”

IT領導者如今已經開始獲得人工智能和機器學習所承諾的回報。最近的一項調查表明，隨着人們遭遇經濟逆境，一半的企業正在考慮加大投資。

到目前爲止，很多人都知道，在當今時代，人工智能（AI）及其子集機器學習（ML）與人類智能幾乎沒有關係。人工智能和機器學習涉及識別數據模式和自動執行離散任務，從標記欺詐性金融交易的算法到回答客戶問題的聊天機器人。IT領導者很看作其巨大的潛力。

根據CIO-Tech公司今年2月發佈的一項IT領導者的調查，人工智能和機器學習被62％的受訪者認爲是最具顛覆性的技術，42%的受訪者認爲是影響最大的技術，在這兩種情況下，人工智能和機器學習的比例是其最接近競爭的對手大數據分析的一倍。令人印象深刻的18％的受訪者已經在生產中使用了人工智能和機器學習解決方案。

調研機構在今年7月進行了一項大範圍的業務影響調查，提出了一個更具挑釁性的問題：“貴公司有多大可能會增加對人工智能和機器學習的考慮，以此降低人力資本成本？將近一半（48%）的受訪者這樣做的可能性很大。這意味着，隨着經濟正在衰退，對人工智能和機器學習解決方案的需求可能會加劇。

現在是企業制定自己的人工智能和機器學習策略的時候了。爲此，行業媒體撰寫了一些文章，剖析了這些問題並提供了有意義的建議。

智能企業

儘管毫無疑問人工智能和機器學習會取代某些工作，但是Matthew Finnegan在發表的文章“人工智能在工作：你的同事可能蛤是一個算法”，着重討論了人工智能系統與人們合作以提高生產力的情況。最有趣的例子之一是“cobot”，它與工廠的工作人員一起工作以增強人員的能力。

但是有效的人工智能和機器學習解決方案有多種形式，例如行業專家Clint Boulton講述了一系列新的案例研究，這個名爲“5個機器學習的成功案例：內部觀察”的文章闡述了機器學習應用的最大亮點：預測分析以預測醫療保健結果，密集數據分析以個性化產品推薦，圖像分析以提高作物產量。現在有一個明確的模式：企業在某個領域看到機器學習成功後，類似的機器學習技術就會經常應用於其他領域。

行業專家Neil Weinberg在其發表的一份名爲“人工智能如何創建自驅動數據中心”的文章中着重介紹了人工智能和機器學習的高度實用的使用方法，並直接受益於IT技術。Weinberg表示，人工智能和機器學習可以處理電源、設備和工作負載管理，並在運行過程中不斷進行優化。在硬件的情況下，可以預測故障，無需人工干預。數據中心的安全性還得益於人工智能和機器學習功能，既可以警告管理員異常，也可以識別漏洞及其補救措施。

各種形式的機器學習通常始於發現大量數據的模式。但是在許多情況下，數據可能是敏感的，正如行業專家Maria Korlov在“企業的人工智能和機器學習項目的安全性如何？”文章中所述。 Korlov指出，數據安全性通常是事後纔想到的，這使得某些機器學習系統固有地容易受到數據泄露的影響。答案是從一開始就建立明確的安全策略，而在大型組織中，則要專門任命一名高管來管理與人工智能相關的風險。

那麼企業應該在哪裏構建人工智能和機器學習解決方案呢？行業媒體的特約編輯Martin Heller認爲，公共雲提供商提供了極具吸引力的選擇，但企業需要仔細選擇。Heller在其發表的名爲“如何選擇雲機器學習平臺文章”中概述了每個雲機器學習平臺應具備的12種功能以及需要它們的原因。由於有這麼多的數據分析工作負載轉移到雲平臺中，因此添加機器學習以獲得更大的價值是很有意義的。但是至關重要的是，企業應該確保可以利用最好的機器學習框架並受益於預訓練的模型。

人工智能達到人類的智能還有很長的路要走。同時，人工智能和機器學習將逐漸滲透到幾乎所有類型的應用程序中，從而減少繁瑣的工作並提供前所未有的功能。而很多IT領導者相信它將產生最大的影響。

相關文章