京公网安备 11010802034615号
经营许可证编号:京B2-20210330
虽然尚处在开发和使用的早期阶段,AI、机器学习和深度学习已经影响了我们的生活,工作和娱乐。你是否已经准备好接受和利用这些颠覆性创新了呢?
美国的 Hanson Robotics 公司研发的机器人Sophia在上个月正式被沙特阿拉伯授予了公民身份,而沙特阿拉伯也成了世界上第一个赋予机器人公民权的国家。Sophia 以奥黛丽·赫本为原型设计,这位沙特公民如今已经成为了家喻户晓的网红,出现在各个电视节目和全球性会议上。
其实 Sophia 并不孤单。事实上,数十年以来人们在日常生活的方方面面都会使用到 AI。从智能手机上的语音识别,房间清扫机器人,再到提醒你会议召开的虚拟助手,AI 已经证明自己是信息、学习、推理、计划和交流的重要提供者。
AI 被定义为通过计算机有效地模拟人类智能的过程,AI 还包含机器学习和深度学习的概念。通过机器学习,AI 能够让无生命系统进行自动学习并改进经验(非常“人性化”的特性);而深度学习则使计算机能够在没有被明确地编程时进行学习。
机器学习能够帮助 Uber 等公司确定乘车时间,估计 UberEATS(Uber的送餐应用)的送餐时间,并计算出最佳上车位置。谷歌把深度学习用于语音和图像识别算法,亚马逊使用它来确定客户接下来想看什么或者买什么。
AI 影我们的三种方式
AI、机器学习和深度学习可以组合在一起运用,从而帮助企业发展得更智能,更好,更快。虽然这三者仍处于技术发展的初期,但已经在不知不觉中影响我们的生活。主要体现在以下三点:
1. 简化我们的日常生活
根据《福布斯》杂志的一篇文章,糟糕的客户服务已经造成了620亿美元的损失,而且这一赤字将持续增加。AI 能够做到人类无法完成的事情,从而改善这一情况。数字助理已经成为日常生活中被大众普遍认可的得力助手。我们可以期待 AI 将在未来的生活中发挥更大的作用,但这还只是一个开始。普华永道(PwC)最近的调查显示,大部分消费者认为,不久的将来 AI 将大大简化人们的日常生活。
2. 让公共部门更有效率
AI 和机器学习能够显著减少和控制公共部门机构的运营成本。
比如下面的例子:
美国陆军医疗部正在开发可穿戴式监视器,这种监视器使用机器学习算法来衡量伤口的潜在严重性,帮助医疗人员优先处理。
白宫、美国海关和移民局使用聊天机器人(chatbot)来回答基本问题,把复杂的问题留给人工客服来回答。
美国邮政服务采用手写识别的方式按邮政编码分类邮件; 有些机器每小时可以处理一万八千封邮件。
根据德勤最近的一项研究显示,使用 AI 来自动处理联邦政府的工作任务,每年至少可节省9670万工时,节省成本33亿美元。
3. 解决企业面临的巨大挑战
以制造业为例。工业革命使我们从大规模生产转向自动化。从第一批机器人在生产线上工作以来,已经有半个多世纪了。如今,被称为工业 4.0的制造通过运用 AI、机器学习和物联网将变得更加智能。来自客户、合作伙伴、市场、工厂车间和仓库的数据都可以进行收集、整合、分析和预测,从而使公司更有效、准确地改变制造和运输产品货物的方式。
制造业不是使用 AI 的唯一例子; AI 影响着市场的各个领域,用来解决复杂的业务问题。
例如,许多大型金融机构已经通过投资 AI 系统来协助其投资实践。《美国银行家日报》的一篇报告指出,财富管理公司BlackRock的 AI 引擎 Aladdin 如何帮助制定投资决策; 同时该公司还将该系统提供给客户,已有近3万人使用该系统。Aladdin 具有很多功能,包括使用自然语言处理来阅读新闻,券商报告和社交媒体信息等文本。该系统还能帮助用户做出投资决策。
你应该怎么做?
使用 AI 需要高度专业化的技能。因此人们必须把 AI 与如何有效地运用于私人或公共部门联系起来。
随着 AI、机器学习和深度学习的不断发展和成熟,每个企业都应该开始尝试这些技术,从而让公司发展得更智能、更好、更快速。那么你该怎么做?
首先应该从业务策略开始。你的公司可能没有一个正式的、系统化的方法方法来预测未来,但肯定有商业策略。这些策略来自于关于将来发生变化的假设。
这一过程需要自我反省。包括以下这些步骤:
1.仔细审视目前的策略。你的团队在执行目前计划时表现如何?需要做些什么改变?从当前情况考虑,利用 AI 技术能够使公司运作更高效。
2.分析你目前的工作对于团队,合作伙伴和客户的影响。在哪些方面,你的工作可以被显著提高?
3.评估你现在的能力,并做出改进。在开始尝试 AI 时,你有什么资产和资源?
你对未来的假设会直接影响到现在正在做的事情。请仔细地重新审视目前的策略和流程。
任何未来转型的必要组成部分都需要左脑(分析)与右脑(创造)相结合的人才和文化。AI 的价值创造过程也不例外。它始于产生正确的想法,并以执行有效的方案结束。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12