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
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27