为你提供机器智能时代的生存指南

人工智能的时代刚刚揭开序幕，正在对各公司的洞察能力进行革新，这其中，以一套迅速发展的认知工具为首，它们包括机器学习、深度学习、高级认知分析以及机器过程自动化和机器人程序等。德勤最近发布了一篇报告，深入探讨了机器智能时代的企业如何制定应用策略。报告的核心内容如下：

人工智能的飞速进步使得一系列的技术能力得以实现，这些技术包括机器学习、深度学习、认知分析等。它们共同构成了机器智能的核心部分，旨在提高员工绩效、自动化复杂任务以及发展模拟人类思维和交互的“认知智能体”。随着数据作为关键业务资产的崛起，每一个技术趋势报告都无法忽视这一主题。数据已经成为了我们理解世界、发掘洞见的基础。通过对数据的分析，企业已经找到了与客户交互的新方式，提升了员工的技能和智力，培育了新产品和服务，并探索了新的商业模式。现在，越来越多的首席信息官正在利用机器智能将洞见转化为组织的驱动力。

这些认知工具的应用范围非常广泛，已经被应用到医疗和金融等各个领域。比如，一家领先的医院正在训练其机器智能系统分析数以百亿计的表型和遗传图像；在金融服务领域，认知销售代理使用机器智能主动联系潜在客户，并获取资格进行后续跟踪。随着越来越多的公司开始应用机器智能，我们可以预见未来几个月将会有更多类似的案例涌现。预计机器智能在各个领域的应用支出将持续增长，预计在不久的将来将达到惊人的规模。

数据的重要性也达到了前所未有的高度。我们知道，随着物联网、暗物质分析等新信号的激增和数据量的指数级增长，商业角度的数据将转化为比以往任何时候都更具潜在价值的数据源。大量的结构化与非结构化数据对于机器智能的进步也至关重要。通过不断的发现和揭示数据背后的关系、模式和潜在暗示，机器智能将变得更加智能。为了更好地管理和利用这些数据资产，我们需要采用高级方法来处理数据的存储、访问和管理等各个环节。分布式网络的发展使得我们能够快速处理和分析大量数据成为可能。它们与云基础设施无缝对接的能力也进一步提升了数据处理和分析的效率。随着技术的进步和优化，我们有理由相信机器智能将在未来创造更多的奇迹和变革。以上这些趋势和特点使得机器智能成为当下最热门的议题之一备受关注和研究。首席信息官们正在积极寻找机会将其应用到自己的组织中以实现更大的商业价值和创新突破。同时我们也期待着更多关于机器智能的案例和故事涌现出来为我们展示其巨大的潜力和未来的美好前景。近年来，随着机器学习算法的迅猛发展，我们离实现认知计算的原始目标——模拟人类思维过程——越来越近。随着未来18至24个月的到来，我们将会见证一个机器智能使用的繁荣时代，其中更智能的算法将在公共和私营单位得到广泛应用。

这些算法的优化、规划和调度功能，实现了复杂决策的自动化和有限资源的权衡。机器学习使得计算机系统能够通过接触数据来不断提升性能，自动发现数据中的模式并做出预测。而深度学习则激发了开发人员的创造力，涉及人工神经网络的机器学习算法灵感来源于大脑结构和功能。互联模块运行的数学模型基于大量输入数据的处理结果持续调整。概率推理和语义计算等认知技术也在不断进步。

对于CIO而言，应用机器智能意味着拥抱一种新的数据分析思考方式。机器智能不仅是创建静态报告的手段，更是一种利用更大、更多样的数据语料库来自动执行任务和提高效率的方法。机器智能的潜力在于其能够带来深度的、可操作的可视性，不仅针对已发生的事情，还有正在发生和即将发生的事情。这有助于企业领导人进行预先决策，并帮助工作者提高工作表现。

机器智能的价值不仅在于此。认知见解为我们提供了深度洞察，帮助我们理解正在发生和即将发生的事情，从而做出更明智的决策。认知参与则通过交互系统来应用认知技术，它们可以执行一些复杂的数字任务，如客户服务方面的任务，提供更大的商业潜力。而认知自动化则是机器智能最具破坏性的机会之一，它结合了机器学习、RPA和其他认知工具来自动化特定领域的专业知识，并已经应用于一些传统上由训练有素的工人所从事的工作领域。例如医疗保健领域的深度学习技术已经能够分析放射学图像并做出与专家相当的判断。在线学习中的机器智能则通过跟踪学习者的学习进度并提供及时的指导、反馈和解释来模仿一对一辅导的优点。

机器智能正在改变我们的生活方式和工作方式，带来前所未有的机会和挑战。对于企业而言，接受和利用机器智能是迈向数字化转型的关键一步。而对于个人而言，学习和适应这些新技术则是未来成功的关键。在这个充满变革的时代，我们需要保持开放的心态和不断学习的精神，以充分利用机器智能带来的机会并应对其挑战。三、先行者的经验启示

面对组织内部的压力和挑战，如长期低利率、竞争加剧、客户需求及市场环境的不断变化带来的成本压力，全球领先的保险公司美国国际集团（American International Group，简称AIG）开始了战略转型之旅。这场转型旨在简化组织架构，提高运营效率，并重点应对日益增长的技术债务和维持运营稳定的分布式IT部门挑战。

据AIG全球首席技术官Mike Brady所述，AIG的IT部门通过重组为一个向CEO直接汇报的单一组织，为创新企业技术范式打下了基础。在这一变革的初步阶段，团队确定了三大关键方向：稳定网络性能、优化策略和加速进展。为了确保这些策略的实施，他们引入了机器学习的力量。

AIG开发了一种先进的协作机器人程序，即“co-bot”，该程序融合了内置的算法能力、机器学习和机器人流程自动化。在虚拟工程师的世界里，这些虚拟助手成为了创新的先锋。在试点项目中，名为“ARIES”的首位机器学习虚拟工程师被训练以解决全球网络事件。经过短短几个月的训练和实践，这些co-bot不仅能够在识别和解决中断方面与人类工程师匹敌，甚至在某些方面更胜一筹。它们的连续工作能力和无休息模式确保了问题的迅速解决。更重要的是，它们能够在问题扩大之前进行预测和修复，大大提高了网络的稳定性和效率。它们还帮助技术人员专注于更具挑战性和创造性的任务，提高了整体的工作满意度。

随着AI技术在医疗保健领域的广泛应用，患者对于高度个性化客户服务的需求日益凸显。Anthem作为美国最大的健康福利公司之一，正积极探索认知计算能力的潜力，以期通过优化客户接触点和服务流程实现更加高效、响应迅速且直观的客户支持服务。Anthem的目标不仅仅是在索赔发生时与成员交互，更希望在整个政策周期内改变与下属健康计划公司成员的交互方式。这一探索无疑将开启健康保险行业的新篇章，为客户带来前所未有的服务体验。在第一阶段，该公司成功地将认知洞见融入索赔审判流程，让索赔审查人员对每种情况都有了深入的了解。Anthem 副总裁（负责供应商/临床分析和人群健康管理）Ashok Chennuru 介绍道：“我们正在整合多方面的数据，包括内部索赔信息、会员资格、供应商统计、外部数据如社会经济学、临床/电子病历（EMR）、生活方式等，以构建对公司成员的综合视图。”通过这一举措，评审人员能够更全面地评估索赔案件。

目前，评审人员会进行文档审查、病患历史调查以及取证收集等工作以确定后续步骤。有了认知见解的新系统，则在不间断地审查后台现有记录的向审查人员提供全面的记录信息，包括病人的重复住院情况等补充信息。这为他们提供了可能的医疗计划或针对性的干预措施。一旦索赔代表收到案件，她就拥有了进行全面评估所需的所有信息。

进入下一阶段后，Anthem 将把认知自动化引入理赔处理流程，为裁判腾出时间关注需要更高支持水平的患者。Chennuru 表示：“通过运用可预测的分析、规定的分析以及机器学习算法，我们能够以更具成本效益的方式处理结构化和非结构化数据。”此系统不仅能识别潜在问题，还能在达到一定的确定性阈值后，基于所有信号和输入开始自行解决问题。若确定性低于此阈值，则裁判会介入解决索赔问题。由于系统具备持续学习能力，它将能够不断提高其自动分辨精度和效率。

到了第三阶段，Anthem 将更广泛地应用神经网络和深度学习技术，为医疗保健供应商提供个性化的病患护理计划推荐。在由单纯的索赔处理任务向积极参与客户关怀的转变中，Anthem 将能够深入分析病人的病史并向供应商提供未来护理建议。

Anthem 的半监督机器学习能力基准教导系统如何识别、组织问题并确定最佳应对策略。在测试期间，人们会对比系统行为与性能以及传统的人为驱动方法，衡量系统的效率和准确性。目前，该公司正在积极收集和处理数据、训练系统并流程化其解决方案架构和技术，成果十分乐观。自动裁决系统的原型计划将于 2017 年推出，随后几个月将推出最低可行的产品版本。

在团队合作方面，Anthem 建立了广泛的认知能力，通过共同工作实现数据准备、算法调整和程序供应方面的优化。“最终，”Chennuru 展望道，“我们将在诸多领域应用此平台，如价值分析、人口健康管理和质量管理等。”Anthem 的目标是通过训练模型、优化程序和发展认知智能来更好地为会员服务。

与此亚马逊团队正在探索语音和人工智能技术的潜力。亚马逊副总裁兼 CEO 技术顾问 Maria Renz 和 Alexa 主管 Toni Reid 介绍到：“随着人类和机器智能历史上最激动人心的时刻的到来，亚马逊团队正在绘制新蓝图。”亚马逊的语音技术已经极大地改变了人与技术的交互方式。虽然人工智能完全模仿人类仍然是一个遥远的愿景，但亚马逊已经在语音技术和人工智能的许多方面迈出了重要步伐。Amazon Echo 的灵感源于科幻计算机世界中的星际迷航计算机。亚马逊期望创造一个完全由语音控制的云计算机，用户可以通过最自然的方式向它提问和发出指示。尽管这个目标尚未完全实现，但这是他们的长期愿景。Alexa 作为 Echo 背后的大脑之一的功能就是每天都在不断地学习、添加新功能和提高精度。自 2014 年推出以来，Alexa 已经拥有了超过 7000 多项技能，并被嵌入到各种设备和汽车中。在人工智能的浪潮中，我们面对的是一个从无到有的创新旅程。当我们踏出第一步时，这项技术还处于萌芽状态，仿佛是一张白纸等待我们挥毫泼墨。我们深感荣幸能借助AWS云的强大力量，背后还有一支极其聪明的语音专家团队，他们才华横溢，致力于解决前沿的语音技术难题。

我们看到的是一个人工智能的无限广阔的天地，一个为客户带来无尽利益的前景。如今，Alexa主要通过Echo硬件走入千家万户，但未来，它的处理器将如雨后春笋般扩展到无数系统和应用程序中。我们通过提供一系列免费、自助的公共API，如Alexa技能工具包、Smart Home Skill API和Alexa Voice Service API，为开发者铺设道路，使实施过程更加便捷。

我们的目标，是在机器智能、神经网络和语音识别等领域不断突破，以更富有意义的方式为客户提供新的功能和服务。在亚马逊，每次我们研发新产品或服务时，都会想象着它能给核心用户带来哪些益处。我们聚焦于打造卓越的用户体验，同时不畏缩于解决背后的技术难题。

我们的视线始终聚焦于客户群，倾听他们的声音，深入了解他们的需求。我们从用户出发，根据反馈不断开发和完善产品或服务。这意味着，我们并不害怕走在用户的前面——用户并不总是清楚他们真正需要什么。只要我们坚持聚焦于用户体验，其他的细节自然水到渠成。

在网络安全的大背景下，机器智能（MI）不仅面临着无数的机遇，同时也面临着风险和挑战。机遇在于利用机器人过程自动化的速度和效率来自动化风险管理的某些方面。通过使用机器智能来支持网络系统，我们可以扩展数据分析和处理的能力，并采取自动化行动来应对潜在威胁。机器智能还能通过预测风险和网络模型增强功效，进一步扩展数据挖掘网络到更广阔的领域。机器智能还可以推动渠道活动、战略和产品设计的发展。例如，销售团队可以利用机器智能构建详细的用户画像，确定有希望的潜在客户以及他们需要的产品和服务。我们也必须警惕机器智能的潜在风险和挑战，特别是在隐私和方面的问题。我们需要仔细审查机器智能的推断和相关性以及衍生数据的风险问题。随着自动化技术的不断发展，我们需要深入思考其对社会、经济和个体接受机会的影响以及可能带来的品牌和声誉危机等问题。同时我们也必须面对机器智能技术的“黑盒子”问题以及算法的透明度问题以确保决策的合理性和公正性。因此首席信息官、首席执行官和其他领导者需要谨慎地平衡股东价值的驱动力与潜在风险并做出相应的决策和调整以适应未来的挑战。此外我们还需通过克服数据挑战并利用机器智能的新方法和技术来推动认知计算领域的进步迈入系统推论和预测的新纪元开启认知的新纪元。总之在人工智能的道路上我们仍面临许多未知和挑战但正如探索者一样我们渴望不断前行不断超越开创一个充满机遇的新时代。