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
一、问题:为什么 ID 会"断号" 很多刚接触 MySQL 的同学都会有一个困惑:表里的主键 ID 是自增的,删了中间几行数据之后,ID 变 ...
2026-10-22一、问题场景:为什么会重复 JOIN 同一个子查询 在写复杂 SQL 时,经常遇到这种需求:同一张表或同一个聚合子查询,要和主表关联 ...
2026-10-22人力资源专员是HR体系的执行入口。招聘信息发布、简历初筛、面试安排、考勤汇总、入离职手续、劳动合同与档案管理,大多由这个岗 ...
2026-10-22人力资源经理问“必学技巧”,真正要解决的不是知识清单不够长,而是时间有限、业务催得紧,学完却用不上。更有效的路径是:先用 ...
2026-10-22内容营销岗位的核心任务,不是“把文案写得更漂亮”,而是围绕目标受众,用持续的内容供给影响认知、推动转化并沉淀复购。它至少 ...
2026-10-22理财经理培训课程很多,难的是判断“先学什么、后学什么、学完能做什么”。与其按课程名称罗列,不如先看岗位任务:客户分层与维 ...
2026-10-22理财经理的知识结构,可以先用一句话概括:合规与产品知识决定“不出错”,客户经营与资产配置决定“够不够专业”,市场研判与数 ...
2026-10-22经济学背景做数据分析,优势不在工具,而在问题意识:供需如何相互作用、成本与收益如何权衡、变量之间是相关还是因果。真正的缺 ...
2026-10-22需要,但要把“需要”理解准确。经济学本身就在处理数据:GDP、物价、就业、企业营收、问卷调研,都是经济分析的原料。真正的区 ...
2026-10-22经济学分析能力不是单一技能,它至少由三层构成:把现实问题转成可检验假设的理论框架能力、用数据与统计方法验证假设的工具能力 ...
2026-10-22金融分析师的知识提升,先补的不是更多模型,而是让结论可复核的底层能力。按任务顺序,大致是四层:财务与业务理解、指标口径管 ...
2026-10-22金融分析师的“通用技能”,指换到不同机构、不同行业组仍用得上的底层能力,而非某家公司内部系统的操作经验。按任务拆,日常要 ...
2026-10-22先给结论:数据分析证书不是金融分析师的准入条件,招聘方也不会因为一张证书就直接判断你能做分析。要不要考,取决于你当前任务 ...
2026-10-22金融分析师的核心技能,不是“会看K线”或“会讲宏观”,而是能把一家公司、一个行业或一类资产,转化为可核查的数据判断与书面 ...
2026-10-22产品经理的知识提升,不是把需求文档、原型、SQL、数据分析、项目管理都学一遍,而是先对准目标岗位的真实任务,找出自己最缺的 ...
2026-10-22产品专员提升工作知识,最有效的方式不是先囤课程,而是围绕日常交付的四件事来补:需求调研与优先级判断、原型与PRD表达、竞品 ...
2026-10-22产品运营专员提升个人能力,常见误区是先把Excel、SQL、Python列成一张学习清单,然后从第一个工具开始学。更有效的做法是先回答 ...
2026-10-22产品运营的能力提升,最怕从“课程目录”出发:今天学增长模型,明天背SQL语法,学完却说不清自己负责的功能为什么激活率低。更 ...
2026-10-22产品经理的技能和影响力不是两条分开的赛道。技能决定你能不能把问题分析清楚、把方案设计对;影响力决定你的判断能否被团队接受 ...
2026-10-22产品经理要学的数据分析能力,不是“会写SQL”或“会用BI工具”这么简单。更准确地说,是围绕需求评估、功能迭代、指标监控、实 ...
2026-10-22