人工智能已經(jīng)推動了許多技術(shù)的發(fā)展，從而推動了現(xiàn)代經(jīng)濟(jì)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，高級工廠和自動化倉庫中也可以找到人工智能。它開始開我們的汽車，甚至吸塵我們的地板。但是，只有一小部分能夠從人工智能中受益匪淺的公司正在利用這種方法來幫助交付其產(chǎn)品和服務(wù)。

一個重要的原因是缺乏高質(zhì)量的數(shù)據(jù)。諸如Google，Microsoft和Amazon之類的技術(shù)巨頭已經(jīng)在AI方面取得了長足的進(jìn)步-開發(fā)軟件來回答我們的問題并確定照片中的內(nèi)容-因為它們進(jìn)行了大量的數(shù)據(jù)收集操作。但是，許多可以從人工智能和先進(jìn)機(jī)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(shù)據(jù)。

擁有高質(zhì)量和可信賴的數(shù)據(jù)是幫助公司更好地了解其市場和客戶并實現(xiàn)自動化決策的關(guān)鍵。在基礎(chǔ)架構(gòu)級別，數(shù)據(jù)可以指導(dǎo)規(guī)劃人員和開發(fā)人員，并幫助優(yōu)化建筑物，道路和鐵路的使用和維護(hù)。這也可以通過使我們的基礎(chǔ)架構(gòu)使用壽命更長，工作效率更高，減少能源浪費(fèi)和不必要的交通流量來減少碳排放。

人工智能的基礎(chǔ)

簡單來說，數(shù)據(jù)就是人工智能的基礎(chǔ)。要訓(xùn)??練AI執(zhí)行特定任務(wù)，通常需要通過其漸進(jìn)式學(xué)習(xí)算法來運(yùn)行樣本數(shù)據(jù)，以便它可以適應(yīng)和提高其識別模式并做出相應(yīng)響應(yīng)的能力。然后，某些AI可以自動執(zhí)行從新數(shù)據(jù)中發(fā)現(xiàn)有用信息的重復(fù)過程，甚至比人類更擅長發(fā)現(xiàn)模式或識別我們永遠(yuǎn)無法找到的事物。在某些情況下，AI處理的數(shù)據(jù)越多，它學(xué)會的功能就越好。

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)解鎖了這類高級分析方法。行業(yè)，如電信，汽車和金融服務(wù)正試圖趕上科技巨頭。但是，包括醫(yī)療保健，教育，政府和建筑在內(nèi)的許多部門仍未接近發(fā)揮數(shù)據(jù)和人工智能的全部潛力。

例如，加快醫(yī)療診斷速度并使其更加準(zhǔn)確，僅在美國醫(yī)療保健領(lǐng)域就可以節(jié)省4000億美元。但是，還沒有制定適當(dāng)?shù)囊?guī)則和激勵措施來鼓勵足夠的人與AI開發(fā)人員共享他們的醫(yī)療數(shù)據(jù)，因此該行業(yè)尚未意識到這種潛力。

那么，更多的公司如何開始收集可以幫助他們充分利用AI的數(shù)據(jù)呢?通常有幾個關(guān)鍵問題可以使公司退縮。所需的數(shù)據(jù)可能不存在，可能無法訪問(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，或者沒有被收集用于AI，因此沒有正確的信息。

可能也太多了。我們經(jīng)常聽到有關(guān)“大數(shù)據(jù)”，非常大的數(shù)據(jù)集的價值的信息，從中可以得出模式和其他有用的見解。但是收集更多數(shù)據(jù)并不一定總能帶來更好的分析結(jié)果，有時可能會不必要地變得復(fù)雜且占用大量資源。

這些問題通常是由于公司沒有正確的策略或?qū)I(yè)知識而發(fā)生的。研究表明，許多公司仍然缺乏專門的數(shù)據(jù)團(tuán)隊來確保收集，管理并正確使用正確的數(shù)據(jù)。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(shù)據(jù)分析。這表明，與傳統(tǒng)的大公司相比，創(chuàng)新型初創(chuàng)企業(yè)可以更了解數(shù)據(jù)的價值，并且足夠敏捷以有效地使用數(shù)據(jù)。