京公网安备 11010802034615号
经营许可证编号:京B2-20210330
人工智能大趋势下的选择
找到这个场景,并通过人工智能的方式获取数据,这才是大多数创业者应该好好琢磨的事情。对于某些创业者和投资人来说,这是一个真正大时代!
一、无意识中被人工智能控制
人是被系统控制的动物。这个系统的形成由规则和价值观、世界观所界定。规则是指人类确定的法律、经济、商业等法则。价值观和世界观是人关于对错行为的界定等。这些都会对人类的行为给出明确的边界,并最终控制人类的行为。
有个案例,《第五项修炼》一书中提到的啤酒游戏。游戏由顾客、零售商、制造商三者组成。它们通过订单和送货方式进行沟通:上游负责给下游供货,下游向上游下订单。
游戏的结果很有意思:不管参与者谁,跟你的社会地位、智商、性别、年龄、文化、职业等无关,最后的结果都是相同的:一开始缺货严重,最后库存积压严重。
在这个游戏中,规则一旦设定,所有人的行为模式都趋同。原因很简单,系统决定了你的选择,这个结构让所有人都倾向于采用类似行为,最后产生类似结果。不要自以为自己与众不同,或者运气更好,有更好的结果。
这个游戏也预示未来人工智能的世界会更加可怕:一个人已经被人工智能所控制,但还完全不知。这并不遥远。目前的弱人工智能已经在开始影响人们的选择。
比如说,我们购买衣服,你选择什么颜色,选择什么款式,看似是我们自己决定的。但随着系统对你了解越多,它会越来越推荐你可能会购买的衣服。获取资讯也是这样,今日头条等资讯内容渠道会根据你的阅读行为给你推荐信息,你跟它的互动越多,你留下的行为数据越多,它给你推荐的内容你会越来越感兴趣,把之前无法呈现的内容呈现在你面前,你的时间就会被它控制。
这个还是比较初级的人工智能优化。更深层的人工智能,将来的超级人工智能会把整个城市变成巨大的算法控制的机器智能。比如交通出行,它知道每个人要去哪里,会安排最合适的路线,由自动驾驶来实现,也不会堵车,人完全由超级机器智能控制。甚至连你要去哪里旅游,要购买什么商品,想听什么歌,看什么电影,玩什么游戏,是否要参加什么兴趣班,是否要贷款,是否换工作等等,通过万物互联的IOT,都能通过收集、分析、预测你的行为,最后无缝给你提供商品和服务。比如你最近突然对德国景点资讯感兴趣,系统根据各种行为预测你计划去德国旅行,它会帮你设计定好路线、安排好行程、定好酒店等。Uber或滴滴还会了解到你什么时候出行,在你出行前准备把车停在你家门口。从你有想法到最后实现的所有的服务,都有一个打包的商品和服务,你不用操心,甚至你要给谁带回礼物都给你做好提醒,并帮你购买。
今天,还远远做不到这么智能。但是未来人工智能就像人类的大脑,它是个机器,它没有情感,也没有所谓的明确意志,但是它通过机器学习,通过一些标注的数据,能够进行自我学习,最后能够识别数据,具备机器智能。IOT的万物互联则给机器大脑提供了各种数据素材,就像它的五官一样,最终把世界上的所有事物连接起来。包括人和物。
亚马逊的echo是智能音箱,但它不仅可以放音乐,不仅是它的全新的语音交互方式,更重要的是它连接了各种服务商,可以在上面购物,购买服务等。用户跟它交互越多,它越了解用户的需求。原先用户要购买一双球鞋,需要上网打开淘宝京东等,各种挑选后购买下单。而echo,则直接告诉它:我需要一双新球鞋,你有什么好建议。它可能会问你:你是不是还打算购买阿迪达斯的球鞋,尺码多少,颜色是什么样?最近有一款新的,价格多少?你是否需要。在得到你肯定回答后。当天或者第二天,球鞋就到你家了。所有的决策和支付在对话中完成。
这里的核心,不单纯是自然语音识别和自然语义的理解,更重要的是这个交互模式背后的支撑的服务商,他们通过这个语音交互跟用户连接在了一起。
二、大趋势下的选择
数据是人工智能时代的战略资产。所有人都非常明白这一点。关于底层的系统架构,大多数的创业者不用去考虑,主要是谷歌、亚马逊、阿里、腾讯、百度去考虑的事情。这个是基础生态。
对于更多的创业者来说,如何获取数据,如果在这个智能生态系统上通过场景应用去获得数据,在整个人工智能生态里面是有机会。
正如前面描述可以看到,距离超级机器智能时代还很远,这个很远,对创业者和投资人来说是巨大的机会,远比互联网和移动互联网时代更大的机会。之前只是卷入了这个世界上能够数据化的一小部分而已,而未来将卷入的是整个世界大大小小的事物。这个是何等壮阔的未来!
比如说跟传统行业合作,把数据标注好,在一个垂直领域建立人工智能的模型,不断地获取更多的数据,提供传统产业效率。在网上看到一个案例,原先卖风车的传统企业,卖完了,也不知道后续的情况,谁在用,损耗情况怎么样,什么时候需要更新,这些数据都不能及时获得。后来有家公司很聪明,就在风叶上加上传感器,每天都能获得这些最新的数据,包括风力的分布,风叶的损耗情况,是否需要更新,甚至风力分布也能知道。有了这些数据,就可以专心为风叶公司服务了,公司由生产商转型为服务商。原来做生产,产能过剩,利润微薄,但转型做服务,盈利就好起来。
金融、医疗、教育、传统制造业等几乎所有的行业都能参与到这个里面来。对于今天的创业者来说,人工智能的大趋势下,机器学习也好,IOT也好,都是为了提升效率的手段,更多在于找到高效获取数据的场景应用。
找到这个场景,并通过人工智能的方式获取数据,这才是大多数创业者应该好好琢磨的事情。对于某些创业者和投资人来说,这是一个真正大时代!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
日常用Excel做数据管理、台账维护、报表整理时,添加备注列是高频操作——用来标注异常、说明业务背景、记录处理进度、补充关键 ...
2026-03-23作为业内主流的自助式数据可视化工具,Tableau凭借拖拽式操作、强大的数据联动能力、灵活的仪表板搭建,成为数据分析师、业务人 ...
2026-03-23在CDA(Certified Data Analyst)数据分析师的日常工作与认证考核中,分类变量的关联分析是高频核心场景。用户性别是否影响商品 ...
2026-03-23在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13