未來的企業(yè)，你需要有首席人工智能官

　　3. 更好地完成任務，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，完成任務服務需求。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注點，使用人工智能的知識和產(chǎn)品，完成更多的任務，服務于社會，產(chǎn)生商業(yè)價值。所以我認為更好地完成任務，是大部分企業(yè)面對人工智能可以關注的事。

　　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”，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)避風險和降低黑天鵝事件發(fā)生的概率，收集風險，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、數(shù)學、經(jīng)濟學、神經(jīng)科學、心理學、計算機工程、控制論、語言學等等，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的應用層面，由于被美國政府對NVIDIA的限制，導致天河二號雖運算快，但是由于GPU運算能力的缺陷，導致不同的技術引入的時候，會有各種適配的麻煩�？偠�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

　　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，我們稍后會有專題講解這些算法。

　　職能三 收集訓練數(shù)據(jù)：

　　機器學習，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習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習的數(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. 供應鏈管理系統(tǒng)，幫助企業(yè)管理整體的供應鏈，包括供應商、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. 客戶關系管理系統(tǒng)，以客戶作為核心，利用信息技術、互聯(lián)網(wǎng)等各種方法，管理企業(yè)和客戶之間的關系，挖掘客戶的全生命周期價值。