AI 时代已来，人工智能会不会让我们丢掉工作？

导语

人工智能（AI）将会取代您的工作吗？如果您曾在媒体上读过关于普华永道和麦肯锡报告的报道，您的答案应该是肯定的。但是如果您阅读了报告中的细节，那么答案有些微妙，甚至更乐观。

麦肯锡《Harnessing automation for a future that works》这一报告中的执行摘要里有一句话表示：“虽然所有职业中只有不到 5％ 的职业可以利用科技完全实现自动化，但是大约有 60％ 的职业中有超过 30％ 的部分可以实现自动化。“ 对于我来说，这句话听起来并不像是一些媒体所描绘的就业末日。事实上，如果我的工作中有 30％ 的部分是自动化的，那么我觉得我的工作效率将会提高很多。

此外，麦肯锡还表示：除了机器人之外，全球经济实际上需要每一个人的劳动来克服发达国家和发展中国家的人口老龄化问题。换句话说，人力资源的过剩比人力资源的短缺更不可能发生。

那么，您该如何从不同的观点中找到真相并解决对您业务的影响？

首先，请阅读下面的研究报告

机器学习，人工智能中的一个子集，几乎肯定会改变世界。它在过去 12 个月中所取得的进展证明了这一潜力。在 2017 年初，人工智能 Libratus 击败了世界上最好的职业扑克选手。 DeepMind 开发的 AlphaGo Zero 依靠自学成为了地球上最好的棋手。在去年 11 月， AlphaGo Zero 在不到 24 小时内成为了超越人类的国际象棋和将棋棋手。算法不仅变得更为强大，而且变得更加高效。

对于科技来说这显然是一个激动人心的时期，但对于分析师来说，这是否就意味着将解散您的团队并全力投入 AI ？我并不这么认为，事实上，我反对这个观点。Tim Harford 认为， AlphaGo 实际上是一个特例，而企业越来越少参与到开创性的科学研究中。不仅如此，想要找到能够成功运行机器学习项目的人才是一件非常困难的事。正如 “经济学家” 杂志（“ Battle of the Brains ”）报道的那样，大型科技公司在最聪明的那群人毕业前就已将他们纳入企业中了。

在参加任何商务科技会议时，议程中都充满了关于人工智能和机器学习的内容。在这些活动中，报告比上文所描述的尖端技术普通的多。目前的建议是从小的，明确定义的问题开始，这些问题可以对大数据集进行测试。这并不是因为专家们不够聪明，而是因为现实世界中的商业应用程序还没有媒体炒作的那么强大。

如果您不能参加像德国的 Hubb 或美国的 Strata 这样的会议，我推荐您阅读两本关于人工智能的书籍，它们描述了一些有用的情况。Garry Kasparov 的 《Deep Thinking》 是关于他在国际象棋中对抗计算机的历史，重点关注了 1997 年时他与深蓝的比赛。Kasparov 在整本书中交织了他对人工智能及其对社会和商业的影响的乐观看法。

与 Kasparov 的书形成一个很好对比的是 Cathy O’Neil 的《Weapons of Math Destruction》。人们越来越担心，在我们自问算法是否真的能帮助社会之前，它已经在我们的日常生活中蔓延（例如，教师评估和 You Tube 的儿童频道）。她的书令人清醒并希望号召每个人和政治家来审查我们是否能及时更改规则以跟上技术的发展。

下一步该做什么？从数据开始！

不管炒作什么，企业都需要开始考虑人工智能，机器学习和自动化，而且必须从数据开始。数据是所有 AI 系统的基础。但您首先需要有健全且成熟的数据管理实践。您还需要出色的人员才能完成这项任务：您的员工需要能够轻松分析数据并做出决策。如果这些没有到位，转向以人工智能为主的模型将会难以实现。如果人们不信任自己的数据，他们也不会相信 AI 的结果。

数据分析平台不仅应该强大，而且对其负责的团队必须具备良好的技能组合。传统的技能需求已经改变。现在，您需要 “ Fuzzies ” 和 “ Techies ”，才能在与传统分析师的对抗中取得成功。

当您在组织内部建立这种成熟平台时，首先需要确定走在前沿的团队。请问问自己，哪些团队拥有高质量，大数据集和严格定义的问题？哪些团队的分析成熟度最高？这就是开始基于人工智能决策的第一步，您应该拥抱而不是抵制人工智能，在这个过程中 AI 将会逐渐提高您的工作效率。

关于 AI 和机器学习，您是否也在惧怕着？认为人工智能会最终取代数据分析师的地位？不必迷茫，参与明天下午 2 点的网络分享会！ Tableau 将为您答疑解惑，让 AI 成为您最有力的伙伴！

BI 趋势 #1 —— AI 和机器学习

时间： 2018 年 3 月 22 日 周四下午 2:00 – 3:00

AI 和机器学习正在迅速成为分析师的有益补充，这堂网络讲座将带我们一探究竟。

此次讲座中您将听到以下内容分享：

机器学习以哪些方式帮助分析师

机器学习的不足之处以及需要留意的陷阱

为什么说没有人文背景的机器学习毫无意义

报名方式 ：