星空外围权威网站

关于究竟是什么，以及人工智能的学科应该如何分类，似乎存在一些混淆。是分析学的一种形式，还是一门与分析学不同的全新学科?我坚信人工智能与预测分析和数据科学的关系比任何其他学科都更为密切甚至有人可能会认为人工智能是下一代的预测分析。此外，人工智能经常被用于需要将分析过程付诸实施的情况。因此，在这个意义上，人工智能也常常推动规定性、可操作性分析的发展。如果说人工智能不是一种分析方式，那将是一个错误。

人工智能与预测分析的关系

让我们回顾一些帮助定义预测分析的基本事实，然后看看人工智能如何很好地适应这些界限。在它的核心，预测分析当然是预测某种东西的。谁会买?某些设备会坏吗?哪种价格能使利润较大化?这些问题中的每一个都可以通过以下熟悉的工作流来解决：

首先，我们确定一个希望预测和收集关于该度量或状态的历史信息的度量或状态。例如，确定数百万名顾客中哪些人对过去的营销活动作出了反应。

接下来，我们收集可能与预测我们的目标相关的更多数据。例如，每个客户的过去的支出，人口概况，等等。

然后，我们通过一个或多个算法传递数据，这些算法试图在目标和附加数据之间找到关系。

通过该过程，创建一个模型，如果向其输入新数据，就会产生预测。如果顾客有这份资料，她将有何反应?如果我们在这一点上定价，我们将会有多大的利润?

人工智能过程中遵循的目标和步骤是相同的。让我们看两个例子。

以图像识别为例。首先，我们识别了一堆猫的照片。然后，我们拿了一堆非猫的照片。我们通过对图像的深度学习算法来学习准确地预测图像是否是一只猫。当得到一个新的图像时，模型将以图像是猫的概率来回答。听起来很像预测分析，不是吗?

现在让我们考虑自然语言处理(NLP)。我们收集了各种各样的陈述，这些陈述都包含了我们关心的特定含义。我们还收集了广泛的其他发言。我们对数据运行NLP过程，试图找出如何分辨什么是重要的，以及如何分辨被询问的内容。当我们向过程中输入新的文本行时，它将以概率的方式确定语句的意义是什么。NLP过程将为各种可能的解释分配概率，并将其发回(想想沃森扮演的危险)。这听起来也很像预测。

人工智能与嵌入式工业化分析的关系

正如我在“分析革命”中所写的，当今的一个主要趋势是将预测分析嵌入到业务流程中，以便在业务决策时以自动化、嵌入式、规定性的方式使用模型。例如，当一个人浏览一个网页时，模型被用来预测下一页上应该出现什么提议。一旦这一进程到位，就不存在人为干预。这一过程提供报价，直到被告知停止为止。

今天许多人工智能的应用也需要工业化。例如，当一张图片被发布在社交媒体上时，我们会立即对其进行分析，以确定该图像中的是谁。当我向Siri或Alexa发表声明时，它试图确定我说了什么，什么是较好的答案。虽然这可以说是预测分析的一个更高级的应用程序，进入了嵌入式的、规定性的、自动化的过程，它仍然非常符合预测分析的使用方式。

如何在你的组织中核算人工智能

看看你的分析和数据科学组织为你驱动人工智能。这就是已经熟悉争论数据的团队做出预测，将这些预测推到业务流程中，并跟踪结果。人工智能所需的思维方式和基本技能集与分析和数据科学团队中的人非常一致。甚至没有其他团队接近。把责任交给最有能力的人。

鉴于人工智能的重要性不断上升，它必须包括在您的分析战略，以使该战略是可信和完整的。请注意，这并不意味着您的策略必须包括短期内部署人工智能。在追求人工智能之前，你可能还有其他事情要做。然而，即使人工智能还不是一个优先事项，这一事实至少应该在您的分析中得到考虑。只需指出一个事实，即人工智能的作用得到了考虑，并决心在短期内将重点放在其他地方。就像几年前不能忽视大数据一样，人工智能也不能被忽视。

如果你认识到并接受人工智能作为一种分析形式，然后让你的分析组织领导你的任务，你的成功人工智能项目的旅程就会容易得多。不要认为人工智能是完全不同的东西而造成混乱和冗余。