第1章　攀登人工智能阶梯

“感兴趣的第一个特征是计算负载的部分，这与数据管理内务处理相关。”

——Gene Amdahl

“Approach to Achieving Large Scale Computing Capabilities”

为了保持竞争力，每个行业中的企业都需要使用高级分析来从其数据中得到洞见。这一需求的紧迫性日益加剧。即使是传统上面临竞争较少的公共部门和非营利组织，也认为使用人工智能获取的回报具有不容忽视的吸引力。诊断分析、预测分析、规范分析、机器学习、深度学习和人工智能对传统描述性分析和商业智能的使用进行了补充，从而识别机会或提高效率。

传统上，组织使用分析来解释过去。如今，分析被用来帮助解释当下面临的或未来即将到来的机遇和威胁。这使得组织变得更富有经验、更加高效并更具有弹性。

然而，成功地集成高级分析既不是投入使用，也不是企业的人工智能是否准备就绪的二元状态。更确切地说，这是一个过程。作为其最近转型的一部分，IBM开发了一个视觉隐喻，来解释适用于任何公司的人工智能准备过程：人工智能阶梯（AI Ladder）。

作为一个阶梯，人工智能的准备过程可以看作一系列阶梯的攀登过程。任何试图一跳就跨越阶梯的尝试都将导致攀登失败。只有将每一个梯级都牢牢掌握，组织才能继续前进到下一个梯级。攀登并非偶然或随机的，攀登者只有通过有目的地接近每一个梯级，并清楚地了解每个梯级所代表的业务，方可攀上顶峰。

你不需要水晶球预测也能知道你的组织需要数据科学，但你确实需要一些洞察方法来了解组织的付出是有效的，并正朝着以人工智能为中心的目标迈进。本章将探讨人工智能阶梯的每个梯级背后的主要概念，例如，为什么数据必须作为人工智能对等学科来对待，为什么你需要成为富有创造力的和具有多专业融合能力的博学者。这些都将在本书中进行探讨。