2014-2016年機器智能方面的收購和投資

    機器智能在很久之前就成為重要的技術(shù)趨勢話題。它是重要的海量復雜的數(shù)據(jù)分析工具，可以提高員工績效、開發(fā)新的產(chǎn)品和服務、將越來越復雜的工作進行自動化，發(fā)展“認知代理”，甚至模擬人類思維。

    早期的機器智能項目主要出現(xiàn)在醫(yī)療研究（分析100億張遺傳和基因圖像）、金融服務領(lǐng)域（處理27000個會話和幾十種語言）。德勤預計，2019年之前，針對機器智能的投資將近313億美元。接下來的幾個月，機器智能將出現(xiàn)在更多領(lǐng)域。

    機器智能的主要背景是爆炸式增長的數(shù)據(jù)、更快的分布式系統(tǒng)和更為智能的算法（機器/深度學習、概率推演、語義計算、自然語言引擎、機器人過程自動化等）。

    財富500強公司和風險投資公司已經(jīng)意識到了機器智能的潛力和戰(zhàn)略投資建立新的能力。在德勤 2016 年全球 CIO 調(diào)查中，1200 名IT 高管被要求說出他們計劃在未來兩年投入大量資金的新技術(shù)：其中有 64% 的人列舉了認知技術(shù)或 MI。

機器學習創(chuàng)造的價值主要體現(xiàn)在以下3個方面：

    1、認知洞見。機器學習將通過數(shù)據(jù)和模型來預見將會發(fā)生什么，幫助商業(yè)領(lǐng)導人應對職員、客戶支持、訂單安排、調(diào)查計費等。

    2、認知參與。也就是將認知技術(shù)應用到與人的交往中去，面向消費者，執(zhí)行數(shù)字化任務，比如調(diào)低空調(diào)溫度、電視換頻道。

    3、認知自動化。這需要開發(fā)特定領(lǐng)域的專業(yè)知識庫，然后制定自動化任務，比如醫(yī)療保健領(lǐng)域的放射學圖譜辨認等。

    AIG全球首席技術(shù)總監(jiān)Mike Brady認為，企業(yè)向自動化轉(zhuǎn)型需要以下三步：

    1、穩(wěn)定。因為改進涉及整體網(wǎng)絡，根據(jù)經(jīng)驗，很可能每周都要停機一次，對企業(yè)客戶的影響比較大。

    2、優(yōu)化。需要優(yōu)化的內(nèi)容包括自助服務配置、自動化和成本效率。

    3、加速。節(jié)約研發(fā)和運營策略涉及的整體流程和部署時間。

    這4點可能是機器學習突破應用瓶頸的關(guān)鍵：

    1、助理數(shù)據(jù)：也就是自動化的數(shù)據(jù)分類、本體定義、合理化，來維護主數(shù)據(jù)。機器學習會根據(jù)每一塊數(shù)據(jù)派生近似質(zhì)量的數(shù)據(jù)，尋找方法彌補缺失背景和問題數(shù)據(jù)。

    2、封閉的問題：提煉業(yè)務涉及的封閉的數(shù)據(jù)集，明確問題的目的，對機器學習提出針對這一封閉的問題的描述。在面對復雜問題的時候可以調(diào)用這些結(jié)論。

    3、放開合作：不管是初創(chuàng)企業(yè)，還是供應商、學者、相關(guān)意見人士，都應該建立合作關(guān)系，分享新的技術(shù)。

    4、工業(yè)化分析：數(shù)據(jù)已經(jīng)成為企業(yè)戰(zhàn)略資源，但機器學習的各個環(huán)節(jié)都還不完善。工業(yè)化分析換言之就是利用平臺，發(fā)揮數(shù)據(jù)工具、人才和企業(yè)機器智能，進行數(shù)據(jù)攝取、集成、歸檔、訪問權(quán)利、加密和管理。