人工智能（Artificial Intelligence, AI）在近期引起了很多媒体的关注，许多公司都在急于弄清AI技术将会对他们造成何种影响。 大部分的媒体都致力于对研究领域的突破或新产品发布进行报道。 不过，企业要如何将AI融入其基础业务呢？ 在这篇博文中，我们分享了去年九月份在旧金山召开的AI大会上发表的讲话中的幻灯片和笔记，概述了AI的受接纳程度，并向有兴趣实践AI技术的公司提供了一些建议。

图1. 感谢Ben Lorica提供幻灯片。数据源：Google Trends

世界对AI重新产生兴趣，大部分要归功于深度学习。 深度学习领域的突破（特别是应用于计算机视觉和语音的技术）让人们对时下流行的人工智能应用可能做到的事情感到兴奋。 结果就是，公司开始研究把深度学习应用在他们熟悉的数据上，同时也会考虑他们尚未挖掘出价值的数据类型（例如图像，音频，视频）。

图2. 感谢Ben Lorica提供幻灯片。数据源：Google Trends

在本文后面的部分里，我们将为智能应用描绘出一种典型的技术栈。 在算法领域内，强调『AI应用程序并不仅仅依赖于深度学习』这一点是非常重要的。强化学习和依赖稀疏反馈等相关方法方兴未艾，对『如何建立起一套AI系统』产生了深远的影响。 像DeepMind的AlphaGo和Atari游戏系统这些突出的例证，是依靠我们把强化学习和深度学习或者其他方法整合起来才能实现的。

图3. 感谢Ben Lorica提供幻灯片。数据源：Google Trends

随着企业注意到并开始投资于人工智能的核心工具和方法，业界存在着对AI人才，尤其深度学习领域人才需求的巨大缺口。

我们也开始看到，在公开市场中，AI对企业估值产生着影响：想要与人工智能相关联的公司数量正在迅速增加。今年年初一份广为人知的图表显示，在季度收益报告中提到“人工智能”的公司数量大幅增加。

公司希望拥抱AI技术这一事实并不令人惊讶。最近经合组织的一项研究中发现，过去十年间，“最有生产力”公司和“最不具生产力”公司之间的差距扩大了。这项综合研究在24个国家的较长时期（1997-2014）对许多企业（包括制造业和服务业）进行了考察。所以，我们给企业传达的主要信息就是：“不要落伍！” 你要开始探索、学习AI将如何潜在地帮助你开展基础业务。

今天人工智能技术被采纳的程度如何？麻省理工学院斯隆管理评论最近对3000位高管、经理和分析师进行了一项调查。调查显示，大多数公司还没有采用人工智能技术，这令人惊讶。不到四分之一的人采用了AI技术，另有23％的受访者正在进行一些试点项目。54％的人表示他们还没有开始采用人工智能技术。

图4. 感谢Ben Lorica提供幻灯片。数据源：MIT斯隆管理评论

“麻省理工学院斯隆管理评论”的同一调查展示了，在进一步采纳人工智能这条道路上，企业可能会遇到的阻碍。

• 理解并已经采纳了人工智能技术的组织（“领导者”）指出：人才缺口，投资优先级发生竞争和对数据安全的担忧是他们的主要障碍。
• 与此同时，尚未采用人工智能（“被动”）的企业认为，需要确认商业用例，缺乏管理层支持，技术能力有限是其主要挑战。

图5. 感谢Ben Lorica提供幻灯片。数据源：MIT斯隆管理评论

与任何新技术一样，人工智能关心的仍然是人，尤其是那些可以将人工智能技术转化为最终应用价值的人。 LinkedIn最近进行了一项研究试图统计在个人资料中具备AI相关技术和技能的用户数量。 他们发现，美国人才储备遥遥领先。

图6. 感谢Ben Lorica提供幻灯片。数据源：LinkedIn

如果你知道LinkedIn在美国的用户数量最多的话，这也许并不奇怪。我们使用各国LinkedIn用 户数量进行归一化，美国仍然名列前茅，但其他国家可以吹嘘自己拥有更多的AI人才比例。

图7.  感谢Ben Lorica提供幻灯片。数据源：LinkedIn

求职者对AI的兴趣也从未停止增长。 越来越多的人正在寻找可以让他们使用、学习AI技术的职位。

我们自己也能观察到，企业对人工智能有关议题的兴趣有着爆发式的增长。 最近三年内，我们的Safari学习平台关于深度学习内容的用户一直在稳步增长。

图8.  感谢Ben Lorica提供幻灯片

当你开始你的旅程时，理解某些AI应用栈的核心组件是非常有用的。 机器学习是一个重要的部分，但它不是人工智能应用中唯一的部分。 最近加州大学伯克利分校RISE实验室关于下一代AI应用的论文描述了涵盖系统、信息安全和计算机体系结构的研究议程。

人工智能技术栈的某种形态包括：智能体（探索环境并且与环境交互）和配套的大规模机器学习、模拟后端平台。 硬件，软件，网络和交互/用户体验领域的进步将影响这些组件的发展。

图9.   感谢Ben Lorica提供幻灯片

刘绍山最近的一篇文章概述了自动驾驶汽车采用什么样的人工智能技术栈。 机器学习是一个重要的部分，但许多其他的技术和技术在共同发挥作用。  定制化的（或专用的）传感器和算法都是至关重要的。其他部分包括传感器和感知模块，人工规则集，以及硬件和算法方面的许多新进展——控制论，深度学习，计算机视觉，传感器融合和端机器学习。

图10.   经刘绍山同意，引用幻灯片

我们描述的技术栈，看上去对传统企业而言具有一定挑战性。好消息是，一些创业公司在努力开发全套解决方案。 AI工具的增加，计算技术的进步，加上公司需求的增长，促进了对初创企业的投资，它们可以帮助企业采用人工智能技术。

图11.   感谢Ben Lorica提供幻灯片。数据来源：CBInsights

但是您不该单纯的等待那些初创企业，指望他们能够提供您所期望的端到端解决方案。 您可以先了解现有的工具和技术，确定您领域内或行业内的商业用例，并从小型试点项目开始尝试人工智能。