作者：葉偉志
壹企問咨詢總經(jīng)理，廣東天使會合伙人，人工智能應(yīng)用專家，大數(shù)據(jù)資深從業(yè)者，系統(tǒng)架構(gòu)師
人工智能是什么
我們做了一個調(diào)研，“人工智能”是什么。得到的答案非常有意思，大家對“人工智能”的答案主要集中為：機器人，智能推薦，幫我們完成任務(wù)，取代人工等等。
人工智能這個詞，承載了太多觀點和意思，使得無法用一段話完全描述，就好比“手機是什么”這個問題，從“打電話”到“打電話+發(fā)信息”再到“打電話發(fā)信息聊微信”，這些句子都無法完全描述“手機是什么”這個問題。
所以對于人工智能，我可能無法精確地回答大家人工智能是什么，我希望達到的目的是，經(jīng)過這次的分享，大家對人工智能有更多的認知和了解。特別地，知道人工智能與企業(yè)的關(guān)系，作為企業(yè)負責(zé)人，面對人工智能，我們應(yīng)該做什么。
AFTERLIGHT
首先我們來看兩個例子：
有一個叫AFTERLIGHT的APP，由一個只有兩個草根成員的跨國公司開發(fā)的，這兩個人都是20多歲。一個是美國的草根屌絲，另一個，來自韓國，同樣是草根屌絲。這兩個人完全是通過社交網(wǎng)絡(luò)認識，一個不會說英語，一個不會說韓語，他們之間的溝通都是通過谷歌翻譯完成的，他們2013年創(chuàng)辦公司，2014年的收入就已經(jīng)達到了2億美元，相當于13億元人民幣。這家兩個人的公司幾乎壟斷了全球的照片編輯市場。
創(chuàng)始人Simon Filip 是一個21歲的攝影師，Sang Mook Lee是一個來自韓國的程序員，事實上，他們兩個人與一個AI系統(tǒng)合伙了，我稱之為“AI合伙人”。它是一個全能型的AI合伙人，擁有數(shù)不清的照片編輯功能于一身。作為有著獨特智能的AI編輯，它能夠幫助普通人將一般圖片，變成超級專業(yè)的作品。更令人驚訝的是，AFTERLIGHT這家納米級公司的估值，已經(jīng)超過10億美元，相當于60多億人民幣。
FINCH
Finch Goods Co. 是理查德創(chuàng)立的一家做創(chuàng)意文化衫的公司，在決定了公司的戰(zhàn)略是做客戶個性化文化衫以后，理查德做出了一系列的決定，其中包括了：
1. 依托電商平臺SHOPIFY，作為Finch公司的主站，借助Shopify，F(xiàn)inch能專業(yè)化地處理維護訂購、支付、交互，以及其他服務(wù)。
2. 選擇與Creative Market公司合作，為T恤設(shè)計圖像模板，這是一家獨立創(chuàng)意集市平臺公司，作品來自于全世界。
3. 與打印風(fēng)格獨特的Printful公司合作，為Finch公司自動印制T恤，并發(fā)貨。
4. 理查德持續(xù)給那些關(guān)注地鐵系統(tǒng)的博客作者發(fā)了郵件，與他們合作O2O營銷。
這些看起來復(fù)雜的商業(yè)資源，理查德選擇了使用AI合伙人幫他執(zhí)行和完成，這個AI合伙人是一個BOT交互系統(tǒng)，包括“用戶界面+大數(shù)據(jù)平臺+供應(yīng)系統(tǒng)”，它能按用戶選擇的設(shè)計、線條、顏色、大小、類別、字體、樣式、圖形等各種元素，創(chuàng)造無限的組合，然后實時動態(tài)地展現(xiàn)給用戶，讓他們決策，下單。
與此同時，這個AI合伙人，還會實時地參考其他好的網(wǎng)站，永不休息地調(diào)整自己的算法。優(yōu)化生態(tài)供應(yīng)網(wǎng)絡(luò)的管理，降低運輸成本和時間。
然而這一切一切，就是一個人+AI合伙人，這個一天24小時永不休息的零售驛站，每天有7000~15000名訪客，年銷售額12~25萬美元，利潤在50%左右。
前面說到的這兩個，都是使用人工智能幫助企業(yè)發(fā)展的典型案例，在案例當中，人工智能主要都是幫助企業(yè)執(zhí)行一些復(fù)雜而且工作量大的事情。讓企業(yè)能夠非常輕資產(chǎn)地運營并且取得成功。像AFTERLIGHT和FINCH這樣的公司，數(shù)量在不斷地增加，但這些公司依然非常地特殊，主要原因是絕大多數(shù)公司，都不知道在人工智能在自己的公司當中能夠發(fā)揮怎樣的作用，更別說真正地用起來并持續(xù)調(diào)優(yōu)，直到產(chǎn)生商業(yè)價值。
首席電力官
以史為鑒可知興亡。回過頭來看，我們會發(fā)現(xiàn)當今人工智能面對的狀況，與19世紀中期的第二次工業(yè)革命非常相似，當時主要面臨的是電氣的應(yīng)用，以及由電氣應(yīng)用帶來的一系列商業(yè)改變。當時大家面對電氣，跟現(xiàn)在面對人工智能驚人地相似，都一樣地知道這是將來的必然，但是不知道這個將來有多久，不知道自己怎么迎接這個將來。所以當時催生了一個非常特殊的崗位——“首席電力官”。
電氣革命時期，當電氣流向千萬企業(yè)，很多企業(yè)主動尋求升級，雖然不是像蒸汽時代那么抗拒，但同樣困難重重。一百多年前的電力系統(tǒng)十分復(fù)雜。需要在直流電，交流電，不同的電壓，不同水平的可靠性，不同的電力接口以及價格之間做出合理的選擇。直到今天，各國的電壓的接口規(guī)格也沒有統(tǒng)一起來，比如我們?nèi)ト毡韭糜危鸵欢ǖ脦虾线m的電源接口和適配器。當時和不同的電力公司打交道，也是個非常困難的技術(shù)活。
即使搞定了不同的電力公司，就公司本身業(yè)務(wù)而言，如何使用電力獲得最佳效益也很難搞清楚：是應(yīng)該先給企業(yè)全裝上電燈，還是有限用電動機取代燃氣輪機?于是，當時很多公司，就聘請了電力副總裁(VP of Electricity)幫助組織進行改革工作，以保證公司內(nèi)的每個職能部門在自己的工作目標或產(chǎn)品上考慮電的存在，包括布置電線、購買電力設(shè)備、改造原有設(shè)備，甚至改造公司業(yè)務(wù)流程(電燈使得夜班變成普遍的可能和成為行業(yè)標準)。
隨著電力系統(tǒng)的成熟，首席電力官這個角色才逐漸消失。首席電力官的出現(xiàn)讓企業(yè)有更多收益。
CTO、CIO、CAO
首席電力官消失以后，迎來了另外一個群體，叫CTO，這個家伙一般就是被認為，公司里寫代碼最厲害的人(這句話基于社會上對CTO的片面誤解而說的)。CTO就是類比首席電力官的一個角色，在企業(yè)面臨日新月異的信息技術(shù)服務(wù)的時候，需要有一個懂技術(shù)的人。首先他是企業(yè)的信息技術(shù)整合者，代表公司利益和服務(wù)方打交道，決定如何通過信息技術(shù)滿足公司的需求，并真正保證最終結(jié)果。一般來說，CTO負責(zé)信息化基礎(chǔ)設(shè)施的投入，比如如何接入骨干網(wǎng)，如何配置本地化信息設(shè)備等等。同時也負責(zé)選擇和使用現(xiàn)有成熟的互聯(lián)網(wǎng)產(chǎn)品服務(wù)(PaaS和SaaS)。但事實上，由于互聯(lián)網(wǎng)極大地加速了產(chǎn)業(yè)的發(fā)展，所以經(jīng)常會出現(xiàn)企業(yè)需求無法用既有產(chǎn)品滿足的情況，所以現(xiàn)在越來越多的CTO還需要負責(zé)自己帶領(lǐng)團隊研發(fā)/改造自己的信息化產(chǎn)品。
在CTO以后，最近幾年在中國國內(nèi)，很火的一個詞語是CIO，CIO是首席信息官的意思，CIO的職責(zé)是負責(zé)挖掘企業(yè)信息資源、制定企業(yè)信息化戰(zhàn)略、信息系統(tǒng)的技術(shù)選型并推動企業(yè)的信息化建設(shè)。
除了首席電力官，首席技術(shù)官，首席信息官，我們認為，在不久的將來，幾乎所有職業(yè)都會被人工智能重構(gòu)。低端重復(fù)的工作被替換，臟活累活封裝起來，新增大量的信息處理接口，人類從業(yè)者通過調(diào)用人工智能的各種接口來操作底層事務(wù)。面對這樣的必然趨勢，未來的企業(yè)，必須要配備的是CAO——首席人工智能官。
關(guān)于首席人工智能官
首席人工智能官6大職能
對于首席人工智能官，我們認為有6個職能，分別是：
1. 理解/制定公司的戰(zhàn)略
2. 引入成熟的機器學(xué)習(xí)算法
3. 收集訓(xùn)練數(shù)據(jù)
4. 建立行業(yè)專家系統(tǒng)
5. 使用成熟的人工智能產(chǎn)品
6. 創(chuàng)新的符合用戶體驗的循環(huán)
職能一 理解/制定公司的戰(zhàn)略
首先我們來看一下第一個職能：理解/制定公司的戰(zhàn)略
人類進步的核心模式
任何人任何企業(yè)，都不可能逆潮流發(fā)展，所以在討論公司戰(zhàn)略之前，我們來看看人類進步的本質(zhì)。人類進步的本質(zhì)，我們?yōu)槟切┠茏屛覀冋J知更多，實現(xiàn)更多，獲得更多經(jīng)驗的事情充滿熱情地奮斗。中國古代四大發(fā)明之一的指南針，讓航海的冒險者能夠更好地把握方向，走到更遠的遠方，發(fā)現(xiàn)新大陸，發(fā)現(xiàn)新資源，總結(jié)更多知識，實現(xiàn)更多的設(shè)想，沒有這一切，現(xiàn)在的世界第一大國——美國就無從談起。
對于人類進步的本質(zhì)，我們認為會有三個重要的觀點：
1. 獲取信息
2. 形成知識
3. 完成任務(wù)
任何大大小小的進步，都離不開這三個步驟。比如普朗克，愛因斯坦等著名科學(xué)家，通過理論研究和大膽猜想和實驗研究，獲取了很多量子世界的信息。然后進一步推演計算，總結(jié)歸納，形成量子世界里面的經(jīng)典理論，最后大家都用這些形成的知識理論，制造出了核彈，穿越太空等等。
為此，企業(yè)制定的戰(zhàn)略，要抓住人工智能的下一個浪潮。而人工智能的下一個浪潮，必定遵循“人類進步”的核心模式：
1. 更好地獲取信息，通過各種新型的傳感器和體系獲取信息，這里額外提醒一下，信息不僅限于傳統(tǒng)意義上的“數(shù)據(jù)”，以前我們更多關(guān)注在“數(shù)據(jù)”是因為信息儲存成本過高，運算能力不足，所以在采集和儲存信息的時候，就采用了大量的簡化和代替，這些被簡化和代替以后的信息，通常，我們稱之為“數(shù)據(jù)”。立足發(fā)展和將來，我們應(yīng)該對“信息”的概念有更廣闊的認識和視野。
2. 更好地形成知識，目前在這個領(lǐng)域大放異彩的，就是機器學(xué)習(xí)了，在其中最為突出的，就是使用了神經(jīng)網(wǎng)絡(luò)算法的深度學(xué)習(xí)DEEP LEARNING。深度學(xué)習(xí)把黑盒子的特性展現(xiàn)得淋漓盡致，人們可以不用管中間過程，讓機器模擬人類神經(jīng)元工作的方式，在輸入數(shù)據(jù)和輸出結(jié)果當中，通過計算機超級強大的建模和運算能力，推演探索出新的模型。深度學(xué)習(xí)的黑盒子特性，也讓人類產(chǎn)生了極大地恐懼。就在今年的6月份，F(xiàn)acebook人工智能實驗室被迫關(guān)閉了一個實驗，因為實驗當中發(fā)現(xiàn)了兩個智能對話機器人在訓(xùn)練當中，發(fā)展出來了一些人類無法理解的獨特語言。
3. 更好地完成任務(wù)，這個的想象空間是最大的，畢竟純粹的知識沒意義，很多時候商業(yè)的價值，就是在于把知識轉(zhuǎn)化成為產(chǎn)品，完成任務(wù)服務(wù)需求。比如大型會議的會議紀要機器人等等。這里面是每個企業(yè)在將來戰(zhàn)略目的當中的重點關(guān)注點，使用人工智能的知識和產(chǎn)品，完成更多的任務(wù)，服務(wù)于社會，產(chǎn)生商業(yè)價值。所以我認為更好地完成任務(wù)，是大部分企業(yè)面對人工智能可以關(guān)注的事。
進入高速增長的行業(yè)
基于人類進步的下一個浪潮，就是剛剛說到的“更好地獲取信息”“更好地形成知識”“更好地完成任務(wù)”，基于這樣的浪潮，我們認為接下來有一些行業(yè)是會持續(xù)處于高速增長的狀態(tài)的。
1. 家居
2. 醫(yī)療
3. 養(yǎng)老
4. 交通
5. 環(huán)保
6. 金融
7. 通訊
8. 穿戴設(shè)備
在上述描述到的行業(yè)當中，可能會水漲船高，能夠得到更快速的發(fā)展。具體我們也正在進行相關(guān)行業(yè)的調(diào)研，希望不久的將來，可以跟大家分享我們對這些行業(yè)的研究。
產(chǎn)品戰(zhàn)略
上面花了很大的篇幅，說到了人工智能與新的浪潮之間的關(guān)系，當我們都把握到大的浪潮發(fā)展方向以后，就比較容易制定企業(yè)的定位和戰(zhàn)略了。完成以后，接下來最重要的，就是對于不同的產(chǎn)品進行分類匹配，執(zhí)行不同的產(chǎn)品戰(zhàn)略。
這里我們推薦使用波士頓矩陣的方法進行分析，根據(jù)不同產(chǎn)品的市場份額以及增長率進行分類。
上述表格，是經(jīng)過了波士頓矩陣方法分析以后，得出來的選型規(guī)劃建議。最后應(yīng)該根據(jù)每個不同類型的產(chǎn)品，執(zhí)行可信可靠的執(zhí)行戰(zhàn)略，比如對于現(xiàn)金牛產(chǎn)品，規(guī)劃的主要目的，可能在于規(guī)避風(fēng)險和降低黑天鵝事件發(fā)生的概率，收集風(fēng)險，事業(yè)環(huán)境因素的趨勢判斷，核心盈利指標的趨勢判斷，采用穩(wěn)健的技術(shù)選型方向，大規(guī)模投入，進一步提高現(xiàn)金牛收入的穩(wěn)定性。
到這里，我們講完了理解/制定公司戰(zhàn)略這個事，這里稍微做一下總結(jié)，就是要理解發(fā)展的大浪潮，基于公司的實際情況，找到合適的行業(yè)，進行公司的戰(zhàn)略定位，同時基于公司的產(chǎn)品，使用合適的方法進行分類(比如波士頓矩陣)，制定不同產(chǎn)品的執(zhí)行戰(zhàn)略。
職能二 引入成熟的機器算法
引入成熟的機器算法，代表的意思就是我們不去研究和提升算法本身。對機器算法的研究和提升，需要頂級的智慧和知識，其中有一些必要的資源，是99%在座的我們都不具備的，其中主要有哲學(xué)、數(shù)學(xué)、經(jīng)濟學(xué)、神經(jīng)科學(xué)、心理學(xué)、計算機工程、控制論、語言學(xué)等等，可能在產(chǎn)業(yè)的初期，我們還能有一些些機會參與，但到最后，一定是剩下為數(shù)不多的巨頭甚至國家層面，對算法進行進一步的研發(fā)。有時候甚至國家也不容易處理這些事情，比如天河二號在GPU的應(yīng)用層面，由于被美國政府對NVIDIA的限制，導(dǎo)致天河二號雖運算快，但是由于GPU運算能力的缺陷，導(dǎo)致不同的技術(shù)引入的時候，會有各種適配的麻煩。總而言之，就是我們要做的，就是引入成熟的機器算法，我們不要去研究機器算法的本身。
那我們來看看成熟的機器算法有些什么吧。
l 決策樹：
l 隨機深林
l 邏輯回歸
l SVM支持向量機
l 樸素貝葉斯
l K最近鄰
l K均值
l Adaboost
l 神經(jīng)網(wǎng)絡(luò)
l 馬爾可夫
對于上面這些算法的詳細說明，優(yōu)劣分析等，不是今天介紹的內(nèi)容，因為需要不少的數(shù)據(jù)和計算機的基礎(chǔ)，我們稍后會有專題講解這些算法。
職能三 收集訓(xùn)練數(shù)據(jù)：
機器學(xué)習(xí)，都是基于既有數(shù)據(jù)，從既有數(shù)據(jù)當中總結(jié)規(guī)律，根據(jù)規(guī)律形成模型，并做模型的調(diào)優(yōu)和選擇。整個過程就有點像教小孩子一樣。一直廣泛流傳的“數(shù)據(jù)是企業(yè)最重要的資產(chǎn)”指的就是這個數(shù)據(jù)，因為我們可以從數(shù)據(jù)當中獲取很多新的知識，新的模型。但是很不幸的是，目前而言，機器遠沒有達到人的能力，他無法從紛雜的世界里面學(xué)習(xí)各種非標準化的東西，為了讓我們的機器和算法快速地成長，我們就需要收集大量計算機可以理解和學(xué)習(xí)的數(shù)據(jù)。
數(shù)據(jù)在哪里
那我們打算收集的數(shù)據(jù)，他現(xiàn)在在哪里，接下來我們說幾個現(xiàn)成的數(shù)據(jù)收集渠道吧。
1. 供應(yīng)鏈管理系統(tǒng)，幫助企業(yè)管理整體的供應(yīng)鏈，包括供應(yīng)商、制造商、倉庫、配送中心、渠道商等等組織在一起，包含計劃、采購、制造、配送、退貨等主要模塊。
2. 客戶關(guān)系管理系統(tǒng)，以客戶作為核心，利用信息技術(shù)、互聯(lián)網(wǎng)等各種方法，管理企業(yè)和客戶之間的關(guān)系，挖掘客戶的全生命周期價值。
3. 生產(chǎn)流程管理，生產(chǎn)流程管理是比較重點的方向和值得挖掘的領(lǐng)域。因為生產(chǎn)過程通常都是企業(yè)自身可以完全控制的，數(shù)據(jù)具有一定的完備性和可控性。其次就是以前因為技術(shù)的限制，對生產(chǎn)流程的數(shù)據(jù)應(yīng)用是相對較少的。生產(chǎn)流程管理，目前主要有以下的分類MES制造企業(yè)生產(chǎn)過程執(zhí)行管理系統(tǒng);DNC生產(chǎn)設(shè)備及工位智能化聯(lián)網(wǎng)管理系統(tǒng);MDC生產(chǎn)數(shù)據(jù)及設(shè)備狀態(tài)信息采集分析管理系統(tǒng);PDM制造過程數(shù)據(jù)文檔管理系統(tǒng);
4. 進銷存管理。
5. 視頻管理系統(tǒng)，目前絕大多數(shù)企業(yè)都沒有建立，以超高清攝像頭為記錄工具，目標是記錄大量的視訊資料，視訊資料當中含有非常多的信息量，目前而言算力的成本過高，從視訊資料當中提取有用信息的成本很高。但可以先存儲視頻數(shù)據(jù)，等算力成本大幅度下降以后，再進行分析。
其他常用的管理系統(tǒng)還有企業(yè)文檔管理、財務(wù)管理、車間管理、資產(chǎn)管理、成本管理、設(shè)備管理、質(zhì)量管理、人力資源管理。
怎么采集數(shù)據(jù)
至此，我們聊完了數(shù)據(jù)在哪里的問題，不同的企業(yè)可以根據(jù)自己的實際擁有的系統(tǒng)，進行數(shù)據(jù)的整合和采集，在整合和采集這一步，有4個關(guān)鍵的點：
1. 設(shè)計和創(chuàng)造新的場景
這里包括管理場景和客戶場景，我們怎么理解設(shè)計新的管理場景，舉個例子，我們合作的一個口腔醫(yī)院，想要記錄診療過中的一些數(shù)據(jù)，比如拍片出來的那個片，這個數(shù)據(jù)按照正常的方式，是不會有記錄的，那如果我們想要收集這個數(shù)據(jù)，那么我們的管理流程，就需要進行一些調(diào)整，比如拍片出來以后，醫(yī)生護士需要對這個片進行拍照，或者直接出兩份片，把其中一份放到備份的地方存起來。但是在這樣的工作流程下面，醫(yī)生護士的工作量就會提升了不少，而且很有可能會有丟失遺漏的狀況，所以增加醫(yī)護人員拍照這個動作，并不足夠好。更好的是，架設(shè)一個高清攝像頭，持續(xù)監(jiān)控出片的位置，記錄下所有的內(nèi)容，與此同時，增加人工智能程序，截取監(jiān)控當中有用的信息，減少無用的信息，降低儲存成本。
在這個案例當中，我們可以看到，有很多的數(shù)據(jù)，是要通過我們對流程和場景進行優(yōu)化以后，才能更好地收集的。又比如客戶場景，還是同樣的口腔醫(yī)院，想要建立用戶的終生健康服務(wù)，需要對客戶進行識別，從前的流程，由于IT技術(shù)的缺乏，沒有對用戶做身份識別工作，診療系統(tǒng)的數(shù)據(jù)，與用戶行為無法匹配，導(dǎo)致無法進行分析。為了把用戶的線上數(shù)據(jù)與實體行為綁定起來，只需要增加一個簡單的客戶場景，就是用戶在做完相關(guān)檢查以后，體檢報告會發(fā)送到手機微信端，讓用戶通過微信跟我們系統(tǒng)綁定起來。從上面這兩個案例，我們都可以看到，無論是內(nèi)部管理，還是外部用戶體驗，都需要經(jīng)過思考進行設(shè)計和創(chuàng)新，新的場景可以幫助我們更容易的收集到有用的數(shù)據(jù)。
2. 數(shù)據(jù)中心
數(shù)據(jù)中心是一個很成熟的概念了，這里需要做2點強調(diào)和一點擴充。
1.數(shù)據(jù)中心需要把盡可能多的企業(yè)數(shù)據(jù)記錄下來，而不僅僅是業(yè)務(wù)訂單數(shù)據(jù)，事實上業(yè)務(wù)訂單數(shù)據(jù)的價值很有可能沒有生產(chǎn)過程的數(shù)據(jù)來得重要。
2.我們也見過了很多很多的企業(yè)，花了很多的資源，把數(shù)據(jù)中心建立起來了，但是沒有建立起相關(guān)的制度，數(shù)據(jù)中心從設(shè)計，到運營，到維護，全部都集中在一兩個人身上，導(dǎo)致這些人離開了以后，數(shù)據(jù)中心淪為虛設(shè)，甚至數(shù)據(jù)直接丟失。所以強調(diào)的是數(shù)據(jù)中心需要從整個生命周期開始到最后，都需要有完整的設(shè)計和制度，怎么建設(shè)，怎么運營，權(quán)限如何，資源要求等等。
3.需要擴充的是，數(shù)據(jù)中心儲存數(shù)據(jù)的形式，我們現(xiàn)在正在做2個很重要的研究，第一個是如何通過層級結(jié)構(gòu)，降低數(shù)據(jù)儲存的成本，比如高頻調(diào)用數(shù)據(jù)存放在單價高的地方，低頻數(shù)據(jù)采用低成本的方式進行儲存，甚至下線OFF-LINE。第二個是結(jié)合區(qū)塊鏈的技術(shù)進行企業(yè)級信息儲存的機制和體系，區(qū)塊鏈技術(shù)本身非常適合用于儲存高安全要求的數(shù)據(jù)，所以我們考慮基于區(qū)塊鏈技術(shù)以及政府基礎(chǔ)數(shù)據(jù)，做數(shù)據(jù)儲存和應(yīng)用的聯(lián)盟，解放數(shù)據(jù)的價值。
3. 對接現(xiàn)有系統(tǒng)
現(xiàn)有的系統(tǒng)一般來說，有自建的系統(tǒng)和第三方系統(tǒng)這兩種形態(tài)，對于自建的系統(tǒng)，那就很簡單了，只需要在系統(tǒng)當中，建立對應(yīng)的數(shù)據(jù)傳輸接口，直接接入到數(shù)據(jù)中心即可。對于第三方系統(tǒng)，就比較麻煩了，一般情況下，第三方系統(tǒng)不會有適合我們使用的數(shù)據(jù)接口，而且要改造的話也不太現(xiàn)實。這個時候，可能就需要一些爬蟲或者屏幕抓取的技術(shù)，進行數(shù)據(jù)的采集，而這會需要多用一些些成本。
4. 收集未知非標數(shù)據(jù)
未知非標數(shù)據(jù)，主要指的就是高清視頻和圖像數(shù)據(jù)。對于人類而言，認知世界主要是視覺，視覺中包含的信息非常地豐富，但是目前而言，如何從計算機視覺和圖像當中抽取出信息，成本還是比較高昂，但是目前這個領(lǐng)域發(fā)展得非常快，我認識的一個團隊，已經(jīng)可以實現(xiàn)對菜品進行識別，比如攝像頭拍一拍，就知道這個是涼瓜炒肉，蒜泥白肉，白切雞等等。在不久的將來，我們可以預(yù)見，會有大量的算法和商業(yè)服務(wù)機構(gòu)，能夠幫助我們在復(fù)雜的視頻數(shù)據(jù)當中提取信息。
職能四 建立行業(yè)專家系統(tǒng)
接下來，CAO要做的事情，還包括建立所屬行業(yè)的專家系統(tǒng)。專家系統(tǒng)，從1969年就開始出現(xiàn)，上古神獸HERBERT SIMON的學(xué)生 ED FEIGENBAUM等人，跨界合作，研究根據(jù)質(zhì)譜儀提供的信息推斷分子結(jié)構(gòu)的問題。創(chuàng)造了DENDRAL程序。DENDRAL程序的意義在于它是第一個成功的知識密集系統(tǒng)：它的專業(yè)知識來自于大量的專用規(guī)則，成為系統(tǒng)的規(guī)則。然后使用人工智能的算法作為推理的部分。之后FEIGENBAUM等人，把這個技術(shù)應(yīng)用在了醫(yī)療方面，開發(fā)了MYCIN系統(tǒng)，用于診斷血液傳染，MYCIN有450條規(guī)則，最終他能夠表現(xiàn)得與某些專家一樣好，并且表現(xiàn)得比初級醫(yī)生好很多。這里得到的啟發(fā)是，不存在通用的理論模型可以從中演繹出MYCIN的規(guī)則，他們不得不從專家那里會見大量的病人的過程中獲取規(guī)則，也從對應(yīng)的書本和其他專家的案例中獲取更多的規(guī)則。
專家系統(tǒng)還有很多很多的應(yīng)用，而且成功地應(yīng)用于商業(yè)，DEC公司的R1程序，幫助新計算機配置系統(tǒng)訂單，從1982~1986年，每年為公司節(jié)省了4000萬美元。
專家系統(tǒng)，主要就是利用通用的人工智能推理算法和能力，加上既有的行業(yè)特定知識作為邊界，把知識和推理能力分開。同時配合符合行業(yè)規(guī)則的可被計算機學(xué)習(xí)的訓(xùn)練數(shù)據(jù)，讓機器在這個范圍當中不斷地去學(xué)習(xí)挖掘深度的知識。最終這個專家系統(tǒng)，可以給企業(yè)提供重要的業(yè)務(wù)建議以及決策輔助。
職能五 使用成熟的人工智能產(chǎn)品
上面都說了一些比較大的事，落實到執(zhí)行處，CAO要做的非常重要的工作，跟首席電力官的工作是一致的，就是跟不同的人工智能產(chǎn)品廠家打交道，使用各種成熟的人工智能產(chǎn)品，選擇合適的產(chǎn)品成為自身企業(yè)商業(yè)拼圖當中的一部分。具體成熟的人工智能產(chǎn)品有哪些呢?
觀察世界：包括硬件，傳感器，信息采集系統(tǒng)等;
總結(jié)知識：機器學(xué)習(xí)框架，各種專家系統(tǒng);
知識應(yīng)用：機器人，系統(tǒng)，程序
職能六 新的商業(yè)模式
做人工智能事業(yè)，要跨越的第一個障礙就是如何落地，人工智能意味著一個非常大的改變，時間周期會很長很長。要落地的話，首先必須找到非常好的、實際的用戶體驗，就是能給用戶帶來實際效益;其次，場景必須清楚，智能助手也好，無人駕駛也好，信息找人也好，一定要有實際的用戶體驗價值;最后，還要找到商業(yè)模式，不然就沒有可持續(xù)性。
所以重要的挑戰(zhàn)在于，是否能找到落地的用戶體驗和實現(xiàn)用戶價值的場景，然后找到合適的商業(yè)模式，建立一個創(chuàng)新的循環(huán)。即數(shù)據(jù)-知識-用戶體驗-新的數(shù)據(jù)。找到這樣一個循環(huán)往復(fù)的流，人工智能事業(yè)就可以像滾雪球一樣往前滾。
首席人工智能官的6大要求
1. 理解和執(zhí)行企業(yè)戰(zhàn)略
理解人工智能發(fā)展的下一個浪潮在哪里，在更好的感知世界，更好的產(chǎn)生知識，更好的完成任務(wù)這樣的人類進步本質(zhì)上出發(fā)，找到企業(yè)的目標和價值觀，制定企業(yè)3年，5年，10年的發(fā)展規(guī)劃。規(guī)劃和戰(zhàn)略不會一成不變，但也不能散漫無根，特別是對于人工智能這個目前看來虛無，不好理解的事物，更應(yīng)該有抬頭望天，高瞻遠矚的戰(zhàn)略能力。
2. 完全熟悉企業(yè)產(chǎn)品
剛剛說完抬頭望天，接下來就是要踏實行軍。一切的執(zhí)行的基礎(chǔ)，都是建立在對產(chǎn)品非常熟悉的基礎(chǔ)上，熟悉產(chǎn)品方便CAO更好地做產(chǎn)品的波士頓矩陣分析，更清晰地知道不同產(chǎn)品在整個浪潮當中的定位，哪些需要重金投入，哪些需要沖動冒險，哪些需要果斷放棄。只有在這樣的基礎(chǔ)上，才能制定不同產(chǎn)品在人工智能層面的具體戰(zhàn)略和時間表，才能真正的前行。
3. 對人工智能技術(shù)的理解
對于CAO這個角色，我們認為需要對人工智能技術(shù)有深入的理解，而相關(guān)的技術(shù)細節(jié)的要求并沒有那么高，人工智能特別是機器學(xué)習(xí)給我們展現(xiàn)了良好的黑匣子的特點，當中的一些技術(shù)細節(jié)，我們很難完全理解。特別對于CAO這個角色的人來說，更多是偏向于規(guī)劃和監(jiān)督，而非具體執(zhí)行。放棄掉對技術(shù)細節(jié)的打磨，反過頭來，需要CAO對技術(shù)的理解更加深入，更加清楚技術(shù)的發(fā)展狀況，技術(shù)的應(yīng)用邊界，技術(shù)的實際場景等等。
4. 有權(quán)設(shè)計和執(zhí)行商業(yè)模式
人工智能目前而言，還處于非常不明確的階段，對于絕大多數(shù)企業(yè)而言，唯一確定的就是不確定，一切的內(nèi)容都是在探索當中執(zhí)行，包括如何戰(zhàn)略定位，如何儲存信息，如何設(shè)置場景，如何應(yīng)用知識等等。這里面有必然存在的試錯成本，所以要求CAO要有權(quán)力設(shè)計并且執(zhí)行商業(yè)模式，這個過程，就像探索一個新的物理規(guī)律，需要做實驗設(shè)想與設(shè)計，然后執(zhí)行實驗，最終通過實驗總結(jié)知識。我們需要認知到做實驗需要的權(quán)力和資源，缺一不可。
5. 對信息和數(shù)據(jù)有足夠的敏感
就如此前說到的，我們通常說的“數(shù)據(jù)”，是因為儲存能力不足，計算成本太高，而采用的對信息概括性的描述方法。當中有很多的信息在這個概括的過程當中被丟棄了。作為CAO，需要有能力跳過這個概括的過程，從業(yè)務(wù)和“數(shù)據(jù)”本身，看到真實的信息，并得到更有價值的數(shù)據(jù)。
6. 企業(yè)家精神
工匠精神、創(chuàng)新、冒險、合作、敬業(yè)、學(xué)習(xí)、執(zhí)著、誠信、服務(wù)。這個是百度百科里面對企業(yè)家精神的特征分析。CAO作為合伙人級別的定位，需要有企業(yè)家的精神，需要有擔(dān)當企業(yè)家的氣魄
CEO應(yīng)該成為CAO
最后最后，也是我一貫提出的觀點，目前而言，CEO自身應(yīng)該充當CAO，主要的原因如下：
1. 首先，CAO更偏重的是戰(zhàn)略和選擇，相比之下，現(xiàn)在絕大多數(shù)企業(yè)的CTO并不是典型意義上的CTO，更偏重于執(zhí)行，很可能無法擔(dān)任其戰(zhàn)略和選擇的重任，也就無法順暢地從CTO轉(zhuǎn)化成為CAO。
2. 其次，人工智能具備黑匣子的特點，更需要關(guān)注的是輸入和輸出，我們給人工智能投入怎樣的資源，他給我們產(chǎn)生怎樣的輸出。當涉及企業(yè)戰(zhàn)略層面的輸入輸出判斷和考量時，一個企業(yè)里面最在行的人，肯定非CEO莫屬。
3. CAO是未來企業(yè)里面重要的合伙人，需要跟CEO匹配，大家都會知道，找到合適的合伙人，比找到對象結(jié)婚還要困難，在沒有找到之前，CEO自己滿足一下自己的需求，或許是一個更好的選擇。
4.最后這個點其實是最重要，也是最無奈的點，就是目前而言，完全具備CAO這個角色能力定義的人很少，即使有，企業(yè)也很難付出高額的薪酬，供養(yǎng)著這個短期內(nèi)不一定能產(chǎn)生直接效益的合伙人。
