论文部分内容阅读
数据科学专家公开了他们对2018年的预测
人工智能成为2017年众所周知的流行语，但所宣称的机器应用迄今还未能实现。
尽管如此，实际应用仍然有限，但看起来2018年这种情况将有所改变。
现实不再是炒作
企业已经把资金投到了人工智能中，但大部分投资还没有获得回报。据研究公司Forrester，55%的企业还没有从人工智能中取得任何实际的业务成果，43%认为现在谈论他们的投资是否成功还为时过早。
Forrester报告《人工智能的蜜月结束了》的作者之一Michele Goetz指出：“虽然有大量的试验和很多概念验证，但现实是，人们开始意识到不仅要弄清楚人工智能是什么，能干什么，而且还要知道需要什么来构建这些新的智能系统。”
她补充说，企业开始认识到必须有明确的业务目标才能投资该技术。企业家、数据科学家和技术专家都应该参与这个过程。
这就要求您的专家不仅要考虑怎样建立技术渠道，而且还要考虑从中能获得什么业务优势。
如果不能确定目标，哪怕是能逐步带来利润的小目标，那么您将损失巨大的人工智能机会成本，得不到投资回报。”
人工智能新兴产业
Yandex数据工厂首席执行官Jane Zavalishina也赞同Goetz的观点。她认为，加深对先进数据科学的理解将给传统行业以及数字优先的企业带来效益。
她说：“他们已经意识到这不仅仅是令人兴奋的技术投资。现在他们明白人工智能实际上是一种实用的业务工具。因此，如果2017年人们理解了人工智能能带来什么，那么2018年，将开始真正的实际应用。
这意味着我们将改变对人工智能的看法，以前只是把人工智能看成是特殊情况下的机器人助手，在国际象棋和围棋比赛中能赢得人类选手，而今后将出现‘无形的人工智能’。”
这种“无形的人工智能”是在石油和天然气等传统行业背景下应用机器学习来优化各种过程。
通过分析历史数据，这些企业可以创建更准确的预测模型，预测他们的设备怎样运行，并生成实时维修建议，以及在哪里进行改动以提高效率。
越来越多的物联网传感器以及在边缘更多的应用分析技术，也使得人们更方便地使用工业人工智能，现在人们普遍认识到人工智能的优势，那些不愿意接受新技术的其他行业也开始认识到人工智能为企业带来的价值。
研究、行政、咨询服务以及根据客户信息来提出建议或者揭示调查结果的其他领域也面临重大的颠覆。
Goetz说：“机器能够比人类更快地查看大量不同类型的信息，把信息汇聚到一起，更迅速的获得更深入的分析结果，因此，我们将看到会出现很多颠覆性的创新。”
关注数据
数据科学在2017年取得了重大进展，但质量很差的数据会阻碍发挥其潜能。这常常导致数据科学家花费大量的时间去准备数据，滤除质量差的数据。
分析技术和软件提供商Infogix售前高级副总裁Ravi Rao表示：“我认为2018年及以后将要解决的一个实际问题是，相当一部分的大数据工作和分析工作将以数据质量为重点，这是我们必须要重视的。
从这个角度来看，我认为数据治理也将成为任何分析工作一个重要的考虑因素，既不是事后的想法也不能是假设。”
Rao认为数据治理在2018年将变得更加自动化，以确保在新系统或者新数据集跟踪过程中，随着新数据的自动更新，在需要的地方及时进行控制。
他解释说：“这必然成为今后要面对的技术挑战。在这方面，我认为人工智能和机器学习将发挥关键作用，不仅仅是在高级分析中，而且在需要进行高级分析的所有过程中，例如数据质量和数据治理等。”
深度学习付诸实践
对数据科学家的需求仍然很迫切，供不应求，但深度学习由于入门成本较低，因此，比较容易上手。
谷歌、亚马逊和微软这三大云提供商现在都为他们的图形处理器提供按小时付费的租用服务，用户可以使用这些处理器来训练自己的神经网络。
Smith说：“一旦完成了训练，在进行预测时实际上并不需要太多的计算。
租用这些非常强大的图形处理单元几个小时，然后，一旦完成训练，就能够投入使用，而不必实际去采购，这真的有助于加速这一过程。”
聊天机器人的兴起
Insightly首席执行官Anthony Smith认为2018年将是人工智能聊天机器人在企业中得以普遍应用的一年，目的是让客户体验更流畅，降低对呼叫中心客服的需求。
Smith说：“我认为2018年CRM和营销领域最热门的将是会话界面——无论是语音会话界面还是基于文本的会话界面。
过去几年里很难建立这些接口。脸书和谷歌在消费领域已经开展了一些工作，使用工具更方便的开发這些聊天机器人，现在我们开始看到出现了一些成熟的工具，我们也可以在B2B领域利用其中一些工具。”
通过基于聊天的界面，语音还成为让人接受的在线表单替代方案，在这些界面中，根据用户之前的回答，对提出的问题进行提炼或者限制。
Smith说：“这真的要快很多，能为更多的人提供服务，与每次从网站上获取某些内容时要填写整张表单相比，这种方式要方便得多。我们认为2018年这会非常热门。”
新职位
Rao认为，数据分析越来越重要意味着整个企业现在都需要某种支持职位。
他说：“为了制定数据质量和数据治理方案并合理的进行实施，必须有一个部门来支持这一方案。这不可能是分析部门的职责。也不可能是传统IT部门的职责，因为它们的核心功能不在于此。
我认为首席数据官应承担这方面的职责，认可并确保任何分析活动都包含正式的数据质量和数据治理方法。从这个意义上说，我认为首席数据官这一职位及其所在的部门在任何企业中都会越来越重要。”
首席数据官的兴起丝毫没有减弱的迹象，而其他数据职位也越来越凸显其重要性。
Goetz说：“我认为，首席分析官将在进一步扩展复杂的分析功能方面发挥强有力的作用。”
Forrester分析师不太相信首席人工智能官将会普及开来。
她说：“我不这么认为。我认为，真正能够理解技术在企业中发挥什么作用，以及从战略层面上进行高瞻远瞩的是首席数字官，而首席数字官和首席数据官通常一起工作，或者有时是首席数据官向首席数字官报告。”
Zavalishina认为还会出现新职位，但还没有被人们所接受。
当然，如果您知道数据科学是怎样工作的，这的确会有所帮助，但也要成为很有商业头脑的人，既懂管理又懂数据科学。虽然迫切需要数据科学家，但很难找到合适的人选，而且成本非常高，这类新人才甚至还没有出现。
我们将看到对这类人才的需求越来越大，企业也开始学习怎样去应对。
人工智能成为2017年众所周知的流行语，但所宣称的机器应用迄今还未能实现。
尽管如此，实际应用仍然有限，但看起来2018年这种情况将有所改变。
现实不再是炒作
企业已经把资金投到了人工智能中，但大部分投资还没有获得回报。据研究公司Forrester，55%的企业还没有从人工智能中取得任何实际的业务成果，43%认为现在谈论他们的投资是否成功还为时过早。
Forrester报告《人工智能的蜜月结束了》的作者之一Michele Goetz指出：“虽然有大量的试验和很多概念验证，但现实是，人们开始意识到不仅要弄清楚人工智能是什么，能干什么，而且还要知道需要什么来构建这些新的智能系统。”
她补充说，企业开始认识到必须有明确的业务目标才能投资该技术。企业家、数据科学家和技术专家都应该参与这个过程。
这就要求您的专家不仅要考虑怎样建立技术渠道，而且还要考虑从中能获得什么业务优势。
如果不能确定目标，哪怕是能逐步带来利润的小目标，那么您将损失巨大的人工智能机会成本，得不到投资回报。”
人工智能新兴产业
Yandex数据工厂首席执行官Jane Zavalishina也赞同Goetz的观点。她认为，加深对先进数据科学的理解将给传统行业以及数字优先的企业带来效益。
她说：“他们已经意识到这不仅仅是令人兴奋的技术投资。现在他们明白人工智能实际上是一种实用的业务工具。因此，如果2017年人们理解了人工智能能带来什么，那么2018年，将开始真正的实际应用。
这意味着我们将改变对人工智能的看法，以前只是把人工智能看成是特殊情况下的机器人助手，在国际象棋和围棋比赛中能赢得人类选手，而今后将出现‘无形的人工智能’。”
这种“无形的人工智能”是在石油和天然气等传统行业背景下应用机器学习来优化各种过程。
通过分析历史数据，这些企业可以创建更准确的预测模型，预测他们的设备怎样运行，并生成实时维修建议，以及在哪里进行改动以提高效率。
越来越多的物联网传感器以及在边缘更多的应用分析技术，也使得人们更方便地使用工业人工智能，现在人们普遍认识到人工智能的优势，那些不愿意接受新技术的其他行业也开始认识到人工智能为企业带来的价值。
研究、行政、咨询服务以及根据客户信息来提出建议或者揭示调查结果的其他领域也面临重大的颠覆。
Goetz说：“机器能够比人类更快地查看大量不同类型的信息，把信息汇聚到一起，更迅速的获得更深入的分析结果，因此，我们将看到会出现很多颠覆性的创新。”
关注数据
数据科学在2017年取得了重大进展，但质量很差的数据会阻碍发挥其潜能。这常常导致数据科学家花费大量的时间去准备数据，滤除质量差的数据。
分析技术和软件提供商Infogix售前高级副总裁Ravi Rao表示：“我认为2018年及以后将要解决的一个实际问题是，相当一部分的大数据工作和分析工作将以数据质量为重点，这是我们必须要重视的。
从这个角度来看，我认为数据治理也将成为任何分析工作一个重要的考虑因素，既不是事后的想法也不能是假设。”
Rao认为数据治理在2018年将变得更加自动化，以确保在新系统或者新数据集跟踪过程中，随着新数据的自动更新，在需要的地方及时进行控制。
他解释说：“这必然成为今后要面对的技术挑战。在这方面，我认为人工智能和机器学习将发挥关键作用，不仅仅是在高级分析中，而且在需要进行高级分析的所有过程中，例如数据质量和数据治理等。”
深度学习付诸实践
对数据科学家的需求仍然很迫切，供不应求，但深度学习由于入门成本较低，因此，比较容易上手。
谷歌、亚马逊和微软这三大云提供商现在都为他们的图形处理器提供按小时付费的租用服务，用户可以使用这些处理器来训练自己的神经网络。
Smith说：“一旦完成了训练，在进行预测时实际上并不需要太多的计算。
租用这些非常强大的图形处理单元几个小时，然后，一旦完成训练，就能够投入使用，而不必实际去采购，这真的有助于加速这一过程。”
聊天机器人的兴起
Insightly首席执行官Anthony Smith认为2018年将是人工智能聊天机器人在企业中得以普遍应用的一年，目的是让客户体验更流畅，降低对呼叫中心客服的需求。
Smith说：“我认为2018年CRM和营销领域最热门的将是会话界面——无论是语音会话界面还是基于文本的会话界面。
过去几年里很难建立这些接口。脸书和谷歌在消费领域已经开展了一些工作，使用工具更方便的开发這些聊天机器人，现在我们开始看到出现了一些成熟的工具，我们也可以在B2B领域利用其中一些工具。”
通过基于聊天的界面，语音还成为让人接受的在线表单替代方案，在这些界面中，根据用户之前的回答，对提出的问题进行提炼或者限制。
Smith说：“这真的要快很多，能为更多的人提供服务，与每次从网站上获取某些内容时要填写整张表单相比，这种方式要方便得多。我们认为2018年这会非常热门。”
新职位
Rao认为，数据分析越来越重要意味着整个企业现在都需要某种支持职位。
他说：“为了制定数据质量和数据治理方案并合理的进行实施，必须有一个部门来支持这一方案。这不可能是分析部门的职责。也不可能是传统IT部门的职责，因为它们的核心功能不在于此。
我认为首席数据官应承担这方面的职责，认可并确保任何分析活动都包含正式的数据质量和数据治理方法。从这个意义上说，我认为首席数据官这一职位及其所在的部门在任何企业中都会越来越重要。”
首席数据官的兴起丝毫没有减弱的迹象，而其他数据职位也越来越凸显其重要性。
Goetz说：“我认为，首席分析官将在进一步扩展复杂的分析功能方面发挥强有力的作用。”
Forrester分析师不太相信首席人工智能官将会普及开来。
她说：“我不这么认为。我认为，真正能够理解技术在企业中发挥什么作用，以及从战略层面上进行高瞻远瞩的是首席数字官，而首席数字官和首席数据官通常一起工作，或者有时是首席数据官向首席数字官报告。”
Zavalishina认为还会出现新职位，但还没有被人们所接受。
当然，如果您知道数据科学是怎样工作的，这的确会有所帮助，但也要成为很有商业头脑的人，既懂管理又懂数据科学。虽然迫切需要数据科学家，但很难找到合适的人选，而且成本非常高，这类新人才甚至还没有出现。
我们将看到对这类人才的需求越来越大，企业也开始学习怎样去应对。