù)商的選擇很多，可使任何企業(yè)，中小企業(yè)或小團(tuán)隊(duì)都能夠以合理的價(jià)格運(yùn)行AI模型。
存儲(chǔ)：隨著機(jī)器學(xué)習(xí)所需的大量數(shù)據(jù)，特別是在特征工程階段，數(shù)據(jù)存儲(chǔ)至關(guān)重要。Hadoop集群和云對(duì)象存儲(chǔ)的出現(xiàn)顯著提高了數(shù)據(jù)存儲(chǔ)容量，以支持AI使用案例。
AI技術(shù)棧依賴于公有云供應(yīng)商和開源項(xiàng)目提供的服務(wù)。云計(jì)算巨頭（如谷歌，亞馬遜，F(xiàn)acebook，微軟和百度）投入AI服務(wù)已經(jīng)有助于從擁有技術(shù)棧的專有廠商轉(zhuǎn)移。
總而言之，將開放源碼作為公認(rèn)標(biāo)準(zhǔn)在整個(gè)AI生態(tài)系統(tǒng)中引起了更快的發(fā)展。谷歌的開放源碼TensorFlow庫(kù)體現(xiàn)了這一觀念，TensorFlow可以讓任何對(duì)機(jī)器學(xué)習(xí)感興趣的人開發(fā)模型，而不必從頭開始構(gòu)建庫(kù)和算法。
AI生態(tài)系統(tǒng)
過去十年，AI從研究機(jī)構(gòu)中脫穎而出，成為世界上最先進(jìn)的技術(shù)公司。這些公司將AI嵌入其核心產(chǎn)品和服務(wù)，加速了人工智能生態(tài)系統(tǒng)的技術(shù)進(jìn)步，人才開發(fā)和投資。例如：
亞馬遜正在使用AI來改善個(gè)性化推薦并優(yōu)化庫(kù)存管理。在亞馬遜向股東提交的年度股東信中，CEOJeffBezos討論了通過其云計(jì)算部門采用AI快速交付產(chǎn)品，增強(qiáng)現(xiàn)有產(chǎn)品和創(chuàng)建新工具的重要性。
Google使用自己的DeepMind技術(shù)來管理數(shù)據(jù)中心的電力，將冷卻成本降低了40％。該公司的AI優(yōu)先策略專注于利用AI進(jìn)行搜索優(yōu)化，自動(dòng)駕駛汽車以及投資了眾多其他的解決方案。
Facebook致力于打造AI的基礎(chǔ)技術(shù)。其研究小組FAIR是神經(jīng)網(wǎng)絡(luò)突破的頂尖人工智能實(shí)驗(yàn)室之一。
微軟已經(jīng)創(chuàng)建了一個(gè)AI業(yè)務(wù)部門，擁有超過5000名計(jì)算機(jī)科學(xué)家和工程師，m.sonanjido.com，專注于將AI推向公司的產(chǎn)品。
英特爾正在更新其服務(wù)器以應(yīng)對(duì)處理和訓(xùn)練AI系統(tǒng)所需增加的計(jì)算量。為了做到這一點(diǎn)，該公司已經(jīng)在CEONaveenRao（前深度學(xué)習(xí)公司NervanaCEO，2016年被英特爾收購(gòu)）的領(lǐng)導(dǎo)下，組建了一個(gè)統(tǒng)一的AI的機(jī)構(gòu)。
百度正在大力投入人工智能，建立圖像識(shí)別技術(shù)，推進(jìn)自主駕駛，推出數(shù)字助理，開發(fā)增強(qiáng)現(xiàn)實(shí)工具。
AI人才的短缺仍然是一個(gè)問題。據(jù)麥肯錫稱，AI投資的70％來自最大的技術(shù)公司的內(nèi)部研發(fā)投入。我們繼續(xù)看到，云端巨人從學(xué)術(shù)界聘請(qǐng)了關(guān)鍵的AI人才領(lǐng)導(dǎo)AI的工作。80％到90%的AI人才都在最大的幾家科技公司。
人才競(jìng)爭(zhēng)激烈，AI公司收購(gòu)大幅增長(zhǎng)。據(jù)CBInsights的數(shù)據(jù)，僅在2017年就有不同行業(yè)使用AI的55家公司被收購(gòu)。Google，蘋果，F(xiàn)acebook，英特爾，微軟和亞馬遜一直是AI中最活躍的收購(gòu)者，大部分收購(gòu)都落在核心AI技術(shù)中，如圖像識(shí)別和自然語(yǔ)言處理。
在這些技術(shù)供應(yīng)商的帶領(lǐng)下，AI已經(jīng)出現(xiàn)一些早期的獲利者，并在此過程中創(chuàng)造了一個(gè)積極的技術(shù)和工具生態(tài)系統(tǒng)。2017年，美國(guó)共有650多筆AI融資并購(gòu)事件，總金額6.5億美元，已經(jīng)超過了2016年全年近1000筆交易的5.7億美元。
AI公司的范圍從那些專注于開發(fā)核心AI技術(shù)到構(gòu)建AI工具來解決行業(yè)特定問題。在投資方面，AI的最大細(xì)分部門是網(wǎng)絡(luò)安全和通用解決方案，其次是商業(yè)智能和物聯(lián)網(wǎng)初創(chuàng)公司。
企業(yè)如何利用人工智能
在評(píng)估如何部署或構(gòu)建AI工具時(shí)，公司應(yīng)分析最高價(jià)值用例，并計(jì)劃建立強(qiáng)大的支持和人才基礎(chǔ)。
任何AI都將依靠三個(gè)主要的部分：數(shù)據(jù)，基礎(chǔ)設(shè)施和人才。
數(shù)據(jù)驅(qū)動(dòng)洞察力需要訪問大型數(shù)據(jù)集。機(jī)器學(xué)習(xí)的有效性通常與可用數(shù)據(jù)量相關(guān)。在這個(gè)階段，訪問大量數(shù)據(jù)是推動(dòng)ML工具價(jià)值的一個(gè)要求。
技術(shù)設(shè)施，軟件和硬件的基礎(chǔ)設(shè)施必須有效運(yùn)行機(jī)器學(xué)習(xí)模型。云服務(wù)提供商有能力將其產(chǎn)品擴(kuò)展到AI基礎(chǔ)設(shè)施，并提供可與開源軟件結(jié)合使用的解決方案。對(duì)于一些公司來說，由于監(jiān)管或其他商業(yè)原因，將訓(xùn)練數(shù)據(jù)移至云端太貴或不可行。對(duì)于這些公司，將需要大量的計(jì)算能力，有時(shí)需要使用GPU，F(xiàn)PGA或ASIC的硬件加速。
AI人才在有效利用機(jī)器學(xué)習(xí)方面至關(guān)重要。雖然并不是每家公司都將尋求建立一個(gè)內(nèi)部的AI組織，但是經(jīng)驗(yàn)豐富的數(shù)據(jù)科學(xué)家是從AI推動(dòng)價(jià)值的關(guān)鍵。機(jī)器學(xué)習(xí)是一個(gè)需要專業(yè)知識(shí)的難題。
將AI推向核心產(chǎn)品和服務(wù)創(chuàng)造競(jìng)爭(zhēng)優(yōu)勢(shì)。公司必須在內(nèi)部建立一個(gè)能夠處理AI開發(fā)的強(qiáng)大的基礎(chǔ)設(shè)施。