人工智能已經(jīng)推動(dòng)了許多技術(shù)的發(fā)展，從而推動(dòng)了現代經(jīng)濟的發(fā)展。如今，人工智能已成為我們使用互聯(lián)網(wǎng)的重要組成部分，但在證券交易所，高級工廠(chǎng)和自動(dòng)化倉庫中也可以找到人工智能。它開(kāi)始駕駛我們的汽車(chē)，甚至吸塵我們的地板。但是，只有極少數能夠從人工智能中受益的公司正在利用這種方法來(lái)幫助交付其產(chǎn)品和服務(wù)。

一個(gè)重要的原因是缺乏高質(zhì)量的數據。諸如Google，Microsoft和Amazon之類(lèi)的技術(shù)巨頭已經(jīng)在A(yíng)I方面取得了長(cháng)足的進(jìn)步-開(kāi)發(fā)軟件來(lái)回答我們的問(wèn)題并確定照片中的內容-因為它們的數據收集操作非常龐大。但是，許多可以從人工智能和高級機器人技術(shù)中受益的成熟行業(yè)都在努力以有用的方式收集，管理和使用數據。

擁有高質(zhì)量和可信賴(lài)的數據是幫助公司更好地了解其市場(chǎng)和客戶(hù)并實(shí)現自動(dòng)化決策的關(guān)鍵。在基礎架構級別，數據可以指導規劃人員和開(kāi)發(fā)人員，并幫助優(yōu)化建筑物，道路和鐵路的使用和維護。這還可以通過(guò)使我們的基礎架構使用壽命更長(cháng)，工作效率更高，減少能源浪費和不必要的交通流量來(lái)減少碳排放。

人工智能的基礎

簡(jiǎn)單來(lái)說(shuō)，數據就是人工智能的基礎。要訓??練AI執行特定任務(wù)，通常需要通過(guò)其漸進(jìn)式學(xué)習算法來(lái)運行樣本數據，以便它可以適應和提高其識別模式并做出相應響應的能力。然后，某些AI可以自動(dòng)執行從新數據中發(fā)現有用信息的重復過(guò)程，甚至可以比人類(lèi)更好地發(fā)現模式或識別我們永遠無(wú)法找到的事物。在某些情況下，AI處理的數據越多，它學(xué)會(huì )的功能就越好。

但是，盡管有潛在的好處，但研究表明，在某些行業(yè)中，只有10%的公司已經(jīng)解鎖了這類(lèi)高級分析方法。行業(yè)，如電信，汽車(chē)和金融服務(wù)正試圖趕上科技巨頭。但是，包括醫療保健，教育，政府和建筑在內的許多部門(mén)仍未接近發(fā)揮數據和人工智能的全部潛力。

例如，加快醫學(xué)診斷速度并使其更加準確，僅在美國醫療保健領(lǐng)域就可以節省4000億美元。但是，尚未制定適當的規則和激勵措施來(lái)鼓勵足夠的人與AI開(kāi)發(fā)人員共享他們的醫療數據，因此該行業(yè)尚未意識到這一潛力。

那么，更多的公司如何才能開(kāi)始收集數據，以幫助他們充分利用AI?通常有幾個(gè)關(guān)鍵問(wèn)題可以使公司退縮。所需的數據可能不存在，可能無(wú)法訪(fǎng)問(wèn)(例如，因為它是私有的)，可能存在于太多有用的位置，源或格式中。它的質(zhì)量也可能有限，或者沒(méi)有被收集用于A(yíng)I，因此沒(méi)有正確的信息。

可能也太多了。我們經(jīng)常聽(tīng)到有關(guān)“大數據”，非常大的數據集的價(jià)值的信息，從中可以得出模式和其他有用的見(jiàn)解。但是收集更多數據并不一定總能帶來(lái)更好的分析結果，有時(shí)可能會(huì )不必要地變得復雜且占用大量資源。

這些問(wèn)題通常是由于公司沒(méi)有正確的策略或專(zhuān)業(yè)知識而發(fā)生的。研究表明，許多公司仍然缺乏專(zhuān)門(mén)的數據團隊來(lái)確保收集，管理并正確使用正確的數據。但是，我和我的同事最近進(jìn)行的研究表明，員工少于50人的技術(shù)公司經(jīng)常大量使用數據分析。這表明，與傳統的大公司相比，創(chuàng )新型初創(chuàng )企業(yè)可以更了解數據的價(jià)值，并且足夠敏捷以有效地使用數據。

如果可以從數據和人工智能中受益最大的傳統公司和其他組織希望能夠競爭，獲利并建立可持續發(fā)展的世界，則他們必須開(kāi)始擁抱數據。AI解決方案的質(zhì)量只能與它們建立的數據質(zhì)量一樣好。這意味著(zhù)要雇用合適的人員，并制定所需的策略以收集正確的數據，使其可訪(fǎng)問(wèn)，評估質(zhì)量，然后將其用于開(kāi)發(fā)AI解決方案。只有這樣，這些組織才能真正利用下一次工業(yè)革命。