京公网安备 11010802034615号
经营许可证编号:京B2-20210330
人工智能大趋势下的选择
找到这个场景,并通过人工智能的方式获取数据,这才是大多数创业者应该好好琢磨的事情。对于某些创业者和投资人来说,这是一个真正大时代!
一、无意识中被人工智能控制
人是被系统控制的动物。这个系统的形成由规则和价值观、世界观所界定。规则是指人类确定的法律、经济、商业等法则。价值观和世界观是人关于对错行为的界定等。这些都会对人类的行为给出明确的边界,并最终控制人类的行为。
有个案例,《第五项修炼》一书中提到的啤酒游戏。游戏由顾客、零售商、制造商三者组成。它们通过订单和送货方式进行沟通:上游负责给下游供货,下游向上游下订单。
游戏的结果很有意思:不管参与者谁,跟你的社会地位、智商、性别、年龄、文化、职业等无关,最后的结果都是相同的:一开始缺货严重,最后库存积压严重。
在这个游戏中,规则一旦设定,所有人的行为模式都趋同。原因很简单,系统决定了你的选择,这个结构让所有人都倾向于采用类似行为,最后产生类似结果。不要自以为自己与众不同,或者运气更好,有更好的结果。
这个游戏也预示未来人工智能的世界会更加可怕:一个人已经被人工智能所控制,但还完全不知。这并不遥远。目前的弱人工智能已经在开始影响人们的选择。
比如说,我们购买衣服,你选择什么颜色,选择什么款式,看似是我们自己决定的。但随着系统对你了解越多,它会越来越推荐你可能会购买的衣服。获取资讯也是这样,今日头条等资讯内容渠道会根据你的阅读行为给你推荐信息,你跟它的互动越多,你留下的行为数据越多,它给你推荐的内容你会越来越感兴趣,把之前无法呈现的内容呈现在你面前,你的时间就会被它控制。
这个还是比较初级的人工智能优化。更深层的人工智能,将来的超级人工智能会把整个城市变成巨大的算法控制的机器智能。比如交通出行,它知道每个人要去哪里,会安排最合适的路线,由自动驾驶来实现,也不会堵车,人完全由超级机器智能控制。甚至连你要去哪里旅游,要购买什么商品,想听什么歌,看什么电影,玩什么游戏,是否要参加什么兴趣班,是否要贷款,是否换工作等等,通过万物互联的IOT,都能通过收集、分析、预测你的行为,最后无缝给你提供商品和服务。比如你最近突然对德国景点资讯感兴趣,系统根据各种行为预测你计划去德国旅行,它会帮你设计定好路线、安排好行程、定好酒店等。Uber或滴滴还会了解到你什么时候出行,在你出行前准备把车停在你家门口。从你有想法到最后实现的所有的服务,都有一个打包的商品和服务,你不用操心,甚至你要给谁带回礼物都给你做好提醒,并帮你购买。
今天,还远远做不到这么智能。但是未来人工智能就像人类的大脑,它是个机器,它没有情感,也没有所谓的明确意志,但是它通过机器学习,通过一些标注的数据,能够进行自我学习,最后能够识别数据,具备机器智能。IOT的万物互联则给机器大脑提供了各种数据素材,就像它的五官一样,最终把世界上的所有事物连接起来。包括人和物。
亚马逊的echo是智能音箱,但它不仅可以放音乐,不仅是它的全新的语音交互方式,更重要的是它连接了各种服务商,可以在上面购物,购买服务等。用户跟它交互越多,它越了解用户的需求。原先用户要购买一双球鞋,需要上网打开淘宝京东等,各种挑选后购买下单。而echo,则直接告诉它:我需要一双新球鞋,你有什么好建议。它可能会问你:你是不是还打算购买阿迪达斯的球鞋,尺码多少,颜色是什么样?最近有一款新的,价格多少?你是否需要。在得到你肯定回答后。当天或者第二天,球鞋就到你家了。所有的决策和支付在对话中完成。
这里的核心,不单纯是自然语音识别和自然语义的理解,更重要的是这个交互模式背后的支撑的服务商,他们通过这个语音交互跟用户连接在了一起。
二、大趋势下的选择
数据是人工智能时代的战略资产。所有人都非常明白这一点。关于底层的系统架构,大多数的创业者不用去考虑,主要是谷歌、亚马逊、阿里、腾讯、百度去考虑的事情。这个是基础生态。
对于更多的创业者来说,如何获取数据,如果在这个智能生态系统上通过场景应用去获得数据,在整个人工智能生态里面是有机会。
正如前面描述可以看到,距离超级机器智能时代还很远,这个很远,对创业者和投资人来说是巨大的机会,远比互联网和移动互联网时代更大的机会。之前只是卷入了这个世界上能够数据化的一小部分而已,而未来将卷入的是整个世界大大小小的事物。这个是何等壮阔的未来!
比如说跟传统行业合作,把数据标注好,在一个垂直领域建立人工智能的模型,不断地获取更多的数据,提供传统产业效率。在网上看到一个案例,原先卖风车的传统企业,卖完了,也不知道后续的情况,谁在用,损耗情况怎么样,什么时候需要更新,这些数据都不能及时获得。后来有家公司很聪明,就在风叶上加上传感器,每天都能获得这些最新的数据,包括风力的分布,风叶的损耗情况,是否需要更新,甚至风力分布也能知道。有了这些数据,就可以专心为风叶公司服务了,公司由生产商转型为服务商。原来做生产,产能过剩,利润微薄,但转型做服务,盈利就好起来。
金融、医疗、教育、传统制造业等几乎所有的行业都能参与到这个里面来。对于今天的创业者来说,人工智能的大趋势下,机器学习也好,IOT也好,都是为了提升效率的手段,更多在于找到高效获取数据的场景应用。
找到这个场景,并通过人工智能的方式获取数据,这才是大多数创业者应该好好琢磨的事情。对于某些创业者和投资人来说,这是一个真正大时代!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】客户、数据分析、指标体系、数据采集、数据指标、业务数据、分析思路、业务需求、分析方法 【专访摘要】本次 CDA ...
2026-07-24在数据分析、业务建模与数字化运营体系中,原始业务数据普遍存在缺失、重复、异常、口径不一致等质量问题,直接用于分析与建模会 ...
2026-07-24 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-07-24在数据驱动的精细化运营体系中,指标是业务判断、效果复盘、策略优化的核心依据。随着企业数据化程度提升,指标数量持续膨胀,但 ...
2026-07-23在用户运营与产品增长体系中,留存是衡量产品真实价值与用户粘性的核心标尺,也是决定用户生命周期价值、获客投产比的底层因素。 ...
2026-07-23 很多数据分析师精通Excel、SQL、Python等工具,但当被问到“面对一个具体的业务问题,该用什么分析方法”“描述性分析和诊断 ...
2026-07-23【核心关键词】埋点、产品、互联网、数据库、决策、数据分析、产品经理、商业模式、移动互联网、指标体系、运营模块、大数据平 ...
2026-07-22在高并发、大数据量的业务系统中,单表数据量达到千万级甚至亿级后,会出现查询性能骤降、索引维护成本飙升、存储扩容困难等问题 ...
2026-07-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-07-22在金融风控、企业运营、行业研究等数据分析场景中,大量数据以面板数据形态存在:例如多家分支机构连续多个季度的风险指标、多位 ...
2026-07-21 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-07-21一、活动介绍 2026暑期CDA备考冲刺季,为想利用假期拿证的你量身打造。考点胶囊内容搭配多重硬核福利,让你在旅行、实习、居家 ...
2026-07-21金融行业的运营风险贯穿业务全流程,涵盖交易欺诈、操作违规、流程漏洞、合规偏差、客户信用异常等多元场景,是银行、保险、证券 ...
2026-07-17财产保险作为金融行业的核心板块,涵盖车险、家财险、责任险、企财险等多元品类,是个人与企业抵御财产风险、经营风险的重要保障 ...
2026-07-17 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-07-17【核心关键词】模块、餐饮、客户、门店、企业、订单、供应链、多样化、产品、生产计划、数据分析、生产管理、物料管理、业务分 ...
2026-07-16在数字化分析时代,原始数据本身不具备业务价值,只有通过科学的统计学方法加工、拆解、验证与解读,才能挖掘数据背后的规律、差 ...
2026-07-16 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-07-16在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中,绝大多数业务数据都带有时间维度属性,例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15