有很多技術(shù)概念讓我們能夠真正理解人工智能（Artificial Intelligence,英文縮寫為AI），但更重要要記住的是，AI是關(guān)于構(gòu)建智能計(jì)算機(jī)程序來(lái)執(zhí)行如下任務(wù)：

• 視覺(jué)感知
• 語(yǔ)音識(shí)別
• 情緒分析

 

例如，自駕駕駛汽車需要計(jì)算機(jī)具有視覺(jué)感知能力，另外像Siri這樣的應(yīng)用程序需要具有語(yǔ)音識(shí)別能力。

 

AI背后的大腦包括機(jī)器學(xué)習(xí)，深度學(xué)習(xí)和自然語(yǔ)言處理等建模技術(shù)。 那我們從機(jī)器學(xué)習(xí)開始學(xué)習(xí)吧！

 

機(jī)器學(xué)習(xí)
機(jī)器學(xué)習(xí)是AI的核心驅(qū)動(dòng)力。 簡(jiǎn)單的說(shuō)就是用算法來(lái)發(fā)現(xiàn)數(shù)據(jù)的有趣內(nèi)容的過(guò)程，而無(wú)需編寫解決特定問(wèn)題的代碼。 換句話說(shuō)，這是一種用更少的編程方式讓計(jì)算機(jī)從數(shù)據(jù)中學(xué)習(xí)。 取代編寫代碼，你只需提供給機(jī)器數(shù)據(jù)，機(jī)器會(huì)根據(jù)這些數(shù)據(jù)構(gòu)建自己的邏輯功能。

 

那么這在實(shí)踐中如何工作呢？ 一切都是從“訓(xùn)練數(shù)據(jù)”開始的。你提供一組數(shù)據(jù)給數(shù)據(jù)模型幫助它進(jìn)行訓(xùn)練。 你提供模型的數(shù)據(jù)越多，它就會(huì)越健壯。

 

當(dāng)你將訓(xùn)練數(shù)據(jù)提供給您的機(jī)器學(xué)習(xí)模型時(shí)，這些數(shù)據(jù)由一組屬性和特征進(jìn)行定義。 由機(jī)器學(xué)習(xí)模型來(lái)確定如何理解所有這些屬性。

 

那么該模型如何決定哪些屬性是建立更好模型的關(guān)鍵？ 該算法“權(quán)衡”模型的不同特征，以確定更佳的屬性集合，當(dāng)組合成一個(gè)方程式時(shí)，就可以解決具體的問(wèn)題。

 

最后，你是否聽(tīng)過(guò)這句話，“進(jìn)入的是垃圾，出去的也是垃圾”？ 當(dāng)您準(zhǔn)備訓(xùn)練數(shù)據(jù)集時(shí)，這尤其重要。 您的數(shù)據(jù)質(zhì)量越好，您的模型越好。

深度學(xué)習(xí)和自然語(yǔ)言處理
我們前面學(xué)習(xí)到，機(jī)器學(xué)習(xí)的典型應(yīng)用包括選擇更佳特征來(lái)產(chǎn)生更佳模型。 我們還學(xué)習(xí)到，只能在訓(xùn)練數(shù)據(jù)優(yōu)質(zhì)的情況下才能一樣優(yōu)質(zhì)的算法。

 

由于這些原因，當(dāng)關(guān)鍵信息被埋在非結(jié)構(gòu)化數(shù)據(jù)中時(shí)，機(jī)器學(xué)習(xí)算法的性能可能會(huì)降低。 那就是深度學(xué)習(xí)進(jìn)入的地方。

 

深度學(xué)習(xí)
深度學(xué)習(xí)能夠很好的自動(dòng)學(xué)習(xí)帶嘈雜的數(shù)據(jù)（讀?。悍墙Y(jié)構(gòu)化的），以便算法能夠更有效地學(xué)習(xí)。 它還可以：

• 使用復(fù)雜的算法來(lái)執(zhí)行任務(wù)，并在很少或是根本沒(méi)有人力監(jiān)督的情況下進(jìn)行學(xué)習(xí)。
• 學(xué)習(xí)如何學(xué)習(xí)。 例如，像Google使用深度學(xué)習(xí)來(lái)不斷強(qiáng)化照片中的面部識(shí)別能力。

 

自然語(yǔ)言處理（NLP）
自然語(yǔ)言處理（NLP）是機(jī)器學(xué)習(xí)的一種形式，通過(guò)在大量數(shù)據(jù)中查找行為模式來(lái)識(shí)別語(yǔ)言及其許多用法和語(yǔ)法規(guī)則。 它也可：
• 進(jìn)行情感分析，其中算法在社交媒體帖子中尋找行為模式，以了解客戶對(duì)特定品牌或產(chǎn)品的感受。
• 語(yǔ)音識(shí)別，提供從“聆聽(tīng)”到基于音頻產(chǎn)生的文本文件。
• 問(wèn)答解答，通常以具體答案處理這些問(wèn)題（例如，4的平方根是什么？），未來(lái)還要探討如何處理更復(fù)雜和開放性問(wèn)題。

 

如何將AI加入到你的業(yè)務(wù)中去
現(xiàn)在，您將更多地了解AI背后的科學(xué)知識(shí)，讓我們來(lái)探討如何將AI整合到您的業(yè)務(wù)中的幾種方法。

第一步是了解起初部署人工智能的原理。 組織有大量的數(shù)據(jù)，通過(guò)關(guān)注快速建立成功和建立信任是關(guān)鍵。

例如，讓我們將電子郵件指標(biāo)作為客戶行為的可能預(yù)測(cè)因素。 您可以從機(jī)器學(xué)習(xí)開始回答以下問(wèn)題：
• 根據(jù)郵件標(biāo)題打開電子郵件的概率是多少？
• 打開電子郵件后，采取特別優(yōu)惠的概率是多少？

一旦確定了使用場(chǎng)景并證明了業(yè)務(wù)價(jià)值，那么現(xiàn)在是考慮將AI集成到業(yè)務(wù)中去的不同方法了。

 

特定解決方案
一個(gè)選擇是與各種領(lǐng)域的解決特定機(jī)器學(xué)習(xí)問(wèn)題公司進(jìn)行密切合作。 在進(jìn)行大規(guī)模AI項(xiàng)目實(shí)施之前進(jìn)行小規(guī)模的試水，那么這個(gè)選項(xiàng)是非常好的。 隨著時(shí)間的推移，人工智能可以成為您業(yè)務(wù)戰(zhàn)略的一個(gè)組成部分，因此你需考慮找到一種更具成本效益的方法，而不需要將數(shù)據(jù)導(dǎo)出到另一個(gè)平臺(tái)。

 

自己做
如果您想把數(shù)據(jù)保留在自己手中，您可以聘請(qǐng)自己的AI專家內(nèi)部團(tuán)隊(duì)。 如果AI是您的業(yè)務(wù)戰(zhàn)略的長(zhǎng)期部分，這種方法是非常好的 然而，在競(jìng)爭(zhēng)激烈的市場(chǎng)中聘請(qǐng)優(yōu)秀人才需要較長(zhǎng)時(shí)間。 而且保留優(yōu)質(zhì)AI人才也是非常昂貴的。

 

混合方法
您可以采用混合方式，與您提供特定解決方案的公司合作，并隨著時(shí)間的推移聘請(qǐng)AI專家。 如果您希望開始測(cè)試業(yè)務(wù)中的AI，進(jìn)行一些有針對(duì)性的場(chǎng)景，那么這是一個(gè)很好的方法，同時(shí)構(gòu)建可以在其他業(yè)務(wù)領(lǐng)域復(fù)制結(jié)果的專家團(tuán)隊(duì)。

 

終極目標(biāo)
最終目標(biāo)是將AI嵌入到您現(xiàn)有的業(yè)務(wù)流程和應(yīng)用程序中。 這是阻力更小的途徑，因?yàn)槟闶褂玫氖桥c日常相同的技術(shù)，只需要隨著時(shí)間的推移進(jìn)行小規(guī)模的調(diào)整。 您的用戶無(wú)需采用新技術(shù)即可體驗(yàn)AI的收益。

 

總之，你越了解人工智能到底是什么，你就會(huì)越懂得如何利用它助長(zhǎng)你的業(yè)務(wù)！