【人工智能】德勤成功拥抱人工智能的十大经验教训分享！

人工智能早期的形式越来越受到企业数字化运营和降低成本的企业的青睐，但它仍然处于起步阶段，虽然大多数组织正在探索技术的好处，但实际上实施它的人通常还在执行方面苦苦挣扎。在全球人工智能市场前沿的基础上，德勤人工智能智能专业技术中心（AICE）为人工智能提供了十大经验教训。

1.确保领导层的支持，并将AI纳入战略

人工智能组织的建立可以被看作是一种组织变革，而且或多或少的一切变化、变革需要得到领导层的支持并制定明确的愿景。一个组织的领导层必须支持建立一个人工智能组织，并准备为其提供资金也给予足够的时间。例如，为了管理AI社区，尝试执行这种新技术。当然，领导层也要了解这项投资的用处和必要性。领导者应该始终认识到AI可以实现的业务需求是什么，以及技术将如何影响整个组织。德勤（Deloitte）英国人工智能与认知计算（AI＆Cognitive Computing）的总监马修•霍华德（Matthew Howard）在最近举行的关于人工智能如何改变合作模式的圆桌讨论会上指出，顾问是保持人工智能的这种方式的关键。霍华德认为，“顾问在满足作为人工智能生态系统一部分的市场需求方面发挥着关键的作用，因为他将业务需求与技术结合在一起”，然后他才提出咨询顾问很快就能在帮助企业领导者在他们的组织中嵌入人工智能，“也许我们会很快看到第一个数据科学家的合作关系。”

2.建立员工对AI的普遍认识

即使是技术驱动的组织变革，也必须要关注人力劳动。让员工接受和参与AI的实施是成功实施的关键。要做到这一点，重要的是管理人员要了解AI，并了解AI会如何影响他们的组织。对于人工智能，这是很难的，因为它的潜力还有待实现，这是无形的。正如德勤所看到的，一个方法就是让领导者开展宣传活动，帮助员工意识到人工智能。德勤通过该公司的AI——一个被称为AIME的同事做到了这一点。这个自学机器通过在工作场所与他们交互，可以将公司的员工介绍给AI。这激起了他们的好奇心，并鼓励员工自愿报名参加，以了解更多关于这个主题的知识。

3.获取人工智能专家，从拥有技术背景的人开始

在AICE之前，德勤的许多人已经在组织的许多不同部门与AI开始进行合作。公司遇到的一个问题是，一个业务部门的人员有时不了解另一个业务部门正在进行的活动。因此，第一步是确定组织内已经发生了什么，并将所有技术AI焦点的人聚集在一起。首先让涉及技术背景的人来开始这项工作有很多优点。他们通常是“早期采用者”，因此对这个主题有了更多的了解，所以他们已经知道什么是（甚至是不是什么）可能的，他们往往更多地被内容驱动，而不是被商业驱动。这意味着他们可以很快找到关于内容的共同点，这意味着部门的边界会消失。这在建立一个组织范围的社区时，很重要。因此，德勤在每个业务部门都任命了一名技术AI领导。在选择正确的人时，内在动机比工作更重要。然而，我们要求更高层的人考虑谁是他们单位的合适人选。除了内在动机之外，对于被选中的人来说，了解人工智能是重要的，例如，他们已经将其纳入了年度计划，以便他们能够并且能够花时间讨论这个问题。

4.做出选择并设定明确的目标

再加上所选的AI技术领袖，德勤在多次会议上制定了联合年度计划。这是一件很重要的事情，把所有不同的雄心都带进生产线，并做出选择。在做出选择时，考虑（技术）可行性是很好的。在制定年度计划时，在开始的时候加入“采摘低挂果”是明智的做法，以实现轻松的胜利并帮助建立动力。例如，通过交流在人工智能领域已经发生的事情或取得快速的成功，在团队和组织的领导中对这样一个计划的信心可以增加。

5.建立AI社区，但要有选择性

在获得技术社区的照片之后不久，德勤收到了更多“业务重点”人士的要求，成为AI界的一员。在每个业务部门，该公司任命了一名AI业务负责人，而且该组织发现，除了（和任命后）技术人员之外，涉及业务重点的人员也具有各种优势。技术人员经常会关注他们的技术解决方案，但是如果过分的话有可能带来一些不是基于实际业务问题（“为了发展而发展”）的风险。以业务为中心的员工与客户保持密切联系，因此他们可以识别组织实际面临的问题。通过涉及这两个组织，组织可以创建一个能够为客户提供最佳解决方案的情况，尽管在AI组织中让两个组织参与进来是非常重要的。技术社区的兴趣常常对商业社区不感兴趣，反之亦然。因此，德勤有意识地决定合作一些活动（例如一些社区活动），并保持其他活动（例如培训课程）的开展。值得注意的是，德勤通过开发基于人工智能（AI）的新方法来部署这种平衡行为，可以在瞬间产生战略性的市场分析和基准报告。在 DeloitteSmartReports.com可以快速浏览数十万个数据集，以一名人力顾问的一小部分成本来定制质量报告。据荷兰德勤负责人Ewout Bolhuis介绍，这项服务的开发是围绕客户的需求进行的，为了发展，避开了发展，同时了解了人工智能的局限性。 “我们已经实现了整个流程的自动化，客户可以在不需要人的情况下订购、支付和接收报告，”他解释表示，“这些报告是我们现有产品系列的完美补充，因为它们允许企业看到竞争对手正在创新的领域。”为了实现这种均衡的员工队伍，对于有业务重点的人来说，德勤的工作是让他们在日常工作中专注于人工智能，而并没有只让那些只对社区的主题感兴趣的人参与。相反，鼓励这一批员工参加关于AI 的会议，这将给他们一个AI的基本知识。德勤还将其IT部门和风险声誉办公室纳入了该组织，使他们能够为社区（例如购买软件）提供最佳便利，同时确定并快速解决数据和隐私问题。这种分类方法产生了以下几组群体：·具有AI技术知识的员工·具有AI业务知识的员工·其他员工

6.在组织中勾勒出明确的期望，并且切合实际

AI不是万能的。特别是在任何AI计划的第一阶段，管理AI的期望至关重要。总的来说，在组织内部有两个关于AI的误解：1.人工智能是解决所有问题的方法2.该组织已经能够用AI来做所有事情领导层和销售人员理解AI的当前可能性是非常重要的。这可以防止出现尴尬的情况，例如，事情是承诺，还不能实现。为了能够最终成为一个组织，在这个初始阶段，重点必须是建立一个社区，获得经验和试验。因此，在这个第一阶段销售是有限的或者缺乏的，可能比想象的要少，试验时会犯错误。该组织的领导层必须有勇气投资，尽管可能遭受挫折，仍然需要保持长远眼光。

7.确保技术支持，并从任命一名项目经理

在计划中投入的时间和金钱也被用来促进在信息和通信技术领域的社区。例如，组织应考虑建立一个数据平台，共享代码或配置协作工具的代码库（GIT），以及任命程序管理员。如前所述，德勤由多个业务部门组成。尽管所有单位属于同一个组织，事业单位可能有意识和无意识的选择、妨碍知识共享。由于创新部门服务于全公司的广泛利益，因此该部门更容易在此过程中发挥连接作用。

8.列出AI的能力

当领导者确定了社区的时候，重要的是要调查哪些能力组织在哪个层面上可用。这可以清楚地了解哪些业务部门进展顺利或落后，哪些AI技能缺失，哪些专家可以找到。这个分析的结果形成了AI培训计划（什么样的培训，对谁，什么时候）和社区成员在工作流（业务，技术）和级别（潜力，专家）的分类。

9.提供一个安全的学习环境

很多人不熟悉AI。这是一个非常广泛的领域，例如，人们很有可能遇到分类问题，但从来没有对自然语言处理做过任何事情。结果，社区成员很可能还不知道或理解某些方面。提问是至关重要的，公司应记录所学的东西并分享，以免别人犯同样的错误。假定在初始阶段会犯错误是现实的，因为工作人员将会越来越熟悉他们所期望的许多概念。这使得考虑避免风险很重要，但考虑一个组织如何尽可能快速和有效地识别违规或安全漏洞并加以纠正也很重要。

10.沟通

德勤的最后一点是组织要经常进行沟通。各小组应该向组织说明在AI领域已经做了哪些工作，并重复这个信息。他们不应该认为知识会立即被知道，而应该总是努力指定短期的成功和长期的进展。德勤人才智能专家中心项目经理Marjolein Vlaming表示：“在组织层面和个人层面进行交流，与同事进行对话，涉及复杂的课题，必须分配时间进行解释，并在需要时澄清。不仅要和AI爱好者讨论，还要和怀疑者讨论，这将有助于组织机构了解和回应正在发生的事情。”她鼓励组织尽快开始工作，她总结表示，“人工智能目前是许多组织、董事会和员工的热门话题，现在就开始将AI引入一个组织吧！”

AI 技术人才成长路线图 | CSDN重磅发布

人工智能浪潮来袭，开发者应该怎么办？2018年1月16日，在刚刚召开的“AI生态赋能2018论坛”上，CSDN副总裁孟岩重磅发布了AI技术职业升级指南——《AI 技术人才成长路线图V1.0》。该路线图基于10多位专家的切身经验，提炼出入门AI的两大方式与进阶AI的10大路线。本路线图将随时更新，动态开放，希望成为开发者进阶AI的有益参考。
1.  结合AI人才的需求结构与市场现状，我们发现人工智能就是新一代的软件开发，值得每一个技术人用心投入。
企业AI应用的优先级：盈利 > “黑科技”
AI人才市场需求剧增：技术岗位占比3年猛增3倍，人才缺口将持续增大
AI人才需求结构呈金字塔型，研究型人才主要依靠学校及学术路线培养，应用型人才则必须依靠社会培训和继续教育补充
AI工程师要打牢编程基础，软件工程师转型AI要“换脑”

2.  AI人才需求强劲：从2014年到2017年，AI人才招聘量增长近8倍，技术岗位占比增长3倍多。



根据猎聘统计，2017年AI技术类工程师的招聘量是2014年的8.8倍，数据类工程师的招聘量则是2014年的5.9倍，而全部IT技术岗位的招聘量仅为 2014年的2.65倍。与此相对，在2014年，AI类工程师和数据类工程师在全部技术岗位中的占比分别是2.97%和7.86%，这一数字到2017年分别涨到 9.86%和17.59%;人工智能相关岗位在技术人才招聘中的总比例从10.83%涨到27.45%，是技术岗位中增幅最大的领域。
3.  AI工程师平均年薪远超IT工程师：知识图谱类最高年薪接近IT工程技术类的两倍。



根据猎聘统计，2016 年以来公开发布的招聘岗位中，IT 工程技术类人员的平均年薪为 17.92 万，而 AI 领域知识图谱方向工程师的最高年薪 可达 43.42 万，其平均年薪也高达 34.06 万，接近 IT 工程技术类的两倍。在 AI 细分领域中，除了计算机视觉类平均年薪 27.81 万，其他方 向薪资均在 30 万元以上。
4.  AI人才需求结构呈金字塔型，“学院派”路线培育了AI人才金字塔的领军者。



G. E. Hinton苦心孤诣四十余载，一个“大脑是如何工作”的问题让他一直专注于神经网络，直到2006年发现了前馈神经网络中进行有效训练的算法，“深度学习”就此起步。李飞飞的ImageNet数据集、吴恩达的GPU高性能计算方法也随之而来，算法、算力和数据积蓄势能30多年，终于缔造出深度学习的大爆发。
十年树木，这群缔造者的学生一代——Russ Salakhutdinov、Ian Goodfellow、Andrej Karparthy、贾扬清、李沐等人，在深度学习的这场大爆发中纷纷成长起来，成为掌控科技巨头AI部门的领军者和中坚力量。
5.  AI人才需求结构呈金字塔型，“实战派”方法培养出AI技术雄兵。



深度学习的人才需求大大超出了“学院派”培养所能供应的数量，成千上万的AI技术雄兵需要用更直接的方式来培养。于是，吴恩达继续在Coursera上推出深度学习专项课程，Jeremy Howard搞出不需要数学的Fast.ai课程，Udacity则联合Google、滴滴出行来培养行业紧缺的机器学习工程师……4个月速成机器学习成为可能，AI技术人才成长时间大大缩短。
6.  AI技术人才成长路线总图：入门方法与进阶方向



CSDN特邀10多位AI技术专家，撰写6万多字来解析他们的切身经验，其中的部分内容组成 “AI 工程师职业指南” 《程序员》专题，已颇获大家的关注和认可。
现在，我们从全部内容中提炼出入门AI的两大方式与进阶AI的10大路线，把复杂的内容和方法转化成一目了然的图表结构，并分享给想要上手AI的各位朋友。
7.  AI进阶十大路径示例







8.  非技术人员学AI：产品经理要弄懂技术原理和功能



“深度学习本质上是一种新的编程形式。” 

人工智能赛博物理操作系统AI-CPS OS“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能）分支用来的今天，企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中，利用AI-CPS OS形成数字化+智能化力量，实现行业的重新布局、企业的重新构建和自我的焕然新生。

AI-CPS OS的真正价值并不来自构成技术或功能，而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务和数据+分析一体化，这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合，没有颠覆现状的意愿，这些将不可能实现。

领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术+商业操作系统AI-CPS OS颠覆性的数字化+智能化力量，领导者必须在行业、企业与个人这三个层面都保持领先地位：重新行业布局：你的世界观要怎样改变才算足够？你必须对行业典范进行怎样的反思？
重新构建企业：你的企业需要做出什么样的变化？你准备如何重新定义你的公司？
重新打造自己：你需要成为怎样的人？要重塑自己并在数字化+智能化时代保有领先地位，你必须如何去做？
AI-CPS OS是数字化智能化创新平台，设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端，可以帮助企业将创新成果融入自身业务体系，实现各个前沿技术在云端的优势协同。AI-CPS OS形成的数字化+智能化力量与行业、企业及个人三个层面的交叉，形成了领导力模式，使数字化融入到领导者所在企业与领导方式的核心位置：精细：这种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切，进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。
智能：模型随着时间（数据）的变化而变化，整个系统就具备了智能（自学习）的能力。
高效：企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力，这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。
不确定性：数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验，其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域：技术、文化、制度。
边界模糊：数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化，还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。
AI-CPS OS形成的数字化+智能化力量通过三个方式激发经济增长：
创造虚拟劳动力，承担需要适应性和敏捷性的复杂任务，即“智能自动化”，以区别于传统的自动化解决方案；
对现有劳动力和实物资产进行有利的补充和提升，提高资本效率；
人工智能的普及，将推动多行业的相关创新，开辟崭新的经济增长空间。

给决策制定者和商业领袖的建议：
超越自动化，开启新创新模式：利用具有自主学习和自我控制能力的动态机器智能，为企业创造新商机；
迎接新一代信息技术，迎接人工智能：无缝整合人类智慧与机器智能，重新评估未来的知识和技能类型；
制定道德规范：切实为人工智能生态系统制定道德准则，并在智能机器的开发过程中确定更加明晰的标准和最佳实践；
重视再分配效应：对人工智能可能带来的冲击做好准备，制定战略帮助面临较高失业风险的人群；
开发数字化+智能化企业所需新能力：员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说，创造兼具包容性和多样性的文化也非常重要。

子曰：“君子和而不同，小人同而不和。”  《论语·子路》云计算、大数据、物联网、区块链和 人工智能，像君子一般融合，一起体现科技就是生产力。
如果说上一次哥伦布地理大发现，拓展的是人类的物理空间。那么这一次地理大发现，拓展的就是人们的数字空间。在数学空间，建立新的商业文明，从而发现新的创富模式，为人类社会带来新的财富空间。云计算，大数据、物联网和区块链，是进入这个数字空间的船，而人工智能就是那船上的帆，哥伦布之帆！
新一代技术+商业的人工智能赛博物理操作系统AI-CPS OS作为新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎。重构生产、分配、交换、消费等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态、新模式。引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。

产业智能官  AI-CPS用“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能），在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的认知计算和机器智能；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。





长按上方二维码关注微信公众号： AI-CPS，更多信息回复：
新技术：“云计算”、“大数据”、“物联网”、“区块链”、“人工智能”；新产业：“智能制造”、“智能金融”、“智能零售”、[b]“智能驾驶”、“智能城市”[/b]；新模式：“财富空间”、[b]“工业互联网”、“数据科学家”、“赛博物理系统CPS”、“供应链金融”[/b]。官方网站：AI-CPS.NET
本文系“产业智能官”（公众号ID：AI-CPS）收集整理，转载请注明出处！
版权声明：由产业智能官（公众号ID：AI-CPS）推荐的文章，除非确实无法确认，我们都会注明作者和来源。部分文章推送时未能与原作者取得联系。若涉及版权问题，烦请原作者联系我们，与您共同协商解决。联系、投稿邮箱：erp_vip@hotmail.com