大數(shù)據(jù)和人工智能工具的結(jié)合可以實現(xiàn)新的分析和自動化形式，而在企業(yè)應(yīng)用程序中，這些技術(shù)仍在不斷發(fā)展和演變。
Dun&Bradstreet公司今年1月發(fā)布了一項調(diào)查結(jié)果，調(diào)查發(fā)現(xiàn)，40%的受訪者表示部署人工智能技術(shù)增加了更多的工作崗位。這一發(fā)現(xiàn)似乎與采用人工智能將減少就業(yè)機(jī)會的擔(dān)憂相反，而在調(diào)查中，100名受訪者中只有8人表示，他們的組織由于采用人工智能而裁員。
這是Dun&Bradstreet公司的調(diào)查團(tuán)隊于去年12月在波士頓的人工智能世界會議和博覽會上對與會者進(jìn)行的調(diào)查，這就提出了一個問題，即企業(yè)將如何適應(yīng)人工智能和大數(shù)據(jù)等新興技術(shù)，尤其是處在這個前所未有的數(shù)字化顛覆時代。
企業(yè)領(lǐng)導(dǎo)者面臨數(shù)字化顛覆的現(xiàn)實，發(fā)現(xiàn)即使在人工智能上采用快速跟隨策略也很難應(yīng)對。迅速發(fā)展的技術(shù)以及人工智能對未來工作的影響，將導(dǎo)致工作崗位的變化和知識型員工難以保留等迫在眉睫的問題。
Dun&Bradstreet公司的調(diào)查發(fā)現(xiàn)，人工智能主要用于分析、自動化和數(shù)據(jù)管理。正在啟用新功能，使原本不可訪問的域更容易訪問。例如，大學(xué)教授現(xiàn)在可以使用一系列工具來作弊行為，這曾經(jīng)是一個人工檢驗和基于經(jīng)驗的繁瑣過程。在人力資源部門，也采用了能夠篩選簡歷、預(yù)測應(yīng)聘者是否合格成功的技術(shù)，以及執(zhí)行許多其他任務(wù)的技術(shù)，這些任務(wù)曾經(jīng)被認(rèn)為難以處理。
不僅僅是人工智能功能使這些應(yīng)用程序更加可行，它也是對業(yè)務(wù)任務(wù)的重新構(gòu)想，以利用現(xiàn)有數(shù)據(jù)并開辟新的思維方式。與此同時，不斷變化的隱私法規(guī)使企業(yè)和網(wǎng)絡(luò)犯罪分子以驚人的新方式使用先進(jìn)的技術(shù)，這迫使企業(yè)采用更多資源處理與數(shù)據(jù)安全和治理相關(guān)的問題。
當(dāng)今的業(yè)務(wù)環(huán)境越來越復(fù)雜，很難應(yīng)對這種混亂。隨著第二代數(shù)字原生代的興起，需要對不斷增長的人工智能和大數(shù)據(jù)的應(yīng)用進(jìn)行探索和研究。
根據(jù)Dun&Bradstreet公司的調(diào)查，人工智能技術(shù)目前在大多數(shù)組織中都有一定程度的使用。這一發(fā)現(xiàn)與其他行業(yè)機(jī)構(gòu)的研究是一致的，這些研究指出，人工智能技術(shù)已從認(rèn)識和早期采用過渡到全面實施，并從使用中創(chuàng)造了附加業(yè)務(wù)價值。
現(xiàn)實情況是，許多人工智能應(yīng)用程序，特別是那些需要豐富的穩(wěn)定數(shù)據(jù)集合得出結(jié)論的人工智能應(yīng)用程序，一直受到數(shù)據(jù)發(fā)現(xiàn)和管理的復(fù)雜性的困擾。然而，隨著大數(shù)據(jù)技術(shù)的發(fā)展，使組織能夠保持和管理越來越多的數(shù)據(jù)，利用物聯(lián)網(wǎng)和移動網(wǎng)絡(luò)等新技術(shù)的新應(yīng)用開始產(chǎn)生有希望的結(jié)果。其中一些例子包括執(zhí)法中的面部識別、智慧城市技術(shù)、自動駕駛汽車和無人機(jī)等。
對人工智能從業(yè)者的調(diào)查通常包括三類：已經(jīng)成功部署人工智能應(yīng)用程序的人員;正在部署人工智能項目，但仍在創(chuàng)新和投資回報率之間尋求平衡的人員;仍在探索人工智能技術(shù)或尚未對企業(yè)中的人工智能做出認(rèn)真承諾的人員。而關(guān)于這三個群體的相對規(guī)模存在重大爭議。
Dun&Bradstreet公司的調(diào)查是在一次以人工智能為重點的活動中進(jìn)行的，近半數(shù)受訪者(44%)表示他們的公司正在部署該技術(shù)，而20%的受訪者表示其公司已經(jīng)部署人工智能技術(shù)。23%的人表示，正在計劃實施。
尋求采用人工智能技術(shù)解決復(fù)雜問題的企業(yè)有時會感到有點困惑，對其結(jié)果不滿意，這表明存在一些可解釋性問題。如果人工智能方法沒有得到很好的理解，那么他們很難接受看似違反直覺的結(jié)果。這一點在Dun&Bradstreet公司的調(diào)查結(jié)果中比較突出，46%的受訪者表示，理解人工智能如何得出結(jié)論是他們組織面臨的一個問題。只有三分之一的人表示，他們完全理解他們的人工智能系統(tǒng)是如何得出結(jié)論的。
對人工智能結(jié)果不滿意的其他一些原因來自于基本問題的制定。例如，由人類訓(xùn)練的監(jiān)督人工智能方法存在基于潛在誤導(dǎo)性強(qiáng)化現(xiàn)有知識做出決策的風(fēng)險，特別是在沒有提前采取正確步驟來解決偏差的情況下——在數(shù)據(jù)、算法本身或在他們產(chǎn)生的結(jié)果的解釋中。
問題制定依賴于數(shù)據(jù)科學(xué)家確保使用正確方法和數(shù)據(jù)的能力，并要求正確的問題支持得出的結(jié)論。問題制定不完整的風(fēng)險強(qiáng)調(diào)需要有可解釋的人工智能和更多關(guān)于思想和方法多樣性的對話，以便技術(shù)對企業(yè)更有價值。
仔細(xì)考慮人工智能使用的數(shù)據(jù)同樣重要。在Dun&Bradstreet的調(diào)查中，很多組織表示，缺乏正確的數(shù)據(jù)是進(jìn)一步實施人工智能的最大障礙之一，28%的受訪者認(rèn)為缺乏內(nèi)部專業(yè)知識也是一個主要障礙。
隨著數(shù)據(jù)的生產(chǎn)和存儲量呈指數(shù)級增長，人們將開始看到人工智能系統(tǒng)的適應(yīng)和改進(jìn)。
雖然人工智能從業(yè)者可能對數(shù)據(jù)量有合理的處理，但大數(shù)據(jù)環(huán)境中的變化速度仍然是某些人工智能應(yīng)用程序的重要問題。流媒體數(shù)據(jù)是數(shù)據(jù)樣本經(jīng)常被忽視的一個很好的例子。
數(shù)據(jù)準(zhǔn)確性是另一個越來越重要的問題，特別是對于分類方法和其他無監(jiān)督的人工智能方法。數(shù)據(jù)是必須創(chuàng)建任何技術(shù)(尤其是人工智能)的基礎(chǔ)。錯誤的數(shù)據(jù)基礎(chǔ)(例如使用包含偏差或被錯誤操作的數(shù)據(jù))通常會導(dǎo)致錯誤的技術(shù)方法產(chǎn)生錯誤的見解，而且可以通過壓力以消極的方式得到強(qiáng)化。
但是，隨著數(shù)據(jù)的持續(xù)生成和存儲量呈指數(shù)增長，人們將開始看到人工智能系統(tǒng)的適應(yīng)和改進(jìn)。這種演變是人工智能的商業(yè)價值所固有的特征。正如人工智能技術(shù)在某種程度上具有自我診斷的能力一樣，人們將開始看到出現(xiàn)復(fù)雜的系統(tǒng)，這些系統(tǒng)不僅可以從人類代理那里學(xué)習(xí)，而且還可以從經(jīng)驗中學(xué)習(xí)——其很好的例子包括對抗人工智能和集成方法。
此外，下一代數(shù)字原生代的人工智能和數(shù)據(jù)科學(xué)從業(yè)者將更加細(xì)致地對系統(tǒng)進(jìn)行觀察。這些未來的數(shù)據(jù)科學(xué)家將進(jìn)行鑒別診斷，就像醫(yī)生一樣，可以區(qū)分具有相似癥狀的疾病。
人工智能和大數(shù)據(jù)的結(jié)合將繼續(xù)發(fā)展，組織可以確保繼續(xù)增加對該技術(shù)的實驗和部署。然而無法保證這種演變將朝著積極的方向發(fā)展。事實上，一些偉大的預(yù)言得出的結(jié)論卻恰恰相反。
數(shù)字顛覆的新科學(xué)與商業(yè)和人工智能的發(fā)展息息相關(guān)。似乎可以肯定的是，這種進(jìn)化的速度將繼續(xù)增加。事實上，人工智能和大數(shù)據(jù)并不總是完美地結(jié)合在一起。在這一領(lǐng)域，最終會產(chǎn)生最佳結(jié)果的是不同分析方法和思維的日益成熟。
大數(shù)據(jù)和人工智能工具的結(jié)合可以實現(xiàn)新的分析和自動化形式，而在企業(yè)應(yīng)用程序中，這些技術(shù)仍在不斷發(fā)展和演變。
Dun&Bradstreet公司今年1月發(fā)布了一項調(diào)查結(jié)果，調(diào)查發(fā)現(xiàn)，40%的受訪者表示部署人工智能技術(shù)增加了更多的工作崗位。這一發(fā)現(xiàn)似乎與采用人工智能將減少就業(yè)機(jī)會的擔(dān)憂相反，而在調(diào)查中，100名受訪者中只有8人表示，他們的組織由于采用人工智能而裁員。
這是Dun&Bradstreet公司的調(diào)查團(tuán)隊于去年12月在波士頓的人工智能世界會議和博覽會上對與會者進(jìn)行的調(diào)查，這就提出了一個問題，即企業(yè)將如何適應(yīng)人工智能和大數(shù)據(jù)等新興技術(shù)，尤其是處在這個前所未有的數(shù)字化顛覆時代。
企業(yè)領(lǐng)導(dǎo)者面臨數(shù)字化顛覆的現(xiàn)實，發(fā)現(xiàn)即使在人工智能上采用快速跟隨策略也很難應(yīng)對。迅速發(fā)展的技術(shù)以及人工智能對未來工作的影響，將導(dǎo)致工作崗位的變化和知識型員工難以保留等迫在眉睫的問題。
Dun&Bradstreet公司的調(diào)查發(fā)現(xiàn)，人工智能主要用于分析、自動化和數(shù)據(jù)管理。正在啟用新功能，使原本不可訪問的域更容易訪問。例如，大學(xué)教授現(xiàn)在可以使用一系列工具來作弊行為，這曾經(jīng)是一個人工檢驗和基于經(jīng)驗的繁瑣過程。在人力資源部門，也采用了能夠篩選簡歷、預(yù)測應(yīng)聘者是否合格成功的技術(shù)，以及執(zhí)行許多其他任務(wù)的技術(shù)，這些任務(wù)曾經(jīng)被認(rèn)為難以處理。
不僅僅是人工智能功能使這些應(yīng)用程序更加可行，它也是對業(yè)務(wù)任務(wù)的重新構(gòu)想，以利用現(xiàn)有數(shù)據(jù)并開辟新的思維方式。與此同時，不斷變化的隱私法規(guī)使企業(yè)和網(wǎng)絡(luò)犯罪分子以驚人的新方式使用先進(jìn)的技術(shù)，這迫使企業(yè)采用更多資源處理與數(shù)據(jù)安全和治理相關(guān)的問題。
當(dāng)今的業(yè)務(wù)環(huán)境越來越復(fù)雜，很難應(yīng)對這種混亂。隨著第二代數(shù)字原生代的興起，需要對不斷增長的人工智能和大數(shù)據(jù)的應(yīng)用進(jìn)行探索和研究。
根據(jù)Dun&Bradstreet公司的調(diào)查，人工智能技術(shù)目前在大多數(shù)組織中都有一定程度的使用。這一發(fā)現(xiàn)與其他行業(yè)機(jī)構(gòu)的研究是一致的，這些研究指出，人工智能技術(shù)已從認(rèn)識和早期采用過渡到全面實施，并從使用中創(chuàng)造了附加業(yè)務(wù)價值。
現(xiàn)實情況是，許多人工智能應(yīng)用程序，特別是那些需要豐富的穩(wěn)定數(shù)據(jù)集合得出結(jié)論的人工智能應(yīng)用程序，一直受到數(shù)據(jù)發(fā)現(xiàn)和管理的復(fù)雜性的困擾。然而，隨著大數(shù)據(jù)技術(shù)的發(fā)展，使組織能夠保持和管理越來越多的數(shù)據(jù)，利用物聯(lián)網(wǎng)和移動網(wǎng)絡(luò)等新技術(shù)的新應(yīng)用開始產(chǎn)生有希望的結(jié)果。其中一些例子包括執(zhí)法中的面部識別、智慧城市技術(shù)、自動駕駛汽車和無人機(jī)等。
對人工智能從業(yè)者的調(diào)查通常包括三類：已經(jīng)成功部署人工智能應(yīng)用程序的人員;正在部署人工智能項目，但仍在創(chuàng)新和投資回報率之間尋求平衡的人員;仍在探索人工智能技術(shù)或尚未對企業(yè)中的人工智能做出認(rèn)真承諾的人員。而關(guān)于這三個群體的相對規(guī)模存在重大爭議。
Dun&Bradstreet公司的調(diào)查是在一次以人工智能為重點的活動中進(jìn)行的，近半數(shù)受訪者(44%)表示他們的公司正在部署該技術(shù)，而20%的受訪者表示其公司已經(jīng)部署人工智能技術(shù)。23%的人表示，正在計劃實施。
尋求采用人工智能技術(shù)解決復(fù)雜問題的企業(yè)有時會感到有點困惑，對其結(jié)果不滿意，這表明存在一些可解釋性問題。如果人工智能方法沒有得到很好的理解，那么他們很難接受看似違反直覺的結(jié)果。這一點在Dun&Bradstreet公司的調(diào)查結(jié)果中比較突出，46%的受訪者表示，理解人工智能如何得出結(jié)論是他們組織面臨的一個問題。只有三分之一的人表示，他們完全理解他們的人工智能系統(tǒng)是如何得出結(jié)論的。
對人工智能結(jié)果不滿意的其他一些原因來自于基本問題的制定。例如，由人類訓(xùn)練的監(jiān)督人工智能方法存在基于潛在誤導(dǎo)性強(qiáng)化現(xiàn)有知識做出決策的風(fēng)險，特別是在沒有提前采取正確步驟來解決偏差的情況下——在數(shù)據(jù)、算法本身或在他們產(chǎn)生的結(jié)果的解釋中。
問題制定依賴于數(shù)據(jù)科學(xué)家確保使用正確方法和數(shù)據(jù)的能力，并要求正確的問題支持得出的結(jié)論。問題制定不完整的風(fēng)險強(qiáng)調(diào)需要有可解釋的人工智能和更多關(guān)于思想和方法多樣性的對話，以便技術(shù)對企業(yè)更有價值。
仔細(xì)考慮人工智能使用的數(shù)據(jù)同樣重要。在Dun&Bradstreet的調(diào)查中，很多組織表示，缺乏正確的數(shù)據(jù)是進(jìn)一步實施人工智能的最大障礙之一，28%的受訪者認(rèn)為缺乏內(nèi)部專業(yè)知識也是一個主要障礙。
隨著數(shù)據(jù)的生產(chǎn)和存儲量呈指數(shù)級增長，人們將開始看到人工智能系統(tǒng)的適應(yīng)和改進(jìn)。
雖然人工智能從業(yè)者可能對數(shù)據(jù)量有合理的處理，但大數(shù)據(jù)環(huán)境中的變化速度仍然是某些人工智能應(yīng)用程序的重要問題。流媒體數(shù)據(jù)是數(shù)據(jù)樣本經(jīng)常被忽視的一個很好的例子。
數(shù)據(jù)準(zhǔn)確性是另一個越來越重要的問題，特別是對于分類方法和其他無監(jiān)督的人工智能方法。數(shù)據(jù)是必須創(chuàng)建任何技術(shù)(尤其是人工智能)的基礎(chǔ)。錯誤的數(shù)據(jù)基礎(chǔ)(例如使用包含偏差或被錯誤操作的數(shù)據(jù))通常會導(dǎo)致錯誤的技術(shù)方法產(chǎn)生錯誤的見解，而且可以通過壓力以消極的方式得到強(qiáng)化。
但是，隨著數(shù)據(jù)的持續(xù)生成和存儲量呈指數(shù)增長，人們將開始看到人工智能系統(tǒng)的適應(yīng)和改進(jìn)。這種演變是人工智能的商業(yè)價值所固有的特征。正如人工智能技術(shù)在某種程度上具有自我診斷的能力一樣，人們將開始看到出現(xiàn)復(fù)雜的系統(tǒng)，這些系統(tǒng)不僅可以從人類代理那里學(xué)習(xí)，而且還可以從經(jīng)驗中學(xué)習(xí)——其很好的例子包括對抗人工智能和集成方法。
此外，下一代數(shù)字原生代的人工智能和數(shù)據(jù)科學(xué)從業(yè)者將更加細(xì)致地對系統(tǒng)進(jìn)行觀察。這些未來的數(shù)據(jù)科學(xué)家將進(jìn)行鑒別診斷，就像醫(yī)生一樣，可以區(qū)分具有相似癥狀的疾病。
人工智能和大數(shù)據(jù)的結(jié)合將繼續(xù)發(fā)展，組織可以確保繼續(xù)增加對該技術(shù)的實驗和部署。然而無法保證這種演變將朝著積極的方向發(fā)展。事實上，一些偉大的預(yù)言得出的結(jié)論卻恰恰相反。
數(shù)字顛覆的新科學(xué)與商業(yè)和人工智能的發(fā)展息息相關(guān)。似乎可以肯定的是，這種進(jìn)化的速度將繼續(xù)增加。事實上，人工智能和大數(shù)據(jù)并不總是完美地結(jié)合在一起。在這一領(lǐng)域，最終會產(chǎn)生最佳結(jié)果的是不同分析方法和思維的日益成熟。
