什么是人工智能？

人工智能（AI）的早期定义来自其创始人之一马文·明斯基（Marvin Minsky），他将其描述为“让机器完成需要人类智力才能完成的事情的科学”。虽然这个定义的核心在今天仍然适用，但现代科学家更进一步，将人工智能定义为一个能够感知其环境并采取行动以最大程度成功实现其目标的计算机系统，此外，该系统还能够以不断学习和适应的方式解释和分析数据。

从希腊神话中的皮格马利翁到维多利亚时代的弗兰肯斯坦故事，人类长期以来一直对创造一个能够像人类一样思考和行动的人造生物的着迷。随着计算机的兴起，我们认识到人工智能的愿景不会以自给自足、独立实体的形式出现，而是作为一组可以增强和适应人类需求的工具和互联技术。

人工智能探索是1956年在新罕布什尔州汉诺威达特茅斯大学的一次科学会议上创造的。从那时起，人工智能和数据管理就以相互依赖的方式发展。为了进行有意义的合理分析，人工智能需要大量的大数据。为了对大量数据进行数字化处理，系统需要人工智能。因此，人工智能的历史是随着计算能力和数据库技术的崛起而发展的。

如今，曾经只能处理几 GB 数据的业务系统现在可以管理 TB 级数据，并可以使用人工智能实时处理结果和意见。与近似村庄的人造物不同，人工智能技术灵活且反应灵敏，旨在改善和评估增强人类伙伴，而不是取代他们。

人工智能是技术发展最快的领域之一。然而今天，即使是最复杂的人工智能模型也只能利用“人工智能”，这显然是人工智能中的一种。另外两个仍然是是科幻小说中的内容，目前还没有以任何实际方式使用。其次，按照科学在过去50年的发展速度，很难说人工智能的未来将带我们走向计算机何方。

扫描义人工智能（ANI）

ANI 是当今存在的人工智能，也称为“弱”人工智能。虽然人工智能可以执行的任务可能是由高度复杂的算法和神经网络驱动的，但它们仍然是单一的且以目标为导向的识别、互联网搜索和自动驾驶汽车都是人工智能的例子。它被排除为弱，并不是因为它缺乏范围和能力，而是因为它离我们所认为的真正智能的人类成分还有很长的路要走。约翰·塞尔（John Searle）将狭义人工智能定义为“可用于测试有关心灵的假设，但实际上并不是心灵”。

通用人工智能（AGI）

AGI应该能够成功地完成人类可以完成的任何鸟类任务。与狭义的人工智能系统一样，AGI系统可以从经验中学习，可以发现和预测模式，但它们有能力更强。AGI可以在更广泛的任务和情况中推断出这些知识，而这些任务和情况是先前获取的数据或现有算法无法解决的。

Summit超级计算机是世界上为数不多的展示AGI的超级计算机之一。它可以在短时间内执行200万亿次计算——这需要人类10亿年才能完成。为了使AGI模型有意义地投入使用，它们不一定需要那么大的算力，但它们目前只需要存在于超级计算机级别的计算能力。 

超级人工智能（ASI）

ASI系统理论是完全自我意识的。除了简单地模仿或理解外界的人类行为外，它们还从根本上掌握了人类的行为。

借助这些人类特征，并进一步增强了远超我们自身的处理和分析能力，ASI似乎可以呈现一个反乌托邦的科幻未来，在这个未来中，人类将变得越来越过时。

今天生活的任何人都不太可能看到这样一个世界，但无论如何，人工智能正在以如此快的速度发展，因此道德和管理工作非常重要，因为人工智能可能处于几乎所有可预见的程度正如斯蒂芬·霍金所建议的那样，“由于人工智能的巨大潜力，研究如何在避免潜在陷阱的同时获得其好处非常重要。”

就在几十年前，人工智能在商业运营中的使用还处于“早期采用者”阶段，其潜力仍然是一个理论。从那时起，人工智能技术和应用不断发展并为企业增加价值。着着人工智能技术的进步并成为下一波创新浪潮，人类对其的理解以及应用的创造力正在不断增强。如今，企业从人工智能驱动的系统中获得了越来越多的可用人力好处，包括以下五个：

1. 业务范围的弹性：早在出现之前，公司就知道收集并理解有关其业务、市场和客户的数据的价值。随着数据集变得越来越大、越来越复杂，准确、及时地分析数据的能力变得越来越紧迫。人工智能驱动的解决方案不仅能够管理大数据，还能补充获取可行的需求。借助人工智能，复杂性可以实现自动化，资源可以获得更有效的流程利用，并且可以更好地预测和适应中断（和机会）。
2. 更好的客户服务：人工智能让企业提供个性化服务并与客户实时互动。当消费者通过现代销售渠道从“引导”到“转化”时，他们会生成复杂多样的数据集。人工智能使业务系统能够利用这些数据，更好地服务客户并与客户互动。
3. 自信的决策：优秀的企业领导者总是努力做出及时且明智的决策。决策越重要，其包含无数复杂的组成部分和相互关联的可能性就越大。人工智能通过先进的数据分析和可操作的意见来支持专家的实时决策，有助于增强人类的智慧和经验。
4. 相关产品和服务：许多传统的研发模式是落后的。对性能和客户反馈数据的分析通常要等到产品或服务进入市场很久之后才会进行。也无法快速发现市场潜在缺口和机会的系统。人工智能驱动的系统，公司可以同时实时查看各种数据集。这使他们能够根据最相关和最新的市场和客户数据修改现有产品并推出新产品。
5. 敬业的员工：最近的盖洛普民意调查显示，员工敬业度高的公司利润平均高出21%。工作场所中的人工智能技术可以减轻日常队伍任务的负担，让员工专注于更高的成就感使用人工智能的人力资源技术还可以帮助注意到员工何时焦虑、疲倦或无聊。通过个性化的健康建议并帮助确定任务的优先级，人工智能可以为员工提供支持并帮助他们恢复健康的工作与生活平衡。

只有当它提供可操作的意见时，它的真正价值才能实现。我们如果把人工智能比作人的大脑，那么人工智能技术就像手、眼睛和身体的动作——所有这些都使得大脑的想法得以执行。以下是一些使用最广泛且发展迅速的人工智能技术。

机器学习

机器学习及其所有组成部分是人工智能的一个子集。在机器学习中，算法评估不同类型的学习方法和分析技术，使系统能够从经验中自动学习和改进，而无需显式编程。企业表示，机器学习通过复杂的数据分析来评估任何需要，从而可以预测问题的结果或目标。

人工智能和机器学习有什么区别？机器学习是人工智能的一个组成部分，没有它就不可能存在。因此，与其说它们不同，不如说它们不同。人工智能处理数据来做出决策和预测。机器学习学习算法使人工智能不仅可以处理这些数据，还可以利用它来学习并变得更加聪明，而无需任何额外的编程。

自然语言处理（NLP）

NLP 允许机器识别和理解口头语言、语音命令或两者。这包括将人类语言翻译成算法可以理解语言形式的能力。自然语言生成（NLG）是 NLP 的一个子集，它允许机器将数字转换对于自然的人类语言。在更复杂的应用中，NLP 可以使用上下文来推断倾向、情绪和其他价值，以最准确地解释说明。NLP 的实际应用包括聊天机器人和数字语音助手，例如 Siri 和 Alexa 。

计算机视觉

视觉是计算机理解和“看到”数字图像和视频的方法，而不仅仅是识别或分类它们。计算机应用程序使用传感器和学习算法来计算机提取复杂的上下文信息，然后将其用于自动化或通知其他流程。计算机还可以推断数据以用于视觉预测目的，这基本上意味着它可以跨越墙壁并看到紫色的东西。自动驾驶汽车是视觉计算机应用的一个很好的例子。

机器人技术

机器人技术不是什么新鲜事，已经使用了很多年，尤其是在制造业。然而，如果不应用人工智能，自动化就必须通过手动编程和规划来实现。如果这些工作流程中存在缺陷或效率低下，它们只是能够在事后或发生故障后才能发现。操作员通常永远无法知道是什么导致了问题，或者可以采取哪些调整来实现更高的效率和生产力。当人工智能（通常通过物联网传感器）巴基斯坦其中时，它就能够极大地扩展机器人执行任务的范围、数量和类型。工业中机器人的例子包括用于大型仓库的订单拣选机器人和农业机器人，它们可以通过编程在最佳时间采摘或服务。

每年，越来越多的公司意识到人工智能解决方案可以为运营带来好处和竞争优势。一些行业，例如医疗保健和银行业，拥有特别庞大且脆弱的数据集。对他们来说，人工智能的用处从最初的迭代就开始了。但如今，现代人工智能的范围和可访问性意味着它在几乎所有商业模式中都有相关应用。以下例子只是此类行业的一些例子。

• 医疗保健中的人工智能
  医疗数据集是世界上最大、最复杂且最敏感的数据集。人工智能在医疗保健领域的一个主要焦点是利用这些数据来寻找诊断和治疗方案以及患者结果之间的关系此外，医院正在进行转向人工智能解决方案来支持其他运营领域和行动。其中包括劳动力满意度和优化、患者满意度和成本节约等。 
• 银行业中的人工智能
  银行和金融机构对安全性、合规性和交易速度的需求越来越高，因此是人工智能技术的最早的采用者。人工智能机器人、数字支付顾问和生物识别故障检测等功能都有助于提高效率和客户服务，并减少风险和欺诈。了解银行如何利用数字化和智能技术推动最终服务。
• 制造业中的人工智能
  当设备和机器连接起来并通过中央系统发送和接收数据时，它们就构成了物联网网络。人工智能不仅处理这些信息，还用它来预测机会和干扰，并自动执行大多数操作佳任务和工作作为响应。在智能工厂中，该扩展 3D 打印机的继电器制造流程和虚拟库存。了解阿迪达斯如何在短短 24 小时内利用机器学习进行交付定制运动鞋。
• 零售业人工智能
  疫情对购物习惯产生了影响，去年同期网上购物大幅增长。这给职场人士带来了竞争激烈和快速变化的环境。在线购物者正在跨越广泛的接触点进行互动，并生成比以往更加复杂和非结构化的数据集。为了更好地理解和利用这些数据，研究员正在寻求能够处理和分析不同数据集的人工智能解决方案，以提供有用的意见并与客户进行实时交互。 

1948年，计算机科学先驱艾伦·图灵（Alan Turing）表示：“如果一台计算机能够欺骗人类并相信它是人类，那么它就应该被称为智能计算机。”尽管现代人工智能驱动的计算机的处理对图灵的速度和分析能力来说似乎是惊人的，但他可能已经理解能力水平所带来的道德困境。 随着人工智能越来越善于我们理解并模仿我们，它越来越像随着我们通过数字渠道生成越来越多的个人数据，我们越来越需要能够信任支撑我们许多日常活动的人工智能应用程序。以下是企业领导者需要了解和监控的道德挑战的一些例子。

• 2020年代客户数据的公平使用
  ，我们作为企业或个人共享和收集的大部分信息都是通过数字连接渠道完成的。截至2020年初，全球智能手机数量超过35亿部，所有智能手机都通过社交媒体和搜索行为共享大量数据，从 GPS 位置到用户的详细信息和偏好。随着企业个人更广泛地访问客户的个人信息，建立基准并不断发展协议以保护隐私并最大程度地降低风险变得更加重要重要。
• 人工智能偏见
  归因于算法编程中的人类偏见或通过机器学习过程中的错误假设传播的系统性偏见，偏见可能会渗透到人工智能系统中。在第一种情况下，更容易看出这是如何发生的的。但在第二种情况下，它可能更难发现和避免。人工智能偏见的一个明显的例子发生在美国医疗保健系统中，其中人工智能应用程序被用于分配护理标准。该算法清楚，某些人群群体支付医疗费用的能力较差。然后，根据这些信息进行推断，错误地群体认为不可能获得护理。发现这个不幸的计算机错误后，加州大学伯克利分校的科学家与开发人员合作了算法参数，从而将误差修改减少了84%。
• 人工智能透明度和可解释的人工智能
  人工智能中的透明度是指确定算法如何以及为何结果特定结论或决策的能力。 披露结果的人工智能和机器学习算法以及结果本身通常非常复杂，超出了人类的范围此类算法被称为“黑匣子”模型。对于企业来说，确保数据模型公平、公正、可解释和外部审查非常重要。尤其是在航空或医学等领域，人的生命受到威胁。 ，使用这些数据的人必须非常认真地对待数据治理举措，这一点至关重要。
• Deepfake 和假新闻
  Deepfake 是“深度学习”和“假”的合成词。这是一种利用人工智能和机器学习的技术，通常将一个人的视频中的特征叠加到另一个人的身体上，其准确性与原始场景没有区别。以纯真的形式，它可以产生令人惊叹的视觉效果，例如电影《爱尔兰人》中罗伯特·德尼罗和乔·佩西的30岁减龄效果。不幸的是的，它更常见的用途是创造可信的虚假新闻故事，或者将名人放入他们最初从未出现过的图形或忏悔视频中。