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
在数据处理的全流程中,数据呈现与数据分析是两个紧密关联却截然不同的核心环节。无论是科研数据整理、企业业务复盘,还是日常数 ...
2026-03-06在数据分析、数据预处理场景中,dat文件是一种常见的二进制或文本格式数据文件,广泛应用于科研数据、工程数据、传感器数据等领 ...
2026-03-06在数据驱动决策的时代,CDA(Certified Data Analyst)数据分析师的核心价值,早已超越单纯的数据清洗与统计分析,而是通过数据 ...
2026-03-06在教学管理、培训数据统计、课程体系搭建等场景中,经常需要对课时数据进行排序并实现累加计算——比如,按课程章节排序,累加各 ...
2026-03-05在数据分析场景中,环比是衡量数据短期波动的核心指标——它通过对比“当前周期与上一个相邻周期”的数据,直观反映指标的月度、 ...
2026-03-05数据治理是数字化时代企业实现数据价值最大化的核心前提,而CDA(Certified Data Analyst)数据分析师作为数据全生命周期的核心 ...
2026-03-05在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27