亚历山大，人工智能到底是什么，我如何在我的业务中应用人工智能？
虽然我绝对不认为自己是专家，但我已经深入参与应用人工智能和商业人工智能应用一年多了，参加了 DeepLearning.AI、IBM、谷歌和沃顿商学院的十几门课程，以了解人工智能如何最好地实施/引入组织以提供可持续的价值。
几乎不可能将所有有关人工智能的信息放入一篇紧凑的文章中，但我正在尝试，出于对技术和人的热爱，以便您和您的企业可以从中受益。
几个月前我实际上写了一些关于这个主题的文章，但我被驱使写另一篇，因为我每天都对学习越来越多的人工智能感兴趣。
因此，接下来的文章将围绕人工智能在中小企业的实际应用展开。
首先，我们将研究人工智能的基础知识，以及其他主题，如技术和经济趋势和驱动因素、应用领域、风险和副作用，以及——现在越来越热：公司的实施策略。
我自己提供人工智能咨询，帮助中小企业了解如何以有利可图的方式使用人工智能，最重要的是，可持续地发挥自己的优势。因此，如果我文章中的信息还不够，请随时通过LinkedIn或 info@alexanderstahl.at 亲自与我联系 - 我很高兴与您交谈，特别是帮助其他人为自己和他们的业务使用这种迷人技术的广泛可能性。
但足够了，让我们在这个令人兴奋的，最重要的是实用的系列的第一篇文章中深入探讨中小企业的人工智能。
AI 的基础知识 — 简介
一段时间以来，人工智能系统已经产生了数十亿美元的收入。无论是iPhone上的Siri，G-Mail应用程序中的自动句子完成，亚马逊上的产品推荐，还是YouTube上适合我们口味的视频 - 大玩家长期以来一直在使用AI来优化他们的产品。
像电力或内燃机一样，人工智能是一种通用技术。
AI 驱动的解决方案可以：
-> 解决复杂任务：做出预测，并提出创造性的行动来实现目标状态。
-> 做出更好的决策：做出避免人为偏见的决策
-> 通过定制提供更多便利
-> 效率更高：比人类更快、更好、更便宜地完成各种工作。
大多数人在听到人工智能时都期待真正的奇迹。每天都向您推荐无穷无尽的工具，没有它们，您将无法再根据内容创建者的生活。注意闪亮物体综合症并专注于基本因素。
人工智能系统承诺：
- 更好的决策
- 新产品和服务
- 新市场
- 降低生产和管理成本
- 更高的销售额和客户满意度
- 以及更多。
人工智能软件在2025年的收入预测为100亿美元。由于计算能力的进步，使用人工智能驱动解决方案的成本每年都在下降，这些解决方案的采用正在飙升到未知的高度。
目前全球有9家AI解决方案市场领导者，而全球AI解决方案销售额的42%来自北美。
其中六人来自美国。其中包括Google，Microsoft，Amazon，Meta，IBM和Apple。三个来自中国，包括百度公司，阿里巴巴集团和腾讯。
我想在这一点上每个人都明白了——人工智能是本世纪各种规模的企业的终极游戏规则改变者。
用例几乎无穷无尽，但人工智能到底是什么？
人工智能是我们用来描述可以尽可能独立解决问题的“机器”的术语。它涉及算法、模型和技术的开发，使机器能够执行通常需要人类智能的任务。人工智能系统可以分析数据，从经验中学习，适应新信息，并根据模式和见解做出决策或预测。
自1956年约翰·麦卡锡（John McCarthy）创造该术语以来，它解决了哪些问题的想法已经发生了很大变化。在欣喜若狂的开始之后，由于缺乏计算能力，研究和开发在 1970 年代中期迅速达到极限。这种情况在 90 年代发生了变化，当时 IBM 用深蓝击败了当时的世界象棋冠军卡斯帕罗夫。从那以后，人工智能系统的发展只朝着一个方向发展——上坡。
人工智能解决方案
我们将根据三个标准查看AI解决方案：
- 他们的学习能力
- 他们的智力力量
- 以及人工智能领域使用的数学方法。
虽然学习系统可以比硬编码系统更灵活地对环境做出反应，并有目的地遵循新的路径，但学习和非学习系统都可以“智能”地独立解决任务。
硬编码系统不能通过经验改变其行为;它总是以相同的方式做出反应。系统根据预定义的规则执行某些操作。
硬编码系统的示例包括计算器、简单的聊天机器人、自动电子邮件回复、简单的文本翻译、数字日历、员工出勤跟踪器、发票生成器、任务管理工具、时间跟踪软件和基本 CRM。
然而，商业世界中的许多环境都需要学习系统。这就是人工智能发挥作用的地方。由于对所有潜在甚至可能的环境条件进行预编程是不可行的，因此企业转向采用机器学习等方法的学习人工智能系统。这些方法使系统能够适应不断变化的条件，并不断从经验中学习。
学习系统的一些示例是（但不限于）：
- **推荐系统：**亚马逊的产品推荐等人工智能驱动（机器学习）推荐引擎会根据顾客的浏览和购买历史向他们推荐相关商品。像Netflix和Spotify这样的平台使用人工智能根据用户的喜好和行为推荐电影、电视节目和音乐。
- 聊天机器人和虚拟助手： 公司使用 AI 驱动的（自然语言处理）聊天机器人来提供即时客户支持、回答查询并协助完成基本任务。
- 个性化营销： AI（机器学习）分析用户数据以个性化电子邮件内容和时间，从而提高参与和转化的可能性。广告商使用 AI 来分析用户行为和人口统计数据，以便向合适的受众投放相关广告。
- 预测分析： 零售商使用AI（机器学习）来预测消费者需求，优化库存水平并最大限度地减少缺货或积压情况。人工智能模型分析市场数据，以预测股价走势并为交易决策提供信息。
人工智能强弱
机器所需的技能取决于其所在的环境。以下功能在人类环境中很重要：
- 理解和说人类语言
- 获取知识
- 移动和操纵对象
- 学会适应新环境
- 识别物体并理解物体之间的关系
- 根据目标和知识做出决策
但是，这些能力只有部分机器，而不是全部。因此，区分了两种类型的人工智能：弱AI和强AI。
弱人工智能在单个领域帮助具有特定技能的人，例如翻译文本、检查产品质量或在医生办公室进行医疗诊断。
另一方面，强人工智能应该至少表现得和普通人一样聪明;它应该机械化人类的思维。
最接近我们关于强人工智能的想法的是像Siri或Alexa这样的数字助理，它们具有众多的功能。然而，事实上，这些也是弱人工智能。
数学方法
用于实现AI解决方案的数学方法（即算法）包括最近邻分类，支持向量机，基于知识的系统，决策树，神经网络，贝叶斯网络，回归和核方法等。
我想简要讨论四种常见的数学方法：
机器学习基于识别数据中的模式。在回归中，变量之间的关系是在现有数据 （f（x）=y 的基础上建立的。例如，该方法用于预测分析。与业务相关的实用示例包括销售预测和客户流失预测。
分类是机器学习中的一个基本概念，涉及根据数据的特征或属性将数据分类到不同的预定义组或类中。分类的目标是开发一个模型，该模型可以根据从训练数据中学习的模式准确地将新的、看不见的数据点分配给正确的类。实际应用中的分类任务示例包括垃圾邮件检测（将电子邮件分类为垃圾邮件或非垃圾邮件）、医学诊断（将患者分类为疾病类别）、图像识别（识别图像中的物体或动物）、情绪分析（将文本分类为正面、负面或中性）和信用评分（将信用申请人分配到不同的风险类别）。
聚类是指在数据集中发现相似性结构的方法。在聚类分析中，目标是识别数据中的新组。找到的相似对象的组称为聚类，组分配称为聚类。例如，这些组可用于数据挖掘，以检测图像处理中的模式或用于市场细分。聚类有许多应用，例如图像处理、异常检测和市场细分。
决策树是根据特征和条件做出决策和预测的强大工具。它们在分类以外的各个领域都有应用，包括游戏、导航和医疗诊断。但是，在使用决策树时，管理其复杂性并确保有效的资源利用率是重要的考虑因素。决策树可能会变得非常广泛，因此应用程序中可用计算能力和时间的有限性可能会遇到困难。两个示例应用是医学诊断，其中决策树通过遵循一系列症状和观察来帮助医生诊断疾病，以及财务决策，其中决策树可以通过考虑各种因素来帮助财务规划和投资决策。
总结
我们使用人工智能一词来描述可以独立解决任务的系统。随着时间的推移，人工智能系统可以解决哪些任务的想法发生了很大变化，反映了各种需求、希望和恐惧。
