#凯哥读报告#[010]给高管的人工智能指南

人工智能时代已经到来，所有的企业都在智能化的趋势下裹挟着前进，作为企业高管，你是否做好准备来迎接人工智能对于现有业务的改造，优化，提升，的这样一场革新呢？

这份报告用短短12页的篇幅，全面，充分，用恰到好处的深度接待了这个问题，给企业高管做了一个人工智能的学习指南，让他们能够快速理解人工智能是什么，能够用来作什么，是什么原理，从而能够从底层逻辑上指导企业的智能化转型。

人工智能的定义 ▲▲▲

AI is typically defined as the ability of a machine to perform cognitive functions we associate with human minds, such as perceiving, reasoning, learning, and problem solving. Examples of technologies that enable AI to solve business problems are robotics and autonomous vehicles, computer vision, language, virtual agents, and machine learning.

人工智能通常被定义为机器执行我们与人类思想相关联的认知功能的能力，例如，用作感知，推理，学习和解决问题的能力。利用AI解决业务的技术问题包括机器人技术和自动驾驶汽车，计算机视觉，语言，虚拟助理和机器学习。

机器学习的定义 ▲▲▲

Most recent advances in AI have been achieved by applying machine learning to very large data sets. Machine-learning algorithms detect patterns and learn how to make predictions and recommendations by processing data and experiences, rather than by receiving explicit programming instruction. The algorithms also adapt in response to new data and experiences to improve efficacy over time

通过将机器学习训练大数据集，已经实现了AI的最新进展。机器学习算法可检测模式并学习如何通过处理数据和来做出预测和建议，而不是通过接受明确的编程指令。该算法还可以适应新的数据和经验，以随着时间的推移提高效果。

不同于传统的描述性分析的能力，机器学习能够提供预测分析和处方分析能力：

预测分析（Prediction)

预测即将发生什么

处方分析（Prescription)

针对业务目标提供建议

监督学习/非监督学习/强化学习的关系 ▲▲▲

监督学习/非监督学习/强化学习适用的业务场景

监督学习/非监督学习/强化学习适用的工作原理 ▲▲▲

监督学习的主流算法及业务用例 ▲▲▲

非监督学习的主流算法和业务用例 ▲▲▲

强化学习的业务用例 ▲▲▲

深度学习的定义 ▲▲▲

Deep learning is a type of machine learning that can process a wider range of data resources, requires less data preprocessing by humans, and can often produce more accurate results than traditional machine-learning approaches.

深度学习是一种机器学习，可以处理更广泛的数据资源，需要较少的数据预处理，很少需要人类操作。

通常可以比传统的机器学习方法产生更准确的结果

卷积神经网络和递归神经网络的关系 ▲▲▲

卷积神经网络和递归神经网络的业务场景

卷积神经网络和递归神经网络的工作原理

卷积神经网络和递归神经网络的业务用例

为什么现在要使用AI？ ▲▲▲ 一句话，是因为算法的进步，数据的爆炸和算力/存储的指数级增长，给人工智能的利用带来了好的条件

读后感： 写报告难，写有干货，有深度的报告更难，凯哥坚持每周读多篇数字化相关行业报告，然后挑选不错的给大家。 看看，这里都是备选材料：

凯哥自己也在产出一个数据中台行业调研报告，但是读的报告越多，越不敢轻易发布，预计12月15号那个工作坊的培训上能出来的，大家静候佳音哈。