你在Excel中幾乎所有的操作，以及梳理、編碼或者排序等操作，都是一種很好的聚類、分類和學(xué)習(xí)排序問題。任何可以歸納為一組可預(yù)測(cè)值的問題都是很好的機(jī)器學(xué)習(xí)問題。任何可以歸納為經(jīng)歷過的，“尋找”過的模式、形狀或者對(duì)象的問題，都是很好的深度學(xué)習(xí)問題。

業(yè)務(wù)領(lǐng)域也充斥著這些問題。就像這個(gè)世界處理器取代了打字機(jī)一樣，人工智能很快就會(huì)取代大批盯著Excel的辦公室工作人員，甚至取代一些分析師。

企業(yè)面對(duì)這種變革要做好準(zhǔn)備。正如那些沒有準(zhǔn)備好網(wǎng)絡(luò)和電子商務(wù)的企業(yè)最終會(huì)落伍一樣，那些不適應(yīng)人工智能和機(jī)器學(xué)習(xí)的企業(yè)也會(huì)陷入困境。如果不關(guān)注所處理的大量數(shù)據(jù)和所做出的決策，而是問：“自動(dòng)化之后我是不是就能實(shí)現(xiàn)最后一英里?”，或者，由于不能“實(shí)時(shí)”做出決策而獲得優(yōu)勢(shì)，轉(zhuǎn)而去關(guān)注一些自己不擅長(zhǎng)的東西——那么，你的企業(yè)很可能在幾年內(nèi)就會(huì)宣布倒閉。

面對(duì)變革，在可以開始業(yè)務(wù)轉(zhuǎn)型之前，要處理好五個(gè)先決條件。企業(yè)需要制定好戰(zhàn)略，從這五個(gè)先決條件開始，在整個(gè)企業(yè)中推廣人工智能。

人工智能的第一個(gè)先決條件：培訓(xùn)

企業(yè)里的每一名員工不可能都成為數(shù)據(jù)科學(xué)家。而且，有些數(shù)學(xué)運(yùn)算速度太快了，以至于我們普通人無法理解——人們這星期還認(rèn)為是最有效的某種算法過一星期就未必適用了。

然而，一些基本的東西是不會(huì)改變的。企業(yè)的每名員工都應(yīng)該掌握機(jī)器學(xué)習(xí)的一些基本功能，尤其是開發(fā)人員：

·聚類：將事物分組。

·分類：將事物分類，并進(jìn)行標(biāo)記。

·線性預(yù)測(cè)：如果能畫出一條直線，就可以預(yù)測(cè)它的值是多少。

·方差預(yù)測(cè)：無論是流動(dòng)風(fēng)險(xiǎn)，還是振動(dòng)或者功率尖峰，如果有一組落在某一范圍內(nèi)的數(shù)值，就可以預(yù)測(cè)某一天的方差是多少。

·分類/排序/優(yōu)先級(jí)：我說的不是簡(jiǎn)單的東西。無論是為了搜索還是進(jìn)行優(yōu)先級(jí)排序，以便指導(dǎo)銷售部門或者支持人員下一步的工作，這些都是可以處理的。

·模式識(shí)別：不管是形狀、聲音，還是一組數(shù)值或者事件，計(jì)算機(jī)都能學(xué)會(huì)找到它。

關(guān)鍵點(diǎn)在于有一批人，他們可以根據(jù)人們的技能水平進(jìn)行簡(jiǎn)化。開發(fā)人員可能對(duì)具體的算法或者技術(shù)感興趣，但分析師和管理人員應(yīng)該了解基本業(yè)務(wù)問題和計(jì)算機(jī)技術(shù)。管理人員不一定需要知道聚類是怎樣工作的，但他們確實(shí)應(yīng)能夠識(shí)別出“看起來像”聚類的問題。

最后，由于功能在不斷擴(kuò)展，因此，企業(yè)應(yīng)該定期更新培訓(xùn)，至少每年進(jìn)行一次。

人工智能的第二個(gè)先決條件：組件化

最近在組件化方面的一些工具是數(shù)據(jù)科學(xué)家的“筆記本(notebooks)”;很多其他工具都是從中衍生出來的。對(duì)于數(shù)據(jù)科學(xué)家及其合作者而言，這是非常好的工具。

問題是，當(dāng)涉及到產(chǎn)品的時(shí)候，會(huì)帶來不好的做法。分類算法的界面看起來與所有其他算法的大致相同。某種分類算法的實(shí)現(xiàn)不會(huì)隨著業(yè)務(wù)問題而改變。

正如很多企業(yè)必須弄清楚怎樣表示一名客戶一樣(并不是每一系統(tǒng)針對(duì)每個(gè)業(yè)務(wù)問題提供完全不同的表示)，算法也是同樣的。這并不是說你想出了一個(gè)真正的聚類算法，而組件化實(shí)現(xiàn)的卻是完全不同的東西。

人工智能的第三個(gè)先決條件：系統(tǒng)化

盡管如此，大多數(shù)系統(tǒng)看起來還是一樣的。有一些過程把數(shù)據(jù)送入算法中，而一些過程則執(zhí)行算法，還需要存放輸出結(jié)果的地方。如果針對(duì)每一種算法反復(fù)定制設(shè)計(jì)所有這些東西，那就是在浪費(fèi)時(shí)間和金錢——給自己造成更大的問題。就像SOA改變了很多企業(yè)部署應(yīng)用軟件一樣，在部署人工智能的過程中也需要類似的技術(shù)。

你不需要運(yùn)行大量定制的Spark集群，到處部署定制“筆記本”和定制開發(fā)的ETL過程。不管業(yè)務(wù)問題如何，企業(yè)確實(shí)需要能夠完成繁重工作的人工智能系統(tǒng)。

人工智能的第四個(gè)先決條件：AI/UI組件化

在后端提供RESTful服務(wù)的java script/Web UI環(huán)境中，很多UI應(yīng)該能混合使用人工智能組件。無論是基于用戶行為的推薦者，還是完全虛擬的助理，企業(yè)都應(yīng)該構(gòu)建包含人工智能功能的UI庫(kù)，這些功能可以方便地嵌入到業(yè)務(wù)應(yīng)用程序中。

人工智能的第五個(gè)先決條件：配置

沒有數(shù)據(jù)，所有這一切都不起作用。我們不應(yīng)該再回到過去，去創(chuàng)建大量臃腫的數(shù)據(jù)，那樣的話，我們只是收集了一堆HDFS垃圾，希望總有一天會(huì)產(chǎn)生價(jià)值——正如一些廠商敦促你去做的那樣。相反，讓我們看看應(yīng)該配置什么。

如果你身處制造業(yè)，有一些簡(jiǎn)單的出發(fā)點(diǎn)：任何手動(dòng)進(jìn)行操作的人都是在浪費(fèi)時(shí)間。即使是在銷售和營(yíng)銷領(lǐng)域，都有電子郵件和手機(jī)——可以自動(dòng)從這些數(shù)據(jù)中收集顯然非常有用的數(shù)據(jù)。與其讓那些喋喋不休的銷售人員去完成他們的數(shù)據(jù)錄入，何不讓系統(tǒng)自己去做呢?

人工智能策略

總的來說，這五個(gè)關(guān)鍵的先決條件是：

·在整個(gè)企業(yè)中傳播人工智能知識(shí)。

·每個(gè)人都應(yīng)該了解機(jī)器能夠獨(dú)立完成的日常工作。

·為企業(yè)的人工智能構(gòu)建系統(tǒng)和組件。

·構(gòu)建AI/UI混合結(jié)構(gòu)，方便地把人工智能添加到業(yè)務(wù)應(yīng)用中。

·配置系統(tǒng)來收集企業(yè)所需要的數(shù)據(jù)，并將其送入算法，為企業(yè)做出決定。

如果能把這些先決條件放在一起，剩下的就應(yīng)該是從信息時(shí)代過渡到洞察時(shí)代了。