当旧的实际遭遇新的理想，一不小心就会撞的头破血流。

2012年美国大选中罗姆尼败给奥巴马，让后者迎来新的4年任期，有一团体居功甚伟，那就是奥巴马竞选团队的首席迷信家Rayid Ghani。这位迷信家做了什么呢？维基百科中他的团体引见有这么一段：Ghani completed his graduate studies in the Machine Learning Department at Carnegie Mellon University with Tom M. Mitchell on Machine Learning and Text Classification and received his undergraduate degrees in Computer Science and Mathematics from University of the South. 

翻译过去，他跟过Tom M. Mitchell学机器学习，而Tom M. Mitchell又是何许人？他被称作“机器学习之父”，写过一本书《机器学习》，可谓是第一代机器学习的必读教材和“圣经”。

名师出高徒的Rayid Ghani，率领团队用一年半的工夫，将搜集到的数据构建成大型数据库，并做出了不同类型选民的精密模型，比方对各族群选民的投票趋向的实时剖析，针对性的给出不同的宣传战略。经过剖析他们发现，第一夫人的拉票邮件在春天最受欢送，并建议奥巴马去Reddit去跟网民互动，还经过模型推演决议购置冷门节目的广告时段来定位精准选民。

　　即便不提这些“精密”的 操作 ，美国总统选举也不断被以为是财力的比拼，而Rayid Ghani和他的团队经过树立模型来预测谁会在线捐款，再将后果使用到邮件营销上等，协助奥巴马筹集了破纪录的10亿美元。至于花钱上——据称他们每晚都用模型停止6.6万次模仿选举，推算奥巴马在摇晃州的胜率来分配资源。

假设奥巴马和罗姆尼大多数人都曾因不佳的交通状况而迟过到、叫过苦。经济的快速发展带动的是社会各方面的全面提升，但在此过程中，交通的发展却没跟得上前进的步幅，各类交通难题让交管部门伤透脑筋，如何利用AI来解决相关难题已成当务之急。的团队是两个竞争的创业团队，前者只需如时下的盛行，喊一声“我们有AI”，然后显摆下技术大牛Rayid Ghani和他的机器学习，即便最愚钝的投资人，也晓得谁会赢了。

濮阳人吕不韦贾于邯郸，见秦质子异人，归而谓其父曰：“耕田之利几倍？”曰：“十倍。”“珠玉之赢几倍？”曰：“百倍。”“立国度之主赢几倍？”曰：“有数。”（《战国策》）

　　美国总统大选是人类社会最称得上“赢倍有数“的事情之一，或许说是一场最顶级的影响人类命运的营销竞赛，是“吕不韦”们的猎场。 而从大学实验室离开名利场的机器学习，用新的技术使用，逾越了旧的经历实际，第一声啼哭就碾压了一群顶尖的天赋。

　　当然，这样的话题有点悠远，总统大选4年才有一次，也不能够外包给中国团队，我们来聊些更贴近的： 那些“赢百倍“的生意，比方做企业，AI又能带过去什么改动？

　　风趣的是，异样是营销范畴资本着网络面前人人平等的原则，提倡所有人共同协作，编写一部完整而完善的百科全书，让知识在一定的技术规则和文化脉络下得以不断组合和拓展。 深的从业者，在往年四月下旬， 品友互动 的开创人黄晓南给出了斩钉截铁的回复：“它（AI）不会替代我们，但是会运用AI的人一定会替代不运用AI的人。”

　　 将来企业

明天的企业，和过来的企业有什么不同？将来又会有哪些变化？

如何答复好这几个成绩，不断是经济学家们头疼的事情，但技术的日新月异，让理工科的人也能跑进商业论坛来演讲了。而这个趋向在近几年愈演愈烈，甚至连相关的科幻作家们都常被约请，以致于不温不火几十年的中国科幻作家群体，突然就“不够用”了。

　　 无他，新的理想急需新的实际来解释和支撑。

　　在品友互动人工智能大会上，国际人工智能协会（AAAI）院士、港科大教授杨强，一个自称“不太懂”商业的学者，却提出了商业环境面临的三点变化：数字化，智能化和社会化。 当数字化开展到一定水平，机器就会从后台离开前台，从单纯的支持者，开端承当决策的义务，这又意味着人和机器、机器和机器之间等，又都需求新的沟通方式——企业需求面临的革新可不少。

而革新的实质是人工智能的不时提高：计算力的提升、数据的爆炸式增长和算法的演进。机器在局部范畴逾越人类有几个里程碑的事情：2011年，IBM的沃森在《风险边缘》节目中击败人类选手博得冠军；2012年机器学习在图片分类上胜过人类；以及后来击败了人类的阿法狗，和8小时训练后就击败了阿尔法狗的AlphaZero。

时至昔日，我们对机器在细分范畴逾越人类的将来已没有疑心，随之而来的就是对借助这股才能的盼望。MIT人工智能实验室（假如不熟习这个实验室，那你只需晓得他们有7个图灵奖获奖者就够了）主任Daniela Rus引见了人工智能在美国最新的使用：

• 医疗范畴： AI被使用到淋巴结的辨认上，人机配合可以将原来7.5%的失误率降低到1%以下，MIT和麻省医院协作的项目，经过机器学习，可以到达97%-99%的乳腺癌筛查精确率。

• 金融范畴： 聊天机器人和机器助手提供了更多决策辅佐；在批发业，经过剖析过来的数据，AI可以向购物者引荐更均衡的购物选择。

• 法律范畴： 自然言语处置的使用，让律师可以轻松查阅整个图书馆的文件和书籍，而不必去记上千本书或是少量的案例和法律文件。

• 交通范畴： MIT开发了一套机器学习的零碎，可以将出租车的供需停止衔接（听起来是不是很熟习？）。

• 动力范畴： 谷歌近期运用的新零碎，可以增添数据中心40%的动力耗费，“可以大幅减低此类耗费关于我们的环境有十分大的协助”。 

　　 AI落地

　　 人工智能令人憧憬，那么，企业又要如何使用呢？

杨强提出的看法，是要回归到机器学习的实质：“明天的AI是大数据驱动的，而大数据驱动的重要理念是机器学习。”

　　机器学习次要有三个步骤， 首先是获取数据，标注数据和清洗数据。第二步是特征工程，把数据从原空间映射到超高维空间停止处置。第三步是机器学习，建模、优化然后反应、测试，对将来停止预测。

“第一，从数据到模型再回到数据的环路要短，不要有过多人为的决策和参与；第二，数据的到来和反应的取得要频繁；第三，模型的更新要快。”杨强说，对以人工智能为中心驱动的将来企业来说，“短、频、快”将是成功的必要条件。

在实践使用中，企业关于需求人工智能处理的成绩，要有这几个考虑：目的在哪里？数据在哪里？成绩的边界能否清楚？特征在哪里？特征能否可以自动地用特征工程停止运作？继续的反应能否用在自学习的流程外面？

一个十分契合这个情形的例子，就是客服电话。微众银行每天会收到大约10万条客户音讯，这个场景有明晰的目的和边界、高流量的数据、相应的反应和算法，契合“短、频、快”的准绳。目前，98%的恳求曾经由机器人停止答复。

　　 不难发现，在对人工智能的使用上，数字化水平高的互联网原生企业颇有优势。 品友互动就是个很好的例子，不久之前，品友在百科上的引见还是中国最大的 顺序 化购置平台，而顺序化即是互联网时代的产物。随同着互联网的开展，网络上呈现了少量的中小广告位，由于买卖紊乱，作为需求方平台应运而生，广告主可以在DSP上停止顺序化购置，但DSP的数据不一定够精准，于是又呈现了DMP（Data Management Platform）数据管理平台提供数据业务。降生于2008年的品友互动，没有止步于，又持续开展了DMP业务，在其主办的智能大会上，黄晓南还宣布了新的技术战略——DISC（Data，Intelligence ，Strategy， Blockchain），投入到数据、算法、战略及区块链方面的研讨。如今，品友互动定位为基于大数据技术的人工智能决策平台，并推出了MIP（Marketing Intelligence Platform）辅佐企业的营销决策。

讨论在营销范畴的AI落地，黄晓南说，依据她的理论经历，第一准绳是要找更熟习外乡状况的企业协作。“比方处置媒体的数据，媒体的数据在国外没有那么多作弊的，在中国有很多作弊的，我们形式辨认的技术是专门针对这个成绩来处理的。”其次，AI的落地必需是和CMO或许更初级别管理者交接：“我们做顺序化的时分，接触公司的媒介经理就够了，如今我们根本上都是CMO或许CEO，不到这个级别的话，零碎性的协作是不能够的。”第三，企业一定要很清楚AI的用处是什么。“很多时分不是说先搜集数据，搜集数据有各种各样的办法，事前没有把成绩讲清楚就说开端收，根本上百分之百的失败了。”

　　 人机新解

回到杨强教授提出的三个变化，在普及了数字化，完成了AI落地的智能化后，社会化——将来企业中人类和机器的关系又会是怎样样的呢？

杨强的看法是：古代企业的设计和再造以人为中心，一切目的、反应、计算力和数据都是围绕着决策者和人设计的。在将来，人和机器是有各自的地位，人的作用照旧很重要，担任设计目的，提供数据，以及清洗和标注数据。也就是说，人既设定目的，又做机器的"教师"，但中心是机器在起作用，是人工智能的模型在起作用。

Daniela Rus补充到，人和机器不应该是竞争性的，而是有各自的优势，经过协作可以完成1+1大于2的效果。“当然任务场景也在发作变化，十分重要的一点是，我们要考虑如何驾驭技术效劳于我们，支持我们停止认知性的任务、决策，使用在企业的方方面面。”

而关于企业家来说，看规律更实践一些。“一言蔽之，我觉得在人工智能时代是不可逆的趋向，一切的人最初都会和机器成为同伴。“黄晓南说，人成为机器最好的运用者，人就成为了一个判别者，而机器成为了一个辅佐者。

　　 “它（AI）不会替代我们，但是会运用AI的人一定会替代不运用AI的人。 ”

【本文为协作媒体受权 投资界 转载，文章版权归 原作者及原出处 一切。文章系作者团体观念，不代表投资界立场，转载请联络原作者及原出处取得受权。有任何疑问都请联络（editor@zero2ipo.com.cn）】