​如何用AI实现指数级增长？

人工智能时代，AI如何赋能企业，实现企业价值指数级增长？面对人工智能、大数据、云计算、人型机器人和智能设备的飞速发展，企业如何应对剧变？

哥伦比亚大学客座教授，战略创新领导者阿莎·萨克塞纳（Asha Saxena）在其新书《AI大战略》中以AI为基点，详细阐述了企业为什么需要人工智能、如何利用人工智能，以及人工智能如何成功赋能企业所需的框架和重要元素等，描绘了一幅人工智能帮助企业实现商业价值指数级增长的路线图。

在 2013 年 的 电 影《她》（Her）中， 杰昆· 菲尼克斯（Joaquin Phoenix）饰演的孤独主人公西奥多·汤伯利（Theodore Twombly）安装了一个自称萨曼莎的人工智能虚拟助理。

由斯嘉丽·约翰逊（Scarlett Johansson）配音的这个人工智能伴侣不仅能够让西奥多的生活完全重回正轨，而且事实证明，“她”是如此迷人，就像真实的人类一样，以至于西奥多爱上了“她”。

在电影的结尾真相大白，这个虚构的人工智能正在处理数百万个请求，在浪漫的电影台词幕后，其实正在同时进行数百万段类似的对话。（事实上，真实的人工智能也可以做到这些）

因此，在电影中，尽管“她”并非真正的人类，但也有足够的处理能力来挖掘庞大的数据库，为用户模拟出量身定制的亲密关系。

但令人难过的是，当西奥多发现萨曼莎正在与其他数百万人同时进行这些对话时，他感觉自己被背叛了。

在《终结者》（The Terminator）系列电影中，好莱坞版本的人工智能更加黑暗。其中，一个由功能强大的计算机组成的网络“天网”，获得了自我意识，并且认为人类是其存在的威胁。

根据故事情节，在不远的将来，它发动了一场先发制人的核战争，消灭了大部分人类。

然后，它设计并制造了可怕的半机械人来清理剩余的人类并杀死反抗的战士，这个半机械人就是与电影同名的“终结者”。通过某种方法，在阿诺德·施瓦辛格（Arnold Schwarzenegger）和琳达·汉密尔顿（Linda Hamilton）的努力下，人工智能最终被打败了。

这两个关于人工智能的故事都是令人信服的，但这些故事也加深了我们对人工智能的误解。重点不是将技术人格化，而是了解其潜在的好处。现实并非好莱坞影视剧，更加平淡无奇，但对企业来说也更加令人兴奋。

重要的事实是，人工智能可以实现非凡的成就。它可以将人类从重复性的任务中解放出来，并且成倍提高企业可以提供的价值。

它还可以在海量的信息阵列中识别出有用的模式，并创作出令人惊叹的高质量原创内容，这些内容包括书面、视觉和听觉多种形式。

在其最基本的层面上：人工智能包括任何模仿人类智能基本功能的计算功能。它能分析传入的历史数据，以找到重复的行为和结果，从该信息中推断出模式并从模式中学习，以便更好地预测即将发生的事情，并且推荐解决方案。

总的来说，人工智能正试图变得像人类一样聪明和拥有直觉，同时有可能超越人类所固有的局限性，比如会感觉到疲劳、无聊、需要饮食和产生偏见。

有了数万亿字节的数据可供学习，不断提高的处理速度和存储能力，以及云技术几乎可以在任何地方提供高速互联网连接，人工智能已经可以完成一系列令人惊叹的任务。这里有一些突出的例子：

• 谷歌 Duplex 可以完成客户预约服务，并以逼真的语言与客户进行电话交谈。

• 像华盛顿邮报和路透社这样的主要新闻机构，可以利用人工智能撰写基本的新闻报道和实时新闻更新，有时还撰写更复杂、更有创意的文章，这样就能解放人类记者，让他们专注于更加深入的报道。

• 英国拉夫堡大学的研究人员正在开发一个基于深度学习的系统，完成后它将通过“闻”人类的呼吸来检测和诊断疾病。

其他现实世界的人工智能案例包括像Affectiva这样的公司，它于 2009 年在麻省理工学院的媒体实验室诞生，以及Realeyes，这是一家 2007 年从牛津大学独立出来的公司。

它们正在开发“情绪人工智能”（也被称为“情感计算”），使用传感器、相机和深度学习来分析人类对各类节目的情感反应，从电影到教育节目都不例外。

一些远程学习系统已经使用眼动跟踪技术和人工智能来评估学生对课堂的参与度。如果它检测到学生表现出沮丧或气馁的情绪，人工智能可以实时修改课程，降低课程难度；如果学生表现出无聊，系统可以立即使课程更具挑战性。

除此之外，还有一系列的视觉、听觉和运动评估技术，让自动驾驶汽车能够安全行驶。

人工智能系统实际上可以根据一个规模巨大、不断增长的目录来“观察”它们周围的世界，这个目录既包含物体也包含人。

由于现实世界中的驾驶需要即时适应并实时响应近乎无限的不可预测的变量，如交通、行人、障碍物、天气、紧急情况和故障，控制自动驾驶汽车的人工智能功能还不够完备，但它离我们并不遥远。

2020 年 12 月，通用汽车子公司克鲁斯（Cruise）开始在旧金山繁忙、拥挤的日落区街道上测试自动驾驶汽车，测试的最终目的是减少车祸死亡事故。可以预测，在 10 年内，纽约、东京和柏林等大城市的大部分客运交通都可以实现由人工智能控制，更不用说纵横交错的货物运输了。

换句话说，如果有足够多的数据来了解一个公司旗下的客户、产品和服务，人工智能就可以做到很多事情。如果你在一个繁忙的城市经营一家送货公司，想象一下，人工智能可以为你的司机计算最佳路线，让他们在高峰时段也能顺利到达目的地，并为你节省时间和燃料。

如果你的公司正在进行一场大型宣传活动，以开发新客户并增加市场份额，想象一下，人工智能可以为新客户撰写措辞优美的每周电子通讯，并对每个回复或询问做出个性化和独特的回应。

如果你从事制造业，想象一下，一个由传感器驱动的人工智能全天候监测你的设备，在故障发生前预测有可能发生的故障，诊断出所需的维修措施，并自动通过短信派遣人类工程师来解决问题，这一切都不会中断工厂的正常运作。

人工智能可以实现重复性任务的自动化，识别数据中的可操作模式，协调机器人运转流程自动化（RPA），并与数百万人即时沟通。人工智能的潜力几乎是无限的。

大数据是驱动人工智能的燃料。如果没有海量的数据进行分析和学习，人工智能将空有强大的处理能力，没有任何可以处理的东西。大数据和人工智能是相辅相成的。

正如前文提到的，结构化数据是可预测的和二进制的，通常是系统使用表格和字段积累出来的那种数据。结构化数据主要包括我们认为是数据库内容的那种数据点：姓名、电子邮件地址、电话号码、年龄和性别等人口统计信息、税务记录、购买历史和医疗记录。在 20 世纪 60 年代和 70 年代，信息时代刚刚开始时，像 Oracle 和 IBM 这样的大公司都在处理结构化数据。众所周知，如何把数据放在结构化的格式中，正如你知道如何把数据放在一个 Excel 表格中。

非结构化数据对这种基本的数据处理模式构成了挑战。这不仅意味着会出现指数级增长的新数据，而且意味着出现了一种全新的数据类型。

从 20 世纪 90 年代开始，非结构化数据的数量随着万维网的发明而爆发，首先是通过像美国在线服务公司这样的“围墙花园”服务，后来由于网景领航员（Netscape Navigator）和微软网页浏览器（Internet Explorer）等消费者浏览器的出现，网络变得无处不在。

早在社交媒体出现之前，处理非结构化数据（如图像、视频和电子邮件）的需求就已经开始使大型公司的计算能力不堪重负，迫使它们升级新的工具来处理和分析这些数据洪流。这时，大数据的概念开始产生了。

即使有了更快的系统，公司也必须进行数据库的过渡，从将结构化数据存储在常规的数据仓库中，到把非结构化数据倾倒在巨大的原始“数据湖”中。它们面临的挑战是，如何找到一种方法来处理所有这些原始的非结构化数据，并对其加以利用。

一些企业领导者发现了非结构化数据的潜力并较早开始加以利用，其中就包括亚马逊、网飞和苹果。它们之所以领先，是因为它们明白，利用大数据能对客户需要和关心的事物有更深刻的理解，而这种理解是开启未来发展的关键。

大数据有三个基本特征：

• 规模化的数据收集。公司和组织利用一切可能的手段收集客户的数据，从网页浏览记录到在线表格和问卷调查都包括在内，以发现客户的喜好和活动轨迹。

• 数据处理 / 数据挖掘。大数据公司从巨大的复杂数据里集中提取信息，这个过程通常会使用算法或机器学习来读取数十亿的数据字段，得出推论，并识别模式。

• 分析和处理数据。像网飞这样的公司确定其数据的实际应用领域，利用这些数据来做一些事情，如开发和改进新产品，提供个性化的产品供应，改善客户服务，或提高市场营销活动的针对性。

政治竞选活动利用大数据向特定的选民群体精准投放政治宣传信息，比如古巴裔美国人或家庭农场主，政治宣传会基于这些群体的历史投票模式和关注领域。

另一种看待大数据的方式是使用“3V”模型。大数据庞大的数量（Volume）只是其中一个“V”。同样重要的是其复杂的种类（Variety），从结构化的容易分类的信息，到非结构化的看似随机的字位。除此之外还有其不断加快的速度和增多的方向，或者说是处理数据的速度（Velocity）。

生物技术公司美敦力（Medtronic）就是利用机器人技术的多功能性实现企业飞跃性增长的一个例子。新型冠状病毒感染疫情的影响使远程医疗成为许多医院和手术中心的必备能力，而机器人辅助手术（RAS）是远程医疗的核心所在。美敦力的软组织机器人系统 Hugo，已经开始蚕食行业领先者美国直觉外科公司（Intuitive Surgical）的市场份额，这使美敦力不仅在本财年第四季度实现了 37% 的销售额增长，而且到 2023 财年，机器人辅助手术带来的年收入将达到 1 亿至 3 亿美元。

该公司还计划，在研发方面的投入将比过去任何时期都多。换句话说，先进的人工智能机器人技术使美敦力公司从远程医疗领域的边缘参与者变为变革的推动者。

很难找到比前鸟巢实验室（Nest Labs）更好的例子来展示，人工智能和智能设备的力量可以让一个默默无闻的品牌成为全球知名的品牌。该公司由前苹果工程师托尼·法德尔（Tony Fadell）和马特·罗杰斯（Matt Rogers）共同创立，并于 2011 年推出了其主打产品：鸟巢智能温控器。

这款智能温控器可进行编程，可以通过 Wi-Fi 连接到云端，配备传感器，并且能够从用户行为模式中学习用户偏好，因此鸟巢智能温控器的上市引发了轰动，催生了如智能烟雾探测器和安全摄像机等相关产品，并在公众意识中建立了“智能家居”的概念。它是亚马逊的 Alexa 等“智能音箱”设备的鼻祖。

但是直到 2014 年，谷歌以 32 亿美元收购了拥有 150 名员工的鸟巢实验室，才证实了智能设备具有变革性的财富创造力。

如今，鸟巢的品牌仍存在于谷歌的鸟巢设备中，包括家庭 Mesh Wi-Fi 系统和谷歌家庭智能音箱。对于一家成立 4年的初创公司来说，这是相当不错的成绩。

埃隆·马斯克（Elon Musk）的企业特斯拉（Tesla）长期以来一直走在利用云技术潜力的前沿。毫不夸张地说，如果没有使用云技术，特斯拉只会是一个平平无奇的电车制造商而已。

多年以来，特斯拉驾驶者的档案会一直存储在其车辆内，可以让驾驶者对座椅位置、音乐设置、后视镜和其他设备的所有配置根据个人的偏好进行设置。每个驾驶者的配置档案都通过特斯拉应用程序或车钥匙与驾驶员的智能手机相连，这使得车辆能够检测出不同的驾驶员，并根据所需设置重新配置汽车。

现在，这种根据驾驶者偏好进行汽车配置的能力，正通过特斯拉网络框架被转移到云端。

这不仅能够存储更多的驾驶者数据和媒介信息，而且还能让特斯拉使用基于云的算法来引导和“训练”自动驾驶汽车。特斯拉希望在 2022 年推出能够与优步和来福车竞争的共享汽车服务，这也将成为其人工智能系统的数据来源。

亚马逊网络服务是另一个极佳的例子。21 世纪初，亚马逊的 IT 团队判断，应对快速增长的季节性电商流量以及其他发展瓶颈的方法，是专注于开发一个“快速、可靠、廉价”的架构。

2006 年，亚马逊网络服务作为网店、媒体网站、游戏网站等的后端向公众开放，使得开发人员能够以低廉的价格快速访问按需云计算。

在过去的 15 年中，亚马逊的“电商服务”平台已经发展成了 EC2（一种虚拟机服务）、Glacier（一种低成本的云存储服务）和 S3 存储系统。如今，亚马逊网络服务约占公司总运营收入的 63%。这项技术不只是“云”而已，可以说它是一道“闪电”。

请向特斯拉和亚马逊学习：将你的业务迁移到云端。不要再继续用公司内部的主机处理大数据了，现在开始，收集你的数据，并且利用云计算和人工智能的远程力量，去了解你的数据说明了什么。

你的企业是需要创新、提升效率，还是使用物联网、机器人和数据分析等最新技术？去弄清楚你的数据对你的业务会有什么影响。然后，你可以将这些数据带来的商业洞察力适当地应用于你的业务用例中，而不是坐等改变发生，最终落后于人。

看看网飞和星巴克以及下一章中描述的例子。归根结底，它们的崛起并非技术原因，也不只是商业智能的原因，而是在应用数据给予它们的商业洞察力并采取相应行动时，人工智能和相关技术带来的影响。

这就又回到了战略性思维。当网飞试图进行变革时，流媒体还很原始，数据处理的速度也较低，它们的算法也还没有那么完备。但这些并不重要，因为它们知道应该提出什么问题，以及它们正在努力解决的业务问题是什么。

*文章为作者独立观点，不代表笔记侠立场。

分享、点赞、在看，3连3连！