加强你的人工智能生态系统

根据Gartner Glossary的定义，人工智能(AI)应用先进的分析和基于逻辑的技术，包括机器学习，来解释事件，支持和自动化决策，并采取行动。

人工智能是一门计算机工程学科——一系列基于数学或逻辑的技术，用于发现、捕获、编码知识，并利用复杂而聪明的机制来解决问题，即通过计算机程序模拟认知过程。

在商业环境中，这可以从基本的自动化工资模板到检测欺诈活动，标记交叉销售机会和优化一组资源，再到执行工作场所任务的智能机器人。

你的企业准备好迎接人工智能了吗?今天让我们来评估一下贵公司的可行性。

企业正在深入研究人工智能的三个主要类别。这些类别包括一些可以应用于多个行业/技术用途的流行技术应用。

人工智能中最常见的三种主要技术类别是:

概率推理:这些技术通常被概括为机器学习，从企业收集的大量数据中提取价值。这包括旨在揭示大量数据(或维度)中所包含的未知知识的技术。这是通过在数据中发现与特定目标或标签相关的有趣相关性来实现的。例如，这可能包括筛选大量客户记录，并确定因素以及这些因素是如何相互关联的。

计算逻辑:这些技术通常被称为基于规则的系统，使用并扩展组织的隐式和显式专门知识。它们旨在以结构化的方式捕获已知的知识，通常以规则的形式。这些规则可以由业务操作，而技术保证了规则集的一致性(通过确保规则不会相互矛盾或导致循环推理，这在处理成千上万条规则时并不那么明显)。一系列新的合规法律将基于规则的方法推向了最前沿。

优化技术:传统上由运筹组使用，优化技术在管理业务权衡时通过在给定时间内找到给定数量约束的最佳资源组合来实现利益最大化。优化求解器通常生成可执行的行动计划，有时被描述为说明性分析技术。以资产为中心的行业(如制造业和公用事业)或功能(如物流和供应链)的运营研究小组已经使用优化技术几十年了。

自然语言处理(NLP): NLP提供了人类和系统之间直观的交流形式。NLP包括计算语言技术(符号和子符号)，旨在识别、解析、解释、自动标记、翻译和生成(或总结)自然语言。语音部分通常留给语音处理技术，本质上是信号处理系统。这就是为什么处理语音到文本或文本到语音功能的应用程序通常由不同的软件解决方案提供。额外的知识功能，如字典或本体，也是NLP系统的一部分。

知识表示:知识图或语义网络等功能可以促进和加速对数据网络和图的访问和分析。通过对知识的表示，这些机制对于特定类型的问题往往更加直观。例如，新的知识表示为人工智能技术提供了肥沃的土壤，在这种情况下，人们需要绘制出实体之间的特定关系(例如，调查研究、流程优化或制造资产管理)。这些技术包括图遍历、记忆和混合学习(同时使用复合AI系统)。例如，在2020年上半年，知识图谱技术的采用大大加快了。

了解如何利用人工智能提供的机器学习、规则、优化、NLP和图形技术，对于人工智能在您的组织中取得成功至关重要。

人工智能在当今工作场所面临的主要挑战是，围绕人工智能的应用有太多的炒作——以及随之而来的错误信息。

由技术行业、媒体和过度热情的软件供应商所引发的狂热已经造成了混乱，使得组织很难对业务结果设定正确的期望。

这就导致了一些没有成功机会的项目。随后，抱有不切实际期望的商业领袖会指责技术和科学无法将铅转化为黄金，而实际上，错误地利用或误解了人工智能在商业成果中的应用，以及集成和安全问题，才是罪魁祸首。

在您的组织中实施任何人工智能系统或程序之前，您必须清楚地了解最终的业务影响。你想让AI达到什么目标?

首先问你的战略团队这些问题:

• 你试图用人工智能解决什么业务问题?
• 谁是这项技术的主要消费者?
• 承载该技术的业务流程是什么?
• 如何衡量实施技术的影响(与更传统的技术相比)?
• 技术所提供的价值将如何被监控和维护?是谁?
• 来自业务部门的哪些主题专家可以指导解决方案的开发?

任何人工智能战略都必须首先评估并关注组织的准备情况。在投入人工智能程序之前，它必须允许学习和实际使用。