AI热潮已经流行已久，但目前AI在商业上的应用还比较初级，AI技术的进一步探索和商业应用还没有深入到核心。 因此，笔者结合这一现象来进一步分析AI的商业用途。

　　我是一名从事人工智能赋能传统行业的工作者。 虽然我使用的人工智能算法解放了传统产线操作人员的生产力，但我仍然认为AI从探索到赋能普及应用还有很长的过程。 。

　　就像200年前电的发明一样，对于整个时代来说，技术本身的出现和探索的意义远不如其实际的商业应用。 人类真正懂得如何使用电只有大约400年的时间，而前200年实际上只是一个实验阶段。 因此，当人工智能真正赋能、发挥作用时，它可能就不再是我们今天所知道的“人工智能”了。

　　 01AI已经出现很久了，但不久前还很惊艳

　　人工智能，简称AI。 它是研究、开发模拟、延伸和扩展人的智能的理论、方法、技术和应用系统的一门新技术科学。

　　事实上，早在1956年，即美国人发明计算机17年后，几位有远见的科学家就在研究如何用机器来模拟人类智能。

　　 1997年IBM的深蓝计算机击败国际象棋世界冠军时，当时实际上并没有引起足够的轰动。

　　真正扭转人类认知、甚至改变全球人工智能产业格局的转折点是2016年AlphaGo在围棋第九关击败李世石。从此，人工智能一战成名——AlphaGo不仅计算了算法下一步的m次方可能性，而且他对棋局的整个控制（欺骗技术）也非常熟悉。 这才是让人类惊叹不已的地方。

　　 02AI能做什么以及如何做？

　　那么人工智能到底是什么？ AI是指机器利用一部分样本数据进行学习，根据模拟人思考的一些算法进行运算，最后经过另一部分实际样本数据的验证后得到最终的输出模型。

　　上述人工智能应用都是在数字、图像、语音、文本等不同维度上应用，实际核心是学习、模仿和输出数据的过程。

　　 AI处理不同维度的数据

　　移动互联网时代，人们的衣食住行的每一个细节都体现在数据中，而信息化、数字化则在所有企业的运营历史上留下了数据的痕迹。 这些数据以各种形式出现：数字、图像、声音和文本。 数据化是人工智能发展的基础，因为人工智能计算的本质是基于特征的学习和基于特征的工程。

　　特征学习，也称为表示学习或表示学习，是指学习过程，是机器自动从数据中提取特征或表示的方法。 例如，从6K条温度数据中提取出23-39摄氏度代表高温区域； 0-8摄氏度代表低温区。

　　特征工程主要指对数据的手工处理和提取，有时也指“数据清洗”。 与特征学习相比，这是一个手动项目。 它是对数据进行人工处理，以获得我们认为适合后续模型使用的样式。 例如，我们将6月至9月的气温视为夏季有效气温，将12月偶尔出现的20度异常剔除为无意义。 那么这种经过人工处理的数据就具有特征工程的意义了。

　　 03算法和算力是AI的核心

　　从AI诞生到现在的这几十年里，AI发展不快的原因之一就是机器的计算能力不够，芯片和计算速度跟不上。 随着过去几十年摩尔定律在硬件领域的发展，计算能力已经成为AI普及的先决条件。 另一边，人类开始逆向模拟人类在机器另一边的工作方式。

　　算法是人工智能的灵魂

　　人脑并没有存储大量的规则，也没有记录大量的统计数据，而是通过神经元的触发来实现的。 每个神经元都有来自其他神经元的输入。 当接收到输入时，它会产生输出来刺激其他神经元。 结果，大量的神经元相互反应，最终形成各种输出结果。

　　例如，当人们看到美女时，瞳孔就会放大。 这并不是因为大脑根据身体比例进行有规律的判断，也不是统计他们一生中见过的所有美女。 相反，神经元被从视网膜触发到大脑，然后返回到瞳孔。 在这个过程中，其实很难总结出每个神经元在最终结果中的作用。 无论如何，它有效。

　　于是人类尝试将所有影响“美女”判断的因素作为输入，比如身高、体重、五官、皮肤、笑容、身材比例、衣着等。 这些都作为输入条件。 对于任何人来说，只要能够见过无限的“女孩”样本，就能对美女的判断进行评分（可以是不同维度的）。 他只需要将这些判断出的无限样本数据和判断出的分数输入到机器中即可。 ，机器可以自动看到美女的形象并给出评分，还可以汇总每个输入影响因素（身高、体重、五官、皮肤、笑容、身材比例）的评分权重。

　　这是机器模拟人脑的预测功能。

　　 04AI在商业领域能做什么？

　　有了人工智能的工作原理，我们就来看看人工智能可以在商业中发挥什么作用。

　　下图是他们从百度AI研究院官网收集到的对AI应用的定义。

　　目前，人工智能的应用仍处于弱人工智能阶段。 应用的业务场景短且浅。 只能解决特定业务场景下需要重复工作的“点”问题。 它无法解决宏观的业务场景或业务链。 有时，还需要与其他信息系统结合应用。

　　 05AI商业应用痛点

　　因此，AI虽然很热，但如何落地却是令大家头疼的问题。 就像AlphaGo打败了9子围棋后，它不仅不能做其他事情，甚至会“忘记”它所学的棋谱。 AI在商业应用中主要呈现以下痛点：

　　 1、磨合期的各种不适

　　企业利用人工智能创造商业价值，但投资人工智能的具体应用需要大量的人力成本。 而且由于算法是黑匣子，需要实际操作者的质疑，在很长一段时间内都无法完全替代人工。

　　 2、错误概率目前还不能满足To B领域的需求。

　　人工智能技术的进步不能作为企业拓展应用的理由。 与先进性相比，其他因素如产品的稳定性、准确性、错误概率等都是大规模应用的有效基础。 目前人工智能呈现两个极端：优秀和极差。 即使只有1%的概率极其糟糕，也会产生破坏性的影响：比如给实际消费了300元的消费者退款3000万元。

　　因此，对于企业来说，因产品错误而导致的流程更换远比更换产品困难得多。 如果需要适应AI的准确性，需要与多个部门协作更改系统或更改后端数据系统，那么公司宁愿选择试错成本低、稳定性强、能够满足需求的产品。大规模用户。

　　 3、To B领域的复用性低，限制了其扩展和发展

　　每个企业的业务流程都不同。 人工智能技术应用于企业时，一定是人工智能+信息系统的形式，而人工智能的形式取决于企业的业务形态。 比如我目前从事的是内衣、服装领域。 一旦我想把内衣、服装领域的重要特征，比如年龄、标签价格等迁移到酒类、快消品领域，我发现很难快速复用业务场景和业务场景。 最后，我必须重塑。

　　 06AI赋能未来商业社会的展望

　　 AI在商业应用中会遇到痛点，但当然并不意味着它不是划时代的技术。 人工智能领域最有影响力的人物吴恩达曾说过：人工智能的影响力不亚于电力。 当人工智能赋能商业社会时，必将像互联网改变社会一样成为划时代的技术应用。 而且，人工智能的应用将会更快、迭代周期更短。

　　李彦宏在2016年提出，互联网在过去的16年里发生了巨大的变化。 我们一般经历过互联网的三种行为：

　　每个场景都有自己独特的特点，因此，它们也有不同的迭代速度。 PC互联网时代高度依赖软件的快速响应，而移动互联网则基于用户关心的一切打造了自己的生态系统。 第三幕：人工智能时代，机器将取代人类的一些“器官”，如大脑、眼睛、手、耳朵等，实现智能观察、阅读、写作、计算和说话。 人类和机器将创造一个现实与现实结合的新社会。

　　智能与虚拟现实的结合将体现在不同领域、行业、企业、业务场景的方方面面。

　　人类和机器注定要共同谱写未来社会的新篇章。