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
【核心关键词】软件、洞察力、大数据、产品、经验、硬件、流量、创新、决策、数据安全、网络安全、数据分析、决策制定、数据挖 ...
2026-06-18在方案选型、效果复盘、产品评估、供应商筛选等各类业务决策场景中,仅凭单一指标下结论往往会陷入 “以偏概全” 的误区。多维度 ...
2026-06-18 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-06-18在数据分析、用户运营与业务增长的工作体系中,漏斗拆解是最基础也最高频的问题定位方法。很多业务场景下,我们只能看到最终的转 ...
2026-06-17在数据库开发、数据清洗与报表统计场景中,数值类型转换为日期是高频刚需操作。业务系统常以 Unix 时间戳、整型日期(如20240617 ...
2026-06-17 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-06-17【核心关键词】数据库、电商、知识、产品、数据产品、监管业务、产品经理、业务系统、用户行为分析、用户分析、数据分析、电商 ...
2026-06-16在 Python 动态类型与面向对象的编程体系中,变量定义与类实例化是构建代码逻辑的两大核心基石。变量是数据存储、传递与运算的基 ...
2026-06-16 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据和表结构数据有什么区别”“数据类型误判会引发哪些分析错误” ...
2026-06-16在 MySQL 查询性能优化体系中,索引是降低查询耗时、提升数据库吞吐的核心手段。其中联合索引与覆盖索引是实际开发中最高频的两 ...
2026-06-15在数据仓库建设与商业智能分析体系中,维度建模是应用最广泛的建模方法论,而事实表与维度表是维度建模的两大核心构件,共同构成 ...
2026-06-15 很多数据分析师能熟练计算指标,但当被问到“这家企业的核心业务目标是什么”“如何把模糊的战略目标拆解为可量化的指标”“ ...
2026-06-15在数据分析、业务监控、运营复盘等场景中,列值趋势计算是核心需求之一。无论是分析销售额的月度增长、用户活跃的变化趋势、库存 ...
2026-06-12在数字经济深度渗透的当下,消费者的购买行为已从过去的 “被动接受” 转变为 “主动决策”。流量红利消退、获客成本攀升、用户 ...
2026-06-12CDA三级认证是三个级别中的塔尖,全面考察数据战略、团队领导和复杂项目的综合能力。它所对应的《敏捷数据挖掘》教材,不再局限 ...
2026-06-12在游戏产业的商业逻辑中,付费玩家是支撑游戏生存与发展的核心支柱。行业普遍遵循 “二八定律”:20% 的付费玩家贡献了游戏 80% ...
2026-06-11【核心关键词】企业、定位、传统、产品、互联网、可视化、业务侧、数字化、结构化、数据分析、传统制造业、市场状态、发展空间 ...
2026-06-11 解读《CDA二级教材:量化策略分析(2025)》的全景结构与学习逻辑 ” CDA二级认证是企业招聘数据分析师时最常提及的证书门槛 ...
2026-06-11【核心关键词】药企、可视化、营销、分类、数据分析师、销售数据、业务人员、指导方向、分析报告、营销数据、营销医生 【专访摘 ...
2026-06-10在统计学分析、问卷调研、实验验证、业务复盘等场景中,卡方检验与 T 检验是应用最广泛的两类基础假设检验方法。前者专门处理分 ...
2026-06-10