人工智能已經(jīng)推動了許多技術(shù)的發(fā)展，從而推動了現(xiàn)代經(jīng)濟的發(fā)展。如今，人工智能已成為我們使用互聯(lián)網(wǎng)的重要組成部分，但在證券交易所，高級工廠和自動化倉庫中也可以找到人工智能。它開始駕駛我們的汽車，甚至吸塵我們的地板。但是，只有極少數(shù)能夠從人工智能中受益的公司正在利用這種方法來幫助交付其產(chǎn)品和服務(wù)。

一個重要的原因是缺乏高質(zhì)量的數(shù)據(jù)。諸如Google，Microsoft和Amazon之類的技術(shù)巨頭已經(jīng)在AI方面取得了長足的進步-開發(fā)軟件來回答我們的問題并確定照片中的內(nèi)容-因為它們的數(shù)據(jù)收集操作非常龐大。但是，許多可以從人工智能和高級機器人技術(shù)中受益的成熟行業(yè)都在努力以有用的方式收集，管理和使用數(shù)據(jù)。

擁有高質(zhì)量和可信賴的數(shù)據(jù)是幫助公司更好地了解其市場和客戶并實現(xiàn)自動化決策的關(guān)鍵。在基礎(chǔ)架構(gòu)級別，數(shù)據(jù)可以指導(dǎo)規(guī)劃人員和開發(fā)人員，并幫助優(yōu)化建筑物，道路和鐵路的使用和維護。這還可以通過使我們的基礎(chǔ)架構(gòu)使用壽命更長，工作效率更高，減少能源浪費和不必要的交通流量來減少碳排放。

人工智能的基礎(chǔ)

簡單來說，數(shù)據(jù)就是人工智能的基礎(chǔ)。要訓(xùn)??練AI執(zhí)行特定任務(wù)，通常需要通過其漸進式學(xué)習(xí)算法來運行樣本數(shù)據(jù)，以便它可以適應(yīng)和提高其識別模式并做出相應(yīng)響應(yīng)的能力。然后，某些AI可以自動執(zhí)行從新數(shù)據(jù)中發(fā)現(xiàn)有用信息的重復(fù)過程，甚至可以比人類更好地發(fā)現(xiàn)模式或識別我們永遠無法找到的事物。在某些情況下，AI處理的數(shù)據(jù)越多，它學(xué)會的功能就越好。

但是，盡管有潛在的好處，但研究表明，在某些行業(yè)中，只有10%的公司已經(jīng)解鎖了這類高級分析方法。行業(yè)，如電信，汽車和金融服務(wù)正試圖趕上科技巨頭。但是，包括醫(yī)療保健，教育，政府和建筑在內(nèi)的許多部門仍未接近發(fā)揮數(shù)據(jù)和人工智能的全部潛力。

例如，加快醫(yī)學(xué)診斷速度并使其更加準確，僅在美國醫(yī)療保健領(lǐng)域就可以節(jié)省4000億美元。但是，尚未制定適當(dāng)?shù)囊?guī)則和激勵措施來鼓勵足夠的人與AI開發(fā)人員共享他們的醫(yī)療數(shù)據(jù)，因此該行業(yè)尚未意識到這一潛力。

那么，更多的公司如何才能開始收集數(shù)據(jù)，以幫助他們充分利用AI?通常有幾個關(guān)鍵問題可以使公司退縮。所需的數(shù)據(jù)可能不存在，可能無法訪問(例如，因為它是私有的)，可能存在于太多有用的位置，源或格式中。它的質(zhì)量也可能有限，或者沒有被收集用于AI，因此沒有正確的信息。

可能也太多了。我們經(jīng)常聽到有關(guān)“大數(shù)據(jù)”，非常大的數(shù)據(jù)集的價值的信息，從中可以得出模式和其他有用的見解。但是收集更多數(shù)據(jù)并不一定總能帶來更好的分析結(jié)果，有時可能會不必要地變得復(fù)雜且占用大量資源。

這些問題通常是由于公司沒有正確的策略或?qū)I(yè)知識而發(fā)生的。研究表明，許多公司仍然缺乏專門的數(shù)據(jù)團隊來確保收集，管理并正確使用正確的數(shù)據(jù)。但是，我和我的同事最近進行的研究表明，員工少于50人的技術(shù)公司經(jīng)常大量使用數(shù)據(jù)分析。這表明，與傳統(tǒng)的大公司相比，創(chuàng)新型初創(chuàng)企業(yè)可以更了解數(shù)據(jù)的價值，并且足夠敏捷以有效地使用數(shù)據(jù)。

如果可以從數(shù)據(jù)和人工智能中受益最大的傳統(tǒng)公司和其他組織希望能夠競爭，獲利并建立可持續(xù)發(fā)展的世界，則他們必須開始擁抱數(shù)據(jù)。AI解決方案的質(zhì)量只能與它們建立的數(shù)據(jù)質(zhì)量一樣好。這意味著要雇用合適的人員，并制定所需的策略以收集正確的數(shù)據(jù)，使其可訪問，評估質(zhì)量，然后將其用于開發(fā)AI解決方案。只有這樣，這些組織才能真正利用下一次工業(yè)革命。