新書推薦:
《
数据有道:数据分析+图论与网络+微课+Python编程(鸢尾花数学大系:从加减乘除到机器学习)
》
售價:HK$
266.6
《
500万次倾听:陪伤心的人聊聊
》
售價:HK$
53.8
《
英国商业500年(见证大国崛起与企业兴衰,启迪未来商业智慧。)
》
售價:HK$
80.6
《
万千心理·儿童心理治疗中的心智化:临床实践指导
》
售價:HK$
87.4
《
自我囚禁的人:完美主义的心理成因与自我松绑(破除你对完美主义的迷思,尝试打破自我评价过低与焦虑的恶性循环)
》
售價:HK$
66.1
《
周易
》
售價:HK$
44.6
《
东南亚的传统与发展
》
售價:HK$
67.2
《
乾隆制造
》
售價:HK$
87.4
編輯推薦:
读者对象:
适合管理者、CEO和那些为他们的企业寻找人工智能开发指南的人阅读。
本书重点解读IBM公司、Amazon和Google等IT巨头企业将人工智能技术运用到IT商业应用中。总结了它们作为认知型企业的未来战略和技术布局。该书为人工智能技术在真实世界中应用提供了宝贵的指导。
內容簡介:
本书不仅概述了统计机器学习、神经网络、深度学习、自然语言处理(NLP)、基于规则的专家系统、物理机器人以及机器人过程自动化(RPA)等强大的技术,更解释了它们是如何使用的,以及大型商业企业(如亚马逊、谷歌、脸书)所做的人工智能工作,并概述了成为认知型企业的战略和步骤。适合管理者、CEO和那些为他们的企业寻找人工智能开发指南的人阅读。这本书主要关注企业如何利用人工智能认知技术来获得商业利益和竞争优势。
*章概述认知技术在大型组织和供应商中的总体使用背景。该章还介绍了七项关键技术和示例应用程序。
第二章探讨企业中人工智能所面临的一些机遇和挑战。提供了一项认知感知调查,几乎90%的受访者认为,认知技术对企业的产品和服务不仅重要而且非常重要。所有的受访者都认为认知技术会推动自身或行业的实质性变革。此外,还举例说明了认知技术在许多企业中的应用。
本书不仅概述了统计机器学习、神经网络、深度学习、自然语言处理(NLP)、基于规则的专家系统、物理机器人以及机器人过程自动化(RPA)等强大的技术,更解释了它们是如何使用的,以及大型商业企业(如亚马逊、谷歌、脸书)所做的人工智能工作,并概述了成为认知型企业的战略和步骤。适合管理者、CEO和那些为他们的企业寻找人工智能开发指南的人阅读。这本书主要关注企业如何利用人工智能认知技术来获得商业利益和竞争优势。
*章概述认知技术在大型组织和供应商中的总体使用背景。该章还介绍了七项关键技术和示例应用程序。
第二章探讨企业中人工智能所面临的一些机遇和挑战。提供了一项认知感知调查,几乎90%的受访者认为,认知技术对企业的产品和服务不仅重要而且非常重要。所有的受访者都认为认知技术会推动自身或行业的实质性变革。此外,还举例说明了认知技术在许多企业中的应用。
第三章描述大型企业的现状及人工智能的应用,讲解三种人工智能能力,即流程自动化、认知洞察力和认知互动,以避免认知技术之间的混淆和重叠。还提出了构建认知型企业的关键能力。
第四章介绍认知策略,描述人工智能战略的制订过程,以及与人工智能构建者相关的关键决策和人工智能系统的内容,给出涵盖多种认知策略的目标和过程,特别强调公司应该深入讨论人工智能能力对公司业务的意义。
第五章讨论人工智能任务、组织结构和业务流程三大主题,还给出认知技术目前可以执行的八种类型任务,并对每种类型的技术进行了描述。
第六章描述智能机器世界所需要的工作和技能,列举大规模自动化和大规模扩充的案例,指出组织在自动化方面可以采取的五个替代步骤。
第七章讨论认知技术的技术途径。从技术挑战、开发人工智能技术策略、实施认知策略、实施认知平台等方面提出了认知技术的战略观点,作为人工智能决策的指导。还讨论外部数据问题,这对于所有涉及认知技术的公司来说都将变得越来越重要。
第八章探讨人工智能的组织、社会和伦理含义,讨论在采用人工智能方面政府可能扮演的一些角色,指出人工智能及其相关技术具有良好的潜力。还提到人工智能认证的必要性,并给出人工智能认证的实例。
關於作者:
托马斯H. 达文波特(Thomas H.Davenport)
美国巴布森学院(Babson College)信息技术与管理专业杰出教授,获哈佛大学哲学博士学位,并先后授课于哈佛商业学院、芝加哥大学和波士顿大学。曾任埃森哲战略变革研究院主任,研究领域广泛,包括信息和知识管理、再造工程以及信息技术在商业中的应用。著有 Process Innovation: Reengineering Work through Information Technology等。2000年,他被CIO杂志评选为新经济十大杰出人物。
目錄 :
推荐序
译者序
前言
第一章 人工智能时代慢慢到来 1
第一节 逐渐实现认知 8
第二节 AI认知技术 11
一、统计机器学习 13
二、自然语言处理 16
三、基于规则的专家系统 18
四、物理机器人 18
五、机器人流程自动化 19
第三节 AI与厂商群体 20
一、谷歌 21
二、Facebook 21
三、IBM的沃森 22
第四节 这本书里有什么 24
参考文献 25
第二章 AI走进企业 28
第一节 认知技术在商业中的广泛理论基础 30
第二节 更多行业、更多功能 32
第三节 为什么只有大公司和科技初创企业 36
第四节 不仅仅是试水,但也没深潜 38
第五节 对公司来说还有哪些困难 41
参考文献 44
第三章 今天的企业在做什么46
第一节 认知项目全景图 47
第二节 AI能力的三种类型 48
一、流程自动化 48
二、认知洞察 51
三、认知互动 53
第三节 组合类别 55
第四节 成为认知型企业的步骤 56
一、理解技术与任务 57
二、建立在当前分析优势的基础上 58
三、创建一个优先级排序的项目集 59
第五节 开展试点或概念验证 62
一、认知工作再设计 64
二、专注于扩大规模并达成生产力收益 66
第六节 未来的认知型公司 67
参考文献 69
第四章 你的认知战略是什么70
第一节 认知技术的战略影响 72
第二节 问题、争议、机会战略 75
一、内部或外部目标 76
二、以客户为中心的战略 79
三、做好内部决策 80
第三节 开发新的或改进产品、服务 82
一、IT产品 82
二、产品和服务设计 84
三、非IT产品和服务 85
四、全新产品 86
第四节 新业务模式 87
一、汽车行业中AI驱动的新商业模式 87
二、初创企业和既定商业模式的持续性 89
第五节 为什么现有商业模型面对AI仍在坚持 92
第六节 认知战略的目标和流程 95
一、内容战略 97
二、人才战略 99
三、合作或收购策略 104
四、充满雄心的战略 105
第七节 基于国家的AI战略 107
第八节 取得战略进展 109
参考文献 110
第五章 AI任务、组织架构和业务流程 115
第一节 创建高颗粒度的预测和分类模型 117
一、流程应用 119
二、对组织的意义 119
三、广泛实施的挑战 120
第二节 执行结构化数字任务 122
一、流程应用 122
二、对组织的意义 123
三、广泛实施的挑战 124
第三节 操纵信息 125
一、流程应用 126
二、对组织的意义 126
三、广泛实施的挑战 127
第四节 理解人类的语音和文本 127
一、流程应用 128
二、对组织的意义 129
三、广泛实施的挑战 129
第五节 计划和优化运营 130
一、流程应用 132
二、对组织的意义 133
第六节 感知和识别图像 133
一、流程应用 134
二、对组织的意义 135
三、广泛实施的挑战 136
第七节 有目的地、自主地周游世界 138
一、流程应用 139
二、对组织的意义 140
三、广泛实施的挑战 142
第八节 评估人类情绪 143
一、流程应用 144
二、对组织的意义 144
三、广泛实施的挑战 145
第九节 对流程进行构架和(再)工程化的需求 146
参考文献 148
第六章 智能机器世界里的职业与技能 151
第一节 大规模自动化的案例 152
第二节 大规模增强化的案例 155
第三节 推进增强化或自动化 161
第四节 工作和技能的变化 166
一、未来工作的技能 168
二、公司和特定岗位的技能战略 170
三、是时候开始了 171
参考文献 173
第七章 认知技术的技术实现 176
第一节 技术挑战 176
第二节 制订AI技术策略 179
第三节 利用来自交易软件厂商的认知能力 181
第四节 机器人过程自动化作为入门级策略 183
第五节 利用厂商的帮助打造广泛的认知平台 185
第六节 建立多厂商及开源的能力 186
第七节 准备好数据 188
一、为蒙特利尔银行奠定数据根基 190
二、葛兰素史克经受的数据磨难 192
第八节 利用外部数据 196
参考文献 200
第八章 管理AI的组织、社会及伦理 202
第一节 Facebook的麻烦和AI干预 204
第二节 AI公平性与算法偏差 206
第三节 AI的透明度和可解释性 210
第四节 隐私和数据安全 213
第五节 AI的信任与披露 216
一、不要过度承诺 217
二、披露 218
三、模型和算法的认证 219
第六节 人类知识和技能的丧失 221
第七节 公司变革管理战略 222
一、增强化方法有很大帮助 224
二、变革管理在什么时候对谁最为关键 225
三、认知变革管理的常用方法 227
第八节 向国家和公司学习 227
第九节 总结和结论 229
参考文献 232
內容試閱 :
推荐序
当前,数字产业的繁荣依托于技术的快速演进,从物联网到基础设施的云化、业务的大数据化,再到现在的业务智能化,物联网 大数据 人工智能(AI)已构成了数字经济新业态。在技术的推动下,AI正不断地嵌入各行业的具体应用场景里,推动着决策与应用智能化,以及产业智慧化在中国生根发芽。
我执掌新华三集团以来,在助力百行百业实现数字化转型的过程中,对于AI技术的运用以及它对企业的益处有着很深的体会。AI不仅让企业在经营中的决策更为精准,也让各业务流程的效率大幅提高,并能有效降低成本。同时,AI还让企业自身的产品和运作都更加智能,进一步提升了市场竞争力。
对于人工智能的未来,本书的作者托马斯H.达文波特的很多理念与我不谋而合人工智能提供的商业价值是坚实的,它将改善产品和流程,使我们的决策更明智。此外,人工智能技术更不会取代人类员工,而是两者会更紧密地协作,共同提升整体业务的效能。
最后我想强调,机器思维无法替代人的思维,人的思维具有温度、情感和人文关怀等特性。未来在产业发展中,企业家们更要把握好人工智能与人文情感之间的关系,而这也是政府的责任。未来,我愿与各领域的朋友携手创新,为数字产业经济插上AI的翅膀,共同促进中国人工智能产业的健康发展,加速向智能 迈进!
紫光集团联席总裁兼新华三首席执行官 于英涛
译者序
回想1997年,IT行业最著名的事件应该是IBM的更深的蓝(Deeper Blue)再战国际象棋世界冠军卡斯帕罗夫,最终以2胜3和1负取得了胜利。它让所有人都看到了一种新的可能,即计算机所拥有的强大算力也可以完成原本只有人类智能才能做到的事。伴随着IBM沃森赢得《危险边缘》、谷歌推出无人驾驶汽车原型等热点事件纷至沓来,业界对AI的关注度不断提升。2017年5月AlphaGo战胜人类围棋第一人柯洁,无疑将人们对AI的热情推向了高点。
业界开始对AI认知技术进行更广泛的论述和思考,不仅局限于技术本身,还涉及AI是否很快就会颠覆大多数行业和职业,并出现了很多涉及AI伦理道德的讨论。纷纭的信息下,企业的管理者需要思考的问题包括:企业该如何看待AI认知技术?AI认知技术到底对企业有哪些影响?哪些将AI认知技术与业务结合的企业案例可供借鉴?只有理性看待AI,才能为企业制订最适宜的AI战略,从而提升竞争优势。
作为流程再造的奠基人、巴布森学院信息技术与管理专业的杰出教授,达文波特(Davenport)先生在本书中着眼于如何将AI革命引入商业,对企业管理者所关心的问题进行了深入的思考。作者曾担任过埃森哲战略变革研究院主任,所以能够不受大学课程内容的局限,从咨询顾问的视角更直接、更深入地洞察企业的现状、诉求和机遇。
达文波特先生在本书中首先摒除了很多对AI过于夸大的炒作,而是明确指出AI认知技术对于企业而言最大的价值在于提升运营。通过对大量案例的梳理,提出了企业制订认知战略的目标和流程。作为一本对AI进行全面论述的著作,达文波特先生还专门讨论了智能化环境中职业与技能的变革,并且提出了在组织中应该有专门的部门或者角色来整体考虑AI项目的优先级、相关人员的技能培养等,从而确保AI战略的成功落地。
作为本书的译者,无论是日常工作还是在编写其他书籍的时候,都阅读了很多AI相关的文献。然而,翻译的过程也是学习的过程,在翻译过程中,本人也从书中的大量案例及作者全局性的思考中受益良多。正如本书作者所说的:如果在这一领域无所作为或行事迟缓也是危险的。所以现在是企业开始主动拥抱AI的时候了,希望本书能够为企业管理者提供参考和借鉴。
李毅
新华三集团
新华三大学安全技术学院院长
前 言
我很早就对人工智能有兴趣。1986年我在技术管理研究中心PRISM(Partnership for Research in Information Systems Management,信息系统管理研究伙伴关系)担任主管,与已故MIT教授、业务重组大师迈克尔哈默(Michael Hammer)一起工作。我们对那一年的各种话题都进行了研究,我对其中一个叫作专家系统:前景与早期开发的话题十分感兴趣。专家系统(现在这个老旧的术语通常改称为认知技术)在那时是最令企业激动的AI技术(Artificial Intelligence,人工智能),它描绘了AI中成长速度最快的领域。
PRISM拥有50多个企业赞助商,其中很多都是专家系统的先行者。这个技术当时似乎已经准备好进入黄金时期了。我当时在马萨诸塞州剑桥市肯德尔广场上班,周围的所有人对AI的热衷都溢于言表。我的公司Index System是一家主营咨询业务的企业,但是我们也剥离出了一个创业公司Apex(Applied Expert Systems,应用专家系统)来开发用于财务规划的专家系统。MIT则建立了计算机科学与AI实验室(Computer Science and AI Lab,CSAIL)并持续运营到今天。从我的办公室沿街走过去就是Symbolics的总部,它是制造专用Lisp(一种适合于AI应用的开发语言)主机的领先型企业。顺便说一句,我记得在1985年3月15号Symbolics注册了第一个互联网域名:Symbolics.com。
几十年来,我依旧对技术及企业如何应用它们感兴趣。从20世纪90年代到21世纪头几年,我主要从事知识管理与分析(兴起于20世纪90年代后期),而AI正处于商业热情低迷的又一个寒冬期。然而,我始终对AI如何应用于商业非常感兴趣。在那个时代规则引擎还是支配性的技术,有些公司(包括埃森哲,我运营着它的一个研究中心)通过构建和使用规则引擎来赚钱。我和当时的埃森哲同事珍妮哈里斯(Jeanne Harris)开展了对规则引擎的研究。我们在2005年发表的文章Automated Decision-Making Comes of Age阐述了很多金融服务行业的公司通过该技术获取了可观的收益。但是根据谷歌学术检索的统计,它在我所有的出版物中被引用次数只排第86位,只有99位作者在出版物中提到它!
由于在过去的一二十年里我的大部分工作都涉及分析与大数据,我便努力紧紧跟随它的演进。在过去的两三年里它已经非常清晰地表明在向AI演进。在本书中,我将始终强调AI在很大程度上是一种分析技术,而且对于大多数使用它的组织而言,AI便是它们在数据和分析方面工作的直接扩展。
我在几年前就想下笔写这本关于企业应用AI认知技术的书。当新的技术出现时,通常我会把注意力放在企业上。我曾经写过一些关于企业资源规划(ERP)系统、知识管理、分析及大数据的书。但是几年前有效使用这些技术的大企业还不太多。于是我与朱莉娅柯比(Julia Kirby)一起写了另外一本书来探讨AI对工人及其职业到底意味着什么。但是当2016年那本书出版发行时,越来越多的企业已经纷纷投身到这股大潮当中。业界已然需要一本书来阐述人工智能及认知技术在主流商业环境中的发展路径。接下来便是我想在本书中要阐述的内容。