人工智能并不是一个新的名词，却是时下最热的领域，原因在于人工智能领域已经取得相当大的突破。机器视觉、语音识别、语义分析、智能助理以及各种生活和工业机器人的逐步普及.让人们对人工智能充满了希望。特别是2016年的春天.一场AlphaG。与世界顶级围棋高手李世石的人机对战，把全球推1二了人工智能浪潮的新高。当然我们并不打算在这里给人工智能下一个定义.因为最顶尖的人工智能学家都无法给出精准的定义。人工智能的进步更多地将帮助我们定义人类智能不是什么.而不是定义人工智能是什么。我们将着用探讨人工智能的普及将会给企业管理和运营带来什么。

.人工智能的两次崛起

1936年的夏天.一场在美国达特茅斯大学召开的学术会议，多年以后被认定为全球人工智能研究的起点。随之涌现出了逻辑学、神经网络，甚至机器学习的一些很基础的算法，人们梦想着能够赋予机器和人一样的智悬。整个20世纪60年代，人工智能的研究如火如荼，基本上现在人工智能的各个分支的一些基础的东西都已经研究出来了，这是人工智能第一次崛起。然后到了70年代中期的时候，突然就出现问题了。比如说当时就在想五年之后咱们就能攻克语音识别的问题。中实上40年之后才有像云知声这样的公司来攻克这样的问题。当时以为逻辑能攻克所有的问题，包括麦K锡这些宗师们发表了一大堆研究文章，然后发现建模的时候出现了各种问题。这就是人月神话，从知识到知识的工程中间存在一个巨大的鸿沟，那是五六卜年代没有想到的。还有神经网络，尽管神经网络这样的方法原本是为模拟人脑过程而开发的，但许多人工智能计划已经放弃了模仿生物大脑的概念。我们不知道大脑的工作方式，神经网络计算是非常有用的，但它们并没有模拟人类的思维。

有人就提出人匚智能不需要将雨点放到模仿大脑的生物过程上，而应该尝试理解大脑所处理的问题。可以合理地估计,人类使用了任意数届的技术进行学习，而不管生物学层面I二可能会发生什么。这可能对通用人工智能来说也是一样：它将使用模式四配（类似AlphaGo）,它将使用基于规则的系统（类似沃森）,它将使用穷举搜索树（类似深蓝）。沃森与阿尔法狗战胜人类的方式都非常类似：基于数据的人工智能，通过机器学习，借助大量的数据,对机器进行从不确定到确定、从低准确率到高准确率的训练。这有别于传统的人匚智能,传统人工智能被称之为IntelligentBehavior,主要是为了让机器表现得更像人。深度学习智能方法是：通过大质数据输入，根据输入数据的关联关系，逐步建立起知识体系架构，通过建立起来的知识体系去分析,模仿人脑去思考去创新；后续根据模仿人脑的思考、实践结果，不断完善建立起来的知识架构体系，让判断越来越精确。

为什么机器学习现在能够得到如此长足的发展呢，基本上机器学习的那些算法二三十年前就有了。有两个主要的因素：一个就是数据.由于网络的出现,人类可以随时随地地记录数据、收集数据、连接数据，并且这些数据的获取成本在大幅卜降，大量数据的获取极大地提高了机器训练学习的准确度；另一个因素是摩尔定律，计算能力的快速增长，比如IGoogle的猫脸识别，一千多台机器在跑，如果没有廉价的硬件成本，怎么可能做得到。机器学习因为有了廉价的数据成本，进入21世纪之后开始爆炸式增长.催生了人工智能的再次崛起。

.人工智能还是智能增强

人工智能的新闻报道聚焦于能够自主行为的机器自主系统.这么做有充足的理由：它有趣、性感且有点令人害怕。在观看人类辅助AlphaG。下棋的同时，很容易去幻想一个由机器主宰的未来。然而相较于自动化设备.人1智能有更多超过人类的东西。真正的价值人工智能或者智能增强都在哪里？人工智能还是智能增强。我们可能不想由一个人工智能系统来做决定,而可能想为自己保留决定权。我们或许想让人工智能通过提供信息、预测任何行动过程的后果并提出建议来增强智慧，而把决定权留给人类。尽管有点《黑客帝国》的感觉，但这个被人工智能所服务的增强我们的智慧而非推翻我们的未来会比服侍一匹脱缰的野马一般的人E智能有着更大可能性。

GPS导航系统就是一个用人工智能系统来增强人类智董的绝佳案例。给定一张适宜的地图，大多数的人都能从A点导航到B点.尽管这对于自身能力还有很多要求，尤其是在我们不熟悉的领域。绘制两个位置之间的最佳路线是一个棘手的问题,特别是当你考虑到糟糕的交通和路况时。但是除了自动驾驶的车辆，我们从未把导航引擎连接到方向盘上。GPS是一种严格意义上的辅助技术：它给出了建议.而不是命令。当一个人已经做出忽略GPS建议的决定时，你会听到GPS说“重新计算路线中”，那是它正在适应新情况。

类似Stitchfix的web应用也是人工智能，它增加了由时尚专家们运用推荐引擎所做出的选择。我们已经习惯了那些处理客户服务电话的聊天机器人,并经常被它们气坏准确度或高或低。你可能最后还是得同人类对话，而其中的秘密就是使用聊天机器人清理掉所有例行问题。让某个人类去抄录你的地址、保单号码和其他标准信息没什么意义。如果内容不是太多，计算机可以做得至少同样准确无误。下一代机器助理将是（或已经是）半自主性的。几年前，拉里?佩奇（LarryPage）说《星际迷航》中的计算机是理想的搜索引擎：它是一台能够理解人类、能消化所有可用信息、能在被提问之前就给出答案的计算机。如果你现在正在使用谷歌,当它笫一次告诉你由于交通堵塞要你早点出发赴约时,你可能会感到惊讶。

人工智能至少可以作为一个智能增强伴侣进入我们的生活和工作领域。当然对它的想象力远未止于此。

.人工智能在商业领域的应用：认知时代

认知计算是IBM提出来的，主要通过超级电脑沃森与人的自然语言交流不断学习，在从硬件架构到算法策略、从程序设计到行业专长等多个学术领域结合,能够使人们更好地从海量复杂的数据中获得更多的洞察，从而做出更精准的决策，是可以规模化学习、根据目标推理以及人类自然互动的能力的系统。认知计算的关键在于：通过人的自然语言交流学习.复杂的大数据的洞察，增强人类智慧。沃森通过学习人类的知识,建立广知识体系,并利用知识体系以及大属的数据，最后在危险边缘的游戏中取得胜利,技术体系加上通过学习建立起来的知识体系以及大家的数据一起可以称为认知计算。

将智能技术应用到商业领域早已有之，我们称之为商业智能.可以分为以下三个阶段：

第一阶段即早期的商业智能（BI）主要是分析智能,也就是借助BI工具，对已经产生的大量数据进行处理.通过数据分析找到数据之间的关联性.并对已发生事实做出结论或找到原因，比如提供报表，比如通过BII：具找到业绩突然增长的原因。

第二个阶段的商业智能是预测智能，主要借助一些数理分析工具,通过对历史数据的分析.预测未来可能发生的事情。比如通过统计学方法,可以预测某款产品的销斤t，并根据对未来的预测,做出一些商业决定，例如根据预测的销售量分布库存。

第三个阶段的商业智能是认知智能，也就是可以从发生的历史事件中学习知识，建立知识体系，并利用这个知识体系来对未来的事情做出决策。如当企业推出一款新产品的时候.企业对新产品的库存的全局优化.每次都用不同的统计方法做预测并制定策略，后来发现新产品库存总是参照一款老产品的库存策略，总能达到库存最低，客户满意度最高,于是每次都是建议产品库存优化采用这种方法。

人工智能能够分析大员的数据，学习训练，不断地建立知识体系，通过对实时数据的采集，判断分析，预测趋势，并能通过智能机器进行自动反馈。人工智能是企业未来的智慧大脑。

未来的企业将是一个彳“智慧”的生命体，我们称之为“智慧企业”。