【编辑推荐】
深耕人工智能领域的现在与未来——科技时代的匠心之作
安德鲁·达克曼（Andrew Duckman）
北美健康医疗领先投资机构Bloom Burton & CO董事、总经理
作为加拿大生命科学和健康医疗领域*的投资和咨询机构，我常年关注在产业与科技的结合所带来的推动力量。晓梅中所探讨的围绕数据分析及人工智能所带来的对于医药、医疗保险及健康管理等的创新变革非常值得借鉴和思考，也是投资界*关注的话题之一。
----------------------------
杰西·黄（Jessie Huang）
加拿大丰业银行 亚太区负责人
晓梅是我认识的非常具有才华的女性企业家。我们在金融、投资等多个领域有过合作和探讨。晓梅不仅仅是大数据分析及人工智能领域的专家，她还在金融、电信、政府、制造业、医疗等领域都涉足很深。扎根行业几十年，她的见解和洞察总是非常犀利和独到。
------------------------------
董峰
英国思克莱德大学计算机和信息科学系教授
人工智能研究组学术带头人
人工智能是一个跨时代的话题。目前学术界非常关注新一代人工智能与人类的关系。很多学者正在积极探索未来人工智能如何和人类进行交互，以及如何建立人工智能与人类的互信关系。晓梅在本书里也特别谈到了一个学术界正在深入研究的*前沿的课题，也就是人类与机器的深度融合，让人工智能更好地帮助人类解决问题、解释问题，使我们能够更深入地了解这个世界，*终帮助人类实现更多的梦想。本书值得好好阅读，无论是商界还是学术界。
【内容简介】
现在，已经无须再像几年前一样向人们普及人工智能的概念。技术的落地应用揭开了人工智能神秘的面纱，但人工智能如何商业化、如何与产业应用高效结合，仍然是业界面临的艰巨挑战。
人工智能就是未来全球化竞争的顺风车，不管你是否相信，人工智能技术的发展速度已经超过了企业的适应程度。而在新一轮的科技浪潮中，要想在全球竞争中保有一席之地，企业家需要弄清楚：
人工智能能为企业成长、行业发展创造哪些价值？
全球资本在向哪些人工智能领域流动？
行业内人才该如何培养？
企业如何抓住集运，踩准行业变革的节奏？
……
这些，才是相关企业应该关注的重点和未来发展的重心。在本书中，前IBM大数据和分析业务全球负责人、新兴市场大数据中心总经理王晓梅结合其在大数据分析与人工智能领域20多年的资深经验与独到见解，并配以丰富精彩的业界案例，深入解析人工智能落地的方方面面，聚焦“行业 人工智能”的现在与未来，以期能为中国的产业创新带来新的思考和推力。
【作者简介】
王晓梅
知盛集团 创始人/全球首席执行官
前IBM大数据和分析业务全球负责人
前IBM新兴市场大数据中心总经理
中国人工智能和大数据百人会专家委员
The Open Group认证IT专家
王晓梅被同行誉为“远见卓识的思想者和领导者”，她专注于前沿科技的趋势洞察和前瞻性思考，至今已行遍全球100多个国家，积累了丰富的创新成果：2004年主导跨国团队完成中国首例TPC-H测试，并夺得当年同类别测试测试全球*名；2009年在IBM多伦多实验室成功落地大数据软硬件一体机研发工程；2012年领导建立IBM全球首个大数据中心，该中心支持大数据和分析在包括新兴市场在内的100多个国家的实践落地；2014年领导设计IBM全球大数据分析与架构体系，以及IBM大数据和分析人才认证体系，这些体系已成为全球大数据分析领域的行业标准和人才培养标准；2017年，创造性地构建了“高度业务价值驱动的数据运营闭环体系”，切实推动数据价值在行业的落地研发与应用。
众多*著名媒体都曾将她作为封面人物进行报道。她撰写过数本畅销全球的大数据分析和数据管理书籍，包括《实战大数据》、Understanding DB2等。
【目录】
推荐序一 匠心决定成败
推荐序二 一位AI行业的思想者和梦想家
自序 创想不止，精进成长
01 当机器有了智慧
*节 我眼中的AI
第二节 AI——*熟悉的陌生人
第三节 AI成为国际竞争的重要砝码
02 AI 变革世界：“一切坚固的都烟消云散了”
*节 数据“永动机”
第二节 AI重塑生产力与生产关系
第三节 资本追逐
第四节 AI让世界更民主
03 人工智能时代的全球行业变革
*节 百岁人生不是梦
第二节 颠覆传媒行业
——数据分析和AI成为主要桥梁
第三节 掘金汽车产业
——未来汽车的三大技术及两大趋势
第四节 创造金融新时代
04 企业如何抓紧AI红利
*节 人工智能变革企业的核心是数据
第二节 建立数据战略
第三节 如何开启AI之旅
第四节 企业AI之旅的保障体系
05 下一个20 年，AI走向何方
*节 AI伦理大讨论
第二节 AI时代，你的隐私如何保护
第三节 未来：人类与机器深度融合
【免费在线读】
*节 我眼中的 AI
人工智能发展近70年，在这个过程中，有高潮，有波折，跌宕起伏。在数据浪潮翻腾的今天，人工智能再次成为热议的话题，而对人工智能的各种解读也五花八门。我在这个领域20多年，服务过众多世界500强企业，从事数据分析和人工智能项目。早年间，我亲自领导建立了IBM在新兴市场的大数据中心，也因此参与了中国、亚太和南美等多个地区多个早期领先的项目，所以，我的分享更多的是实战中的观察和体会。
AI的核心是什么
人工智能的核心是机器进行理解、推理和学习。
记得2014年3月，我在北京通过媒体发布会*次向中国市场发声，阐述了人工智能时代的到来及其产业化发展，并把当时全球人工智能的经验和*进展介绍到中国。当时，在场的人大都还不知道人工智能的定义和产业化的意义，以及它背后的推动力是什么。
这个话题过去了很多年，但是今天看来，还值得分享给大家。
- 判断人工智能的简单方法
市场上对人工智能有很多种解读。我觉得表述比较清楚的是，人工智能是拥有理解、推理、学习和互动能力的新一代信息系统。这个系统不断积累知识，学习和了解自然语言，与人类进行更加自然的互动。
有一个简单的方式区别是不是真正意义上的人工智能，就是从URL这三个维度判断。
*个维度，U——understanding，理解能力。
人工智能的大部分场景是提供人与机器的交互。现在常见的商业化场景是通过自然语言处理和文本分析，让机器去理解用户的历史行为，联系上下文做推理，并用自然语言与人类交流。2019年国际消费类电子产品展览会（CES）上，已经出现了相关的一些用脑意识来互动的产品。虽然这些产品还不太成熟，但是这个市场非常热闹，这几年一定会发展得越来越好。这将是下一代商业化人机交互的重大趋势。
第二个维度，R——reasoning，推理能力。
人工智能用假设、论断及各种推理的算法，实现对人类思考方式的真实模拟，这些推理的算法实施根植在人工智能系统中，帮助人类产生以前无法想象的新洞察。目前，全世界真正做到拥有推理能力的平台少之又少，80%的人工智能落地项目还在理解能力层面。但是，“U”只是人工智能的起步，要让人工智能真正发光发热，“R”非常重要。让人工智能算法真正像人类一样思考，进行推理和理解，才是人工智能系统*的价值。
第三个维度，L——learning，自主学习的能力。
这其实也是人工智能对各个产业*重要的驱动力。基于新的信息、结果及动作，人工智能会不断进化并提供更准确的答案，并对决策历史进行跟踪。这一过程可被归纳为自主学习的行为。自主学习的能力是推进人工智能产业化的*动力。目前，人工智能已经可以对人类决策提供有价值的建议。未来的发展趋势是，它会进行更加自主的学习来提供决策意见，包括提供建议、分析及需要采取的行动。
所以，真正的人工智能是由URL这三个维度——机器是否具有“理解”“推理”和“学习”能力——来定义和考量的。
- 自主学习能力为人工智能系统带来本质性的变化
为什么自主学习这么重要？
人类社会经历了三个计算时代：制表时代、可编程计算时代和现在正在发生的人工智能时代。
前两个计算时代信息系统的特点，就像我们现在使用的很多系统和应用，都是预先设计和编程的，无法更快地适应大数据时代时刻产生大量数据的节奏。一个预编的系统，会让我们每分每秒都落后于*的数据，没有办法及时洞察。
而人工智能系统拥有自主学习的能力，这个能力是它在大数据时代得以迅猛发展的关键技术点。
我们知道，每个商业决策者都希望基于当下的数据来做决策，所以希望系统基于当下的数据不断自主学习和迭代，系统不断演变得更加聪明，从而提供*及时、*好的决策建议。而拥有自主学习能力的人工智能系统就可以实现这个目标，它能够实时学习、自主学习，让所有的商业规范分析模型和算法不断更新，不断记录当下数据，进行*、*准确的分析。
那么，一个真正的人工智能系统是如何构建起来的呢？
- 如何构建一个人工智能系统
一个*实践的商业人工智能系统，可由专业的知识库（knowledgebase）和人工智能应用程序接口（API）集群结合而成。
首先，人工智能要有一个知识库，就像人类的大脑，然后再加上一群API组合。这些API组合可以被看作各种能力，比如识别声音的能力、识别个性特征的能力等，也就是把人类的部分能力通过相应的人工智能API组合，形成这个系统所需要的能力。基于专业知识库和人工智能API集群，这个系统就可以提供各种能力了。
构建一个专业知识库是很有讲究的。这个知识库是基于人工智能系统所需要的数据、信息及专业技能创建的，其核心是制定各种规则、算法和关键的知识点，比如需要构建大量的数据标签和规则。有了这些数据标签和规则，就如同你教给系统一些特定的技能，这样，系统就能像人类一样完成特定任务了。同时，随着系统的不断成长，这个系统的能力也会越来越强。
可以说，正是由于与专业知识库相结合，人工智能近10年的商业应用才获得了重要突破。利用知识库训练人工智能算法的方法，大大提高了算法的准确性、查全率和查准率。此外，在一个良性循环中，基于知识库的人工智能系统也可以进一步被应用于识别知识库中的其他可能事实，并进一步改善它们，优化系统。
当然，人工智能系统在完成任务时与人类还不完全一样。目前，大部分人工智能的能力还局限在完成某一个特定任务，我们称为处在弱人工智能阶段，远没有达到拥有人类全面能力的程度。所以，系统能力的加强也主要局限在特定任务层面。
构建一个人工智能系统，不是一个单纯的技术问题。相反，在一个复杂的商用人工智能系统构建的起步阶段，往往有60%～70%的工作量是由行业业务专家主导，人工智能技术专家作为辅助来构建一个合理的知识库，即人工智能系统的大脑；然后，再设计各种技能API，赋予系统人类的各种技能。随着数据源得到源源不断的补充，这个人工智能系统的能力也就会越来越强。
如前面所说，人工智能与传统的软件系统不同。传统软件系统刚问世时是*、*的，然后需要不断更新换代；而人工智能系统就如一个小孩，虽然*开始认知有限，但通过与其不间断地互动沟通，包括输入新的数据、专家给予反馈意见等，增强其知识库，系统会变得越来越聪明，越来越智能。
另外，跟大家分享一个小知识，人工智能的灵感来源于人类的部分器官和四肢。
人工智能虽然是一门计算机科学，其探索方向的灵感却来源于人类的耳朵、嘴巴、眼睛、手、足、大脑等。耳朵可以听，嘴巴可以说，人工智能就发展出了语音识别；眼睛可以观看与阅读，人工智能就发展出了自然语言处理和计算机视觉；人类能把看到的风景画出来，变成图片，也能理解图片内容，人工智能就发展出了图像处理；人类可以行走，人工智能就发展出了机器人；大脑可以对环境、文字等进行分类，人工智能就发展出了模式识别。
可见，不管提供何种商业能力，人工智能的宗旨还是“人”。
