行业新闻
了解如何利用人工智能为企业创造更高价值
日期：2018-12-01
来源：三姆森科技
世界经济论坛最新公布的《未来就业报告》讨论了在未来五年人工智能、机器学习和大数据等技术发展会如何影响全世界人口的就业。该报告称，人与机器之间工作的重新分配预计会取代 7,500 万个职位，但同时也可能创造 1.33 亿个新的职位。
对于坚信技术将威胁自身工作的人们而言，上述就业分配的重大变化可能并无法打消其顾虑。但真实情况是，更智慧的技术带来的是绝佳的机遇，并帮助我们能够专注于如何为企业创造最大价值。创造力和策略性思考无疑还是人类的优势，而在结合机器的优化处理能力后，我们应对未来保持更加乐观的态度。
了解人与机器各自的优势
信赖机器通过以类似于人类的判断和情境理解作出商业决策，我们距此还有很长的路要走。今天，我们可信赖机器在参数设置繁多和危险性最小的领域实现自动处理任务和进行分析。在某些需要人类干预或监督的情况下，我们会依靠机器的帮助，更深刻地认识情况并做出更自信的决策。
人类可从人工智能和机器学习中获得很多益处。例如：
自动化操作任务 — 在算法由非常具体化的重复任务驱动的应用程序方面，机器学习和人工智能已然取得了巨大的进步。例如针对相关内容或产品提供“您可能会感兴趣...”的建议的网站，甚至还有那些欺诈检测程序。虽然在识别未经授权付款时涉及的变量远比图书推荐复杂，但这些算法的共同点是它们针对某一任务高度定制，且拥有基于其卓越计算能力的惊人准确度。
更智能的出发点 — 通过广泛追踪用户行为，系统可提供更智能的默认设置、建议操作并随着时间变化根据用户的反响进行调整和个性化。我们当前在分析应用程序中就是这么做的，其可将成功的技术从一个数据集移用到具有类似特征的其他数据源，从而更快地得出见解。
使复杂分析变得可行 — 分析平台正在利用机器学习，为没有数据科学背景的用户提供高级分析能力。例如，依据哪种算法拥有最大的确定性，机器可挑选最佳的预测算法和聚类分析算法。可对基本模型进行公布和解释，以维持透明度并提供按需调整模型的机会。
提供更全面的视角 — 机器可以不眠不休，高质量地执行重复任务和计算。凭借执行更全面的分析的能力，计算机可以有效地考虑所有因素。这种全面的视角可帮助我们在分析中避免确认偏误。
保持人类参与
目前，在长期规划、抽象或创造性思考，或做出需要特定领域的经验或背景的决策方面，计算机还不及人类。例如，机器制订的流程可能会提醒您注意某流失的客户。但该客户的离开也许是一件好事，因为其未购买利润足够高的产品。在用多种角度看待客户流失的思路方面，我们比机器做得好。
或者，根据从之前销售工作获得的经验，您的销售人员可能会直接放弃销售名单中的某个机会。养成这类直觉对于机器而言并不容易。机器可能会标记出错过的机会，但销售人员拥有经验，不会为此浪费时间。
对因果关系的充分理解也是人类的优势。虽然机器在有限的数据集中寻找隐藏关联方面的表现得越来越好，但我们仍要依靠人类分辨因果与巧合。预测分析能够更为全面地探索“假设”情境，但仍然需要人类作出判断，验证机器过于程式化的行为。
关注即将出现的机遇
在结合和平衡人与机器的分析能力过程中，人类将可扮演众多全新而重要的角色。数百万个新兴工作，包括世界经济论坛报告中预测的绝大部分工作均以数据为中心，这一点并不足为奇。随着数据的使用案例增多，该范围只会越来越大。
我们将需要人类的聪明才智来提出正确的问题，并优化智能分析的结果。我们越来越需要人类监督和维护人工智能与机器学习方面的伦理标准。其他企业将关注发展更高水平的数据素养，以使分析结果对各种技能水平的用户可用且有用。
无论技术变得多么智能，我们都不能忘记分析的最终目的：为决策提供依据。一旦我们知道需要采取的行动，即可判断可在哪些方面将决策交由机器作出，即知道哪些方面需要自动化，哪些地方需要人类进行监督，哪些地方需要用到人类独有的技能。最成功的企业不会是自动化处理大部分任务的企业，而是了解机器及数据如何能够最好地帮助决策者的企业。
对于坚信技术将威胁自身工作的人们而言，上述就业分配的重大变化可能并无法打消其顾虑。但真实情况是，更智慧的技术带来的是绝佳的机遇，并帮助我们能够专注于如何为企业创造最大价值。创造力和策略性思考无疑还是人类的优势，而在结合机器的优化处理能力后，我们应对未来保持更加乐观的态度。
信赖机器通过以类似于人类的判断和情境理解作出商业决策，我们距此还有很长的路要走。今天，我们可信赖机器在参数设置繁多和危险性最小的领域实现自动处理任务和进行分析。在某些需要人类干预或监督的情况下，我们会依靠机器的帮助，更深刻地认识情况并做出更自信的决策。
人类可从人工智能和机器学习中获得很多益处。例如：
自动化操作任务 — 在算法由非常具体化的重复任务驱动的应用程序方面，机器学习和人工智能已然取得了巨大的进步。例如针对相关内容或产品提供“您可能会感兴趣...”的建议的网站，甚至还有那些欺诈检测程序。虽然在识别未经授权付款时涉及的变量远比图书推荐复杂，但这些算法的共同点是它们针对某一任务高度定制，且拥有基于其卓越计算能力的惊人准确度。
更智能的出发点 — 通过广泛追踪用户行为，系统可提供更智能的默认设置、建议操作并随着时间变化根据用户的反响进行调整和个性化。我们当前在分析应用程序中就是这么做的，其可将成功的技术从一个数据集移用到具有类似特征的其他数据源，从而更快地得出见解。
使复杂分析变得可行 — 分析平台正在利用机器学习，为没有数据科学背景的用户提供高级分析能力。例如，依据哪种算法拥有最大的确定性，机器可挑选最佳的预测算法和聚类分析算法。可对基本模型进行公布和解释，以维持透明度并提供按需调整模型的机会。
提供更全面的视角 — 机器可以不眠不休，高质量地执行重复任务和计算。凭借执行更全面的分析的能力，计算机可以有效地考虑所有因素。这种全面的视角可帮助我们在分析中避免确认偏误。
保持人类参与
目前，在长期规划、抽象或创造性思考，或做出需要特定领域的经验或背景的决策方面，计算机还不及人类。例如，机器制订的流程可能会提醒您注意某流失的客户。但该客户的离开也许是一件好事，因为其未购买利润足够高的产品。在用多种角度看待客户流失的思路方面，我们比机器做得好。
或者，根据从之前销售工作获得的经验，您的销售人员可能会直接放弃销售名单中的某个机会。养成这类直觉对于机器而言并不容易。机器可能会标记出错过的机会，但销售人员拥有经验，不会为此浪费时间。
对因果关系的充分理解也是人类的优势。虽然机器在有限的数据集中寻找隐藏关联方面的表现得越来越好，但我们仍要依靠人类分辨因果与巧合。预测分析能够更为全面地探索“假设”情境，但仍然需要人类作出判断，验证机器过于程式化的行为。
关注即将出现的机遇
在结合和平衡人与机器的分析能力过程中，人类将可扮演众多全新而重要的角色。数百万个新兴工作，包括世界经济论坛报告中预测的绝大部分工作均以数据为中心，这一点并不足为奇。随着数据的使用案例增多，该范围只会越来越大。
我们将需要人类的聪明才智来提出正确的问题，并优化智能分析的结果。我们越来越需要人类监督和维护人工智能与机器学习方面的伦理标准。其他企业将关注发展更高水平的数据素养，以使分析结果对各种技能水平的用户可用且有用。
无论技术变得多么智能，我们都不能忘记分析的最终目的：为决策提供依据。一旦我们知道需要采取的行动，即可判断可在哪些方面将决策交由机器作出，即知道哪些方面需要自动化，哪些地方需要人类进行监督，哪些地方需要用到人类独有的技能。最成功的企业不会是自动化处理大部分任务的企业，而是了解机器及数据如何能够最好地帮助决策者的企业。
