论文部分内容阅读
在我们生活中的每一个角落、每一扇门背后，甚至是每一扇窗户都被嵌入了机器学习的人工智能所颠覆。在每种可能的新兴产品中，人工智能/机器学习解决方案的升级和广泛的全球可用性使得它们成为了大多数全球企业高管的重要考虑因素。许多零售和医疗保健管理人员都是人工智能/机器学习的早期采用者。
人工智能/机器学习（AI/ML）的早期采用者
作为早期采用者，只有对人工智能/机器学习认知过程有着更深理解能力的企业高管才能全心全意地在整个企业中部署人工智能/机器学习。其余大多数企业高管正在对人工智能/机器学习进行评估，衡量风险与回报。德勤、麦肯锡、普华永道（PWC）、Forrester和IDC等全球的顶级数据分析公司都在为这些高管服务，帮助他们评估人工智能/机器学习和可能的部署。调查显示，在人工智能/机器学习开发的早期阶段，高管们都会急于在整个企业中部署它们。
最近，随着高管们开始转而有计划地在有可能取得成功的部门展开试点部署，人工智能/机器学习的采用速度有所放缓。但是随着人工智能/机器学习产品和服务的开发，业界预测至少73%的企业高管将采用某种形式的人工智能/机器学习，他们的部署目的不是为了缩减人员，而是为了更有效地对人员进行重新定位，以最为经济有效的方式弥补能力上的短板。再培训不仅可以保持员工的忠诚度，促进公司的成长，而且还可以以较低的成本填补一些需求迫切的职位。
企业高管希望通过人工智能/机器学习将员工从以下工作中解放出来，同时提升服务质量：（1）客户服务与支持;（2）销售流程自动化和推荐;（3）威胁情报和预防;（4）欺诈分析和调查;（5）自动预防性维护。此外，还有一些高管希望通过将人工智能/机器学习系统用于交互式建议和推荐当中，以实现智能处理自动化。
零售业希望增加销售额并防范欺诈行为
据IDC、PWC、德勤和麦肯锡等全球知名分析公司预测，2019年在线销售额预计将比2018年增加44%，增长到358亿美元，全球零售业将在2019年投资约59亿美元用于人工智能/机器学习。银行计划在2019年投资56亿美元。零售业将把人工智能/机器学习系统重点用于客户服务、销售、威胁防护和防欺诈。同时他们还希望通过更快的实时服务和支持响应时间来提高客户满意度。零售业的高管们希望通过增加人工智能/机器学习专家来提高人工智能/机器学习购物推荐的准确性，从而提高销售额。通过持续的人工智能/机器学习实时客户培训，受过良好教育的买家会成为忠诚的客户，并能够促进销售额的增长。目前这一理念已经得到了业界专家的一致认可。
零售业高管的人工智能/机器学习“投资雷达”可以预防欺诈和阻止威胁。在线销售额预计到2020年将超过5910亿美元，到2023年将超过7354亿美元，届时欺诈损失可能会占收入的10%至85%，具体比例要取决于是否发生勒索软件攻击。尽管网络安全得到了强化，但是这一比例是完全无法预测的，因为尽管企业增加了在线保护的投资，但是没有人会知道效果到底如何。
每个客户都会为盗窃和欺诈行为买单，因为所有损失最终都会以某种方式传递到客户身上。企业高管是否应该像Facebook那样订阅他们自己的专用社区，这样不仅会增加客户互动和销售额，还可以帮助警察打击欺诈行为。通过用人工智能/机器学习欺诈预防系统标记社区内的威胁行为，可以启动基于策略的适当行动。通过人工智能/机器学习，零售企业还可以有效地减少因退款或拒收而导致错失销售机遇的情况，并以超过当前客户交付期望值的方式提高客户满意度。自动化的客户服务和支持代理（通常是聊天机器人）正在所有拥有在线业务的零售企业中被迅速采用。
对人工智能/机器学习语音识别系统的竞争将从移动和固定电话领域进入家庭领域。个性化的常见问题解答和答案，更为简便的操作和更为体贴的服务将会赢得更多的订单。提供产品描述、用途建议和必要警告的音频自动化将使得自动化偏好设置更为便捷。购物可以通过语音识别来完成。如果亚马逊的Alexa可以根據人类指令订购披萨，那么它们就可以通过人工智能/机器学习自动化指令订购披萨。这种自由性和灵活性也会带来一些问题。如今已经出现了针对Alexa和Siri的攻击，攻击者能够让Alexa和Siri打开银行账户并畅通无阻地进行大额购物。
人工智能/机器学习可帮助挽救更多生命
医疗管理人员正在迅速接受对人工智能/机器学习的投资，预计到2025年投资额将达到361亿美元。据分析师报告显示，今年（2019年）超过1/3的医疗服务提供商的高管们正在投资人工智能/机器学习。目前的数据分析表明，可以利用人工智能/机器学习管理许多艰巨的任务。例如，通过自助服务终端，在病人办理就诊登记时收集病史可以节约成本。自助终端不仅速度更快，而且获得患者个人数据的方式更加合规。从事医疗保健的专业人员希望患者自己输入其个人数据，这样可以防止输入错误或不准确。医疗管理人员认为这样做还会降低治理风险。为了保证准确性，这些数据还会被实时验证，与以前的数据登记记录进行对比（在可用的情况下）。
与其他数据源进行集成也已经在讨论之中，例如与执法数据库进行整合，以加强执法部门对犯罪分子的追踪和逮捕。虽然在某些情况下，隐私的重要性超过了便利性，进而导致一些讨论受阻，但病人可以选择医疗机构，选择接受治疗或不接受治疗，就像在线选择进入网站或拒绝一样。
我们的想法是物联网设备的切换和采用将与人工智能/机器学习结合在一起。个人数据可通过可穿戴设备，例如通过植入手臂的“芯片”或卡片上的磁条获得，这对患者和医疗机构都有着巨大的好处。除了储存在患者所携设备内的医疗数据之外，它们还可以对一些健康指标进行实时症状监测。人工智能/机器学习系统能够实时收集的生命体征，如体温、血压、心率和呼吸，并可在超过医疗阈值时向实时监控中心发出警报。
医务人员或人工智能/机器学习系统可以通过全球移动通信系统（GSM）和全球定位系统（GPS）借助语音确认患者是否需要帮助。毕竟，我们已经有类似的OnStar、Life Alert和ADT安全监控平台。当然，患者必须同意通过GSM和GPS系统进行监控，并通过设置允许将病史、实时生命体征、症状和位置提供给这些系统。选项设置便于患者提供许可权限和接受服务，从而实现挽救生命。 面部和语音识别可用于物联网设备
物联网设备和自助服务终端都可以使用语音指令。只需要扫描一下社保卡和驾照，患者登记程序就可以收集患者的病史，同时执行HIPPA和隐私政策以及授权签名和保险查验。先前的许可数据（如果有的话）也可以根据需要用于验证和更新。读卡器可用于扫描来自磁卡条的数据。
当然，通过物联网可穿戴设备，数据可以通过门禁监控系统传输到系统中。只需走过设置有人工智能/机器学习医疗设备的检测门或扫描区域，无论是作为患者还是访客进入设施，数据记录都会被自动传输至医疗设施系统中。当需要帮助时，只有需要更新的数据才会在下次到访时被上传。
为了防止在患者未到场的情况下个人数据被显示，面部和语音识别系统可以用来增强安全性并提供实时准确性。在事故发生后，救护车的照片会通过人工智能/机器学习门传送给患者。检测门监控系统可通过患者具有人工智能/机器学习功能的物联网可穿戴设备获取患者个人信息、病史和生命体征。紧急医疗技术人员（EMT）也可通过其携带的其他人工智能/机器学习设备在患者去医院的途中获取患者的生命体征、症状和其他数据。随后，医院监控系统可以优先安排医生、护士、医疗技术人员并为患者安排病房。紧急医疗技术人员还可以根据相关的测试和程序进行深度护理，在以前这些工作是无法想像的。
许多害怕会因此丧失匿名性的人认为这类系统会破坏个人自由，侵犯隐私。作为回应，我想问“如果你无法正常活动，生活只能依靠网络，那么你会在乎，甚至会考虑谁能够访问你的数据吗？”对于我来说，我会非常高兴有人能够分秒必争地拯救我的生命。有意思的是，我们应当如何以适当的角度实现即时性和现实性，以便在患者不同意时仍然能够采取适当的措施。
数据隐私会导致合规成本增加只是一种错觉，并且干扰了必要的护理。那些企图恶意增加我们成本的不法分子会伤害到那些正常需要数据为我们造福的人。打个比方，你真的认为如果有人一心想要闯入你家，你能够把他们拒之门外吗？在某种意义上，人工智能/机器学习至少为此提供了一种解决方案。
目前我们已经非常相信这些设备提供给我们的生命体征等信息。此外，人工智能/机器学习系统还可以通过给自助服务终端发送指令的方式收集相关数据。虽然人工智能/机器学习尚未发展成为一个完全可值得信赖的诊断和治疗平台，但是IBM的Watson已经证明它们可以提供一些精确的肿瘤诊疗方案供医生选择，并且获得了很高的成功率。Watson for Oncology使用自然语言处理和机器学习来提供治疗建议，目前该系统已经作为一种训练有素的认知计算系统被美国纽约斯隆-凯特琳癌症中心（MSK）所采納。IBM Watson吸收了来自医学文献、治疗指南、医疗记录、成像和实验室及病理报告的结构化和非结构化数据，同时还可利用MSK医疗人员的专业知识来制订治疗建议。
针对零售和医疗保健行业的人工智能/机器学习系统已经被早期采用企业的高管们广泛接受，并且正在迅速扩展，因为已证实的成功结果是共享的。随着人工智能/机器学习系统的准确性和熟练程度的提高，几乎所有行业都会受到它们的影响。未来，企业将会重新培训和保留人员以弥补短板，以便更为高效地保持弹性和关联性。尽管人工智能/机器学习可能会消除一些职位，但是从长远看人工智能/机器学习可使人员获得额外的教育机会和更高的薪酬职位，让所有人都从中受益。
我们需要让自己接受不断的教育，并及时了解自己可以为企业带来的价值。同时为了在未来的经济环境中找到指引和解决方案，从而体现自己的价值，我们还应该引导企业的领导层参与这些再培训。从现在开始，我们要为自己的职业生涯制订一个规划，其中包括对人工智能/机器学习的运用。
本文作者Robin Austin从事技术工作已有35年时间并且有着17年从事网络安全工作的经验，长期关注一些进化性、颠覆性和营利性的解决方案。
原文网址
https：//www.cio.com/article/3411057/why-ai-ml-is-top-of-mind-with-corporate-executives.html
人工智能/机器学习（AI/ML）的早期采用者
作为早期采用者，只有对人工智能/机器学习认知过程有着更深理解能力的企业高管才能全心全意地在整个企业中部署人工智能/机器学习。其余大多数企业高管正在对人工智能/机器学习进行评估，衡量风险与回报。德勤、麦肯锡、普华永道（PWC）、Forrester和IDC等全球的顶级数据分析公司都在为这些高管服务，帮助他们评估人工智能/机器学习和可能的部署。调查显示，在人工智能/机器学习开发的早期阶段，高管们都会急于在整个企业中部署它们。
最近，随着高管们开始转而有计划地在有可能取得成功的部门展开试点部署，人工智能/机器学习的采用速度有所放缓。但是随着人工智能/机器学习产品和服务的开发，业界预测至少73%的企业高管将采用某种形式的人工智能/机器学习，他们的部署目的不是为了缩减人员，而是为了更有效地对人员进行重新定位，以最为经济有效的方式弥补能力上的短板。再培训不仅可以保持员工的忠诚度，促进公司的成长，而且还可以以较低的成本填补一些需求迫切的职位。
企业高管希望通过人工智能/机器学习将员工从以下工作中解放出来，同时提升服务质量：（1）客户服务与支持;（2）销售流程自动化和推荐;（3）威胁情报和预防;（4）欺诈分析和调查;（5）自动预防性维护。此外，还有一些高管希望通过将人工智能/机器学习系统用于交互式建议和推荐当中，以实现智能处理自动化。
零售业希望增加销售额并防范欺诈行为
据IDC、PWC、德勤和麦肯锡等全球知名分析公司预测，2019年在线销售额预计将比2018年增加44%，增长到358亿美元，全球零售业将在2019年投资约59亿美元用于人工智能/机器学习。银行计划在2019年投资56亿美元。零售业将把人工智能/机器学习系统重点用于客户服务、销售、威胁防护和防欺诈。同时他们还希望通过更快的实时服务和支持响应时间来提高客户满意度。零售业的高管们希望通过增加人工智能/机器学习专家来提高人工智能/机器学习购物推荐的准确性，从而提高销售额。通过持续的人工智能/机器学习实时客户培训，受过良好教育的买家会成为忠诚的客户，并能够促进销售额的增长。目前这一理念已经得到了业界专家的一致认可。
零售业高管的人工智能/机器学习“投资雷达”可以预防欺诈和阻止威胁。在线销售额预计到2020年将超过5910亿美元，到2023年将超过7354亿美元，届时欺诈损失可能会占收入的10%至85%，具体比例要取决于是否发生勒索软件攻击。尽管网络安全得到了强化，但是这一比例是完全无法预测的，因为尽管企业增加了在线保护的投资，但是没有人会知道效果到底如何。
每个客户都会为盗窃和欺诈行为买单，因为所有损失最终都会以某种方式传递到客户身上。企业高管是否应该像Facebook那样订阅他们自己的专用社区，这样不仅会增加客户互动和销售额，还可以帮助警察打击欺诈行为。通过用人工智能/机器学习欺诈预防系统标记社区内的威胁行为，可以启动基于策略的适当行动。通过人工智能/机器学习，零售企业还可以有效地减少因退款或拒收而导致错失销售机遇的情况，并以超过当前客户交付期望值的方式提高客户满意度。自动化的客户服务和支持代理（通常是聊天机器人）正在所有拥有在线业务的零售企业中被迅速采用。
对人工智能/机器学习语音识别系统的竞争将从移动和固定电话领域进入家庭领域。个性化的常见问题解答和答案，更为简便的操作和更为体贴的服务将会赢得更多的订单。提供产品描述、用途建议和必要警告的音频自动化将使得自动化偏好设置更为便捷。购物可以通过语音识别来完成。如果亚马逊的Alexa可以根據人类指令订购披萨，那么它们就可以通过人工智能/机器学习自动化指令订购披萨。这种自由性和灵活性也会带来一些问题。如今已经出现了针对Alexa和Siri的攻击，攻击者能够让Alexa和Siri打开银行账户并畅通无阻地进行大额购物。
人工智能/机器学习可帮助挽救更多生命
医疗管理人员正在迅速接受对人工智能/机器学习的投资，预计到2025年投资额将达到361亿美元。据分析师报告显示，今年（2019年）超过1/3的医疗服务提供商的高管们正在投资人工智能/机器学习。目前的数据分析表明，可以利用人工智能/机器学习管理许多艰巨的任务。例如，通过自助服务终端，在病人办理就诊登记时收集病史可以节约成本。自助终端不仅速度更快，而且获得患者个人数据的方式更加合规。从事医疗保健的专业人员希望患者自己输入其个人数据，这样可以防止输入错误或不准确。医疗管理人员认为这样做还会降低治理风险。为了保证准确性，这些数据还会被实时验证，与以前的数据登记记录进行对比（在可用的情况下）。
与其他数据源进行集成也已经在讨论之中，例如与执法数据库进行整合，以加强执法部门对犯罪分子的追踪和逮捕。虽然在某些情况下，隐私的重要性超过了便利性，进而导致一些讨论受阻，但病人可以选择医疗机构，选择接受治疗或不接受治疗，就像在线选择进入网站或拒绝一样。
我们的想法是物联网设备的切换和采用将与人工智能/机器学习结合在一起。个人数据可通过可穿戴设备，例如通过植入手臂的“芯片”或卡片上的磁条获得，这对患者和医疗机构都有着巨大的好处。除了储存在患者所携设备内的医疗数据之外，它们还可以对一些健康指标进行实时症状监测。人工智能/机器学习系统能够实时收集的生命体征，如体温、血压、心率和呼吸，并可在超过医疗阈值时向实时监控中心发出警报。
医务人员或人工智能/机器学习系统可以通过全球移动通信系统（GSM）和全球定位系统（GPS）借助语音确认患者是否需要帮助。毕竟，我们已经有类似的OnStar、Life Alert和ADT安全监控平台。当然，患者必须同意通过GSM和GPS系统进行监控，并通过设置允许将病史、实时生命体征、症状和位置提供给这些系统。选项设置便于患者提供许可权限和接受服务，从而实现挽救生命。 面部和语音识别可用于物联网设备
物联网设备和自助服务终端都可以使用语音指令。只需要扫描一下社保卡和驾照，患者登记程序就可以收集患者的病史，同时执行HIPPA和隐私政策以及授权签名和保险查验。先前的许可数据（如果有的话）也可以根据需要用于验证和更新。读卡器可用于扫描来自磁卡条的数据。
当然，通过物联网可穿戴设备，数据可以通过门禁监控系统传输到系统中。只需走过设置有人工智能/机器学习医疗设备的检测门或扫描区域，无论是作为患者还是访客进入设施，数据记录都会被自动传输至医疗设施系统中。当需要帮助时，只有需要更新的数据才会在下次到访时被上传。
为了防止在患者未到场的情况下个人数据被显示，面部和语音识别系统可以用来增强安全性并提供实时准确性。在事故发生后，救护车的照片会通过人工智能/机器学习门传送给患者。检测门监控系统可通过患者具有人工智能/机器学习功能的物联网可穿戴设备获取患者个人信息、病史和生命体征。紧急医疗技术人员（EMT）也可通过其携带的其他人工智能/机器学习设备在患者去医院的途中获取患者的生命体征、症状和其他数据。随后，医院监控系统可以优先安排医生、护士、医疗技术人员并为患者安排病房。紧急医疗技术人员还可以根据相关的测试和程序进行深度护理，在以前这些工作是无法想像的。
许多害怕会因此丧失匿名性的人认为这类系统会破坏个人自由，侵犯隐私。作为回应，我想问“如果你无法正常活动，生活只能依靠网络，那么你会在乎，甚至会考虑谁能够访问你的数据吗？”对于我来说，我会非常高兴有人能够分秒必争地拯救我的生命。有意思的是，我们应当如何以适当的角度实现即时性和现实性，以便在患者不同意时仍然能够采取适当的措施。
数据隐私会导致合规成本增加只是一种错觉，并且干扰了必要的护理。那些企图恶意增加我们成本的不法分子会伤害到那些正常需要数据为我们造福的人。打个比方，你真的认为如果有人一心想要闯入你家，你能够把他们拒之门外吗？在某种意义上，人工智能/机器学习至少为此提供了一种解决方案。
目前我们已经非常相信这些设备提供给我们的生命体征等信息。此外，人工智能/机器学习系统还可以通过给自助服务终端发送指令的方式收集相关数据。虽然人工智能/机器学习尚未发展成为一个完全可值得信赖的诊断和治疗平台，但是IBM的Watson已经证明它们可以提供一些精确的肿瘤诊疗方案供医生选择，并且获得了很高的成功率。Watson for Oncology使用自然语言处理和机器学习来提供治疗建议，目前该系统已经作为一种训练有素的认知计算系统被美国纽约斯隆-凯特琳癌症中心（MSK）所采納。IBM Watson吸收了来自医学文献、治疗指南、医疗记录、成像和实验室及病理报告的结构化和非结构化数据，同时还可利用MSK医疗人员的专业知识来制订治疗建议。
针对零售和医疗保健行业的人工智能/机器学习系统已经被早期采用企业的高管们广泛接受，并且正在迅速扩展，因为已证实的成功结果是共享的。随着人工智能/机器学习系统的准确性和熟练程度的提高，几乎所有行业都会受到它们的影响。未来，企业将会重新培训和保留人员以弥补短板，以便更为高效地保持弹性和关联性。尽管人工智能/机器学习可能会消除一些职位，但是从长远看人工智能/机器学习可使人员获得额外的教育机会和更高的薪酬职位，让所有人都从中受益。
我们需要让自己接受不断的教育，并及时了解自己可以为企业带来的价值。同时为了在未来的经济环境中找到指引和解决方案，从而体现自己的价值，我们还应该引导企业的领导层参与这些再培训。从现在开始，我们要为自己的职业生涯制订一个规划，其中包括对人工智能/机器学习的运用。
本文作者Robin Austin从事技术工作已有35年时间并且有着17年从事网络安全工作的经验，长期关注一些进化性、颠覆性和营利性的解决方案。
原文网址
https：//www.cio.com/article/3411057/why-ai-ml-is-top-of-mind-with-corporate-executives.html