如何确保A.I.营养充足

人工智能就像孩子一样，需要合适的教育来激发他们的潜能，也需要合适健康的饮食——高质量的数据。

业务的快速增长亟需人工智能加快判断能力，但是在人工智能的黑盒子里，要考虑的东西很多。人工智能所做出决策的质量和数据质量息息相关。有一句老生常谈的话——“废料只能出废品”，对人工智能来说再合适不过。

为什么呢？比较一下下面两种方式的区别就知道了。一般的分析方案会提供一个特定顺序的结果关系图表。如果你问一个分析程序，为什么北方的销售业绩变差了，你就会得到一系列可能因素的列表：供应链问题、人口变动、社会媒体倾向等。然后需要人工评估这些结果，最后确定到底是哪一个因素。而人工智能给出的答案将会更直白，如果你问人工智能这个问题，你将会得到唯一一个确定的答案。就这样，非常简单。

人工智能的方法将会实现很多商业用户的梦想：问一个问题，得到一个确定的答案，然后自信地采取下一步行动。这将会节省时间，带来更快速、更优秀的商业决策。

但如果人工智能是错误的呢？更重要的是，商业用户如何才能知道人工智能出错了？因为这个原因，依赖人工智能要比依赖分析方案付出更多的信任。对首席数据官或数据科学家来说，训练一个人工智能是莫大的责任。

用来训练人工智能的数据必须要干净、有相关性、可追溯数据来源。人工智能要保持“膳食平衡”，需要满足一下几点：

确定范围

人工智能不能喝掉一个数据湖里面所有的水，这些数据是未经清理、打包和结构化的。根据CGOC(Compliance, Governance and Oversight Counsel)，公司产生的数据中，有将近70%是没有业务关系、没有价值的，所以你必须开发一种方式，来理解和确定数据的范围，和人工智能所能接受的数据标准。使用什么样的数据？什么样的类型？数据之间有什么样的联系？谁来为决定负责？

审核并管理资源

一旦确定了数据资源，你就需要确保数据的质量。为了提高人工智能的可靠性，你需要了解数据的可靠度、真实性和内容对数据集合的贡献。这些可以通过热图和可视化完成。

因为数据通常都是由多个资源复制过来的，数据科学家和项目专家必须有一系列的处理过程，包括确定数据位置、审核和跟踪。

标记和分类

你需要对数据进行标记和分类，以确保数据可以被正确地理解。由于人工智能的特殊性，元数据比其他数据更有价值。如果你在关注市场数据，那么你得到的元数据会包括社交媒体网站的图片、物理位置、时间戳、相机类型和一系列数字。在医疗方面，元数据包括病人的身份证生日、数据时间戳和必要的隐私内容。

跟踪反应和更新

最后，你必须有控制系统的能力，能跟踪使用信息并据此进行更新。

对人工智能莫大的讽刺是，这看起来是一项完全自主的计算过程，是数据自我处理的一个过程。实则需要人类在某一特定方面的知识来训练人工智能。只有认识到人类工作的重要性，才能让人工智能作出正确的决策，避免过度自信。作为“父母”，我们必须不断的、有耐心地训练人工智能，直到他们能非常优秀地满足我们的需求。