08 每个企业都需要一位首席人工智能官（第4/5页）

这一轮的人工智能形成热潮，原因之一是门槛降低——深度学习的原理尤其是算法原理都差不多，就看谁的积累雄厚、谁的数据丰富、谁的训练充分。就好比无数程序员都会用java语言编程，但编程能力大有差别，你只能尽力选择最好的。

对于深度学习神经网络，调节神经网络参数的工作极其复杂和多变，需要根据不同业务场景做特别优化，虽然算法的基本思想差不多，但发展各异，也谈不上统一标准。因此，训练神经网络又被称作“炼丹”。吴恩达正在写作的新书《machine learning yearning》堪称一部“炼丹”手册，不是在讲“丹药”怎么好，而是在讲“炼丹”当中遇到的难题和解决办法。深厚的经验和务实的方法，大约就是一种标准吧。

期望每个高管完全了解人工智能是不合乎情理的。但如果所在的产业能产生大量数据，那就有很大的机会使用人工智能将这些数据转换成价值。对于大部分有数据但缺乏深度人工智能知识的公司来说，聘请一位CAO或人工智能副总裁（VP of AI）已经箭在弦上，一些CDO和有超前思维的CIO实际上已经在扮演这一角色。

图8-5 吴恩达新书封面

没有智能官的企业将被看作旧企业

著名数据分析公司MixPanel的CEO苏海勒（Suhail）认为，“机器学习不是为了证明某些原因，它的存在是为了针对一些特定的数据、行为或者是模式做出一些高质量的预测。算法唯一的工作就是让你能够更加有效、更加精确地达成目标，而不是告诉你为什么。”

不过我们认为问问“为什么”也是重要的。我们在大量的企业应用中发现，有些企业家急切地希望深度学习网络和数据挖掘能够马上带来利润的大幅度增加，而忽视了机器学习的规律以及企业自身的学习规律。

当企业大到一定规模，业务和数据复杂到一定程度之后，自身的运作逻辑往往是模糊的，不同于企业明文手册上的描述，即便是企业管理者对此也会感到陌生。机器学习具有根据数据反向求得函数逻辑的能力，这种反向推演能力可以给企业运作者提供一种观察企业非显性逻辑的视角。比如对企业邮件往来的关系分析，对电商用户下单时间的分析，对新闻网站发布资讯的时间段分析等，都可以帮助企业了解自身可以在哪些方面进行优化。

企业渴望从互联网时代迈进人工智能时代，这时CAO尤其需要分清轻重缓急，是先优化财务信息还是先优化产能？是固本强体还是拓展销售？

在对外业务上CAO可以带来显著的锦上添花的作用。比如建立自动化的客户需求分析系统，能够即时提交订单信息和生产信息给客户参考。但对内管理也十分重要。以制造型企业为例，生产管理、物料管理、质量管理、设计变更的信息化和数据化都需要整合，数据化达到一定程度后，辅以算法和开发，人工智能就水到渠成了。

电算化→信息化→智能化，神形合一，如果内部机制不顺，就会发现外部智能化缺少基础，难以为继。企业的内部修炼和外部拓展在智能时代将高度统一。

和电流从外部输入不同，在企业内部，智能的素材已经以“流”的形式出现，产生于每个员工、每个机器的每一个工作环节。这些数据流、信息流每天都在产生和流逝，但很多企业却没有意识到，更谈不上利用，而是任其挥发。

企业内功是和每个员工都相关的问题，比如个人的信息共享、知识管理、工作操作习惯的记录和优化等。

举个例子，网络新闻媒体的编辑每天都在录入文章，一些网络媒体拥有上千个编辑，每个人做着自己的工作。智能系统会侦测统计他们的录入操作，发现哪些环节的鼠标点击工作过多，这其中可能预示着录入系统的设计不合理，据此提出录入系统的优化建议。

吴恩达认为，传统企业尤其需要依靠CAO来了解前沿应用，升级自身业务。当然，面对很多可能的方向，CAO还是应该先抓住一个部门或者一块业务重点突破，形成典范，吸引其他部门燃起热情。毕竟，企业智能化是一个非常需要创新精神的事业，需要广泛参与。

而CEO一定要放权让CAO去施展，甚至亲自推进企业第一个智能化业务。没有CEO发自内心的支持，企业人工智能化工作将会很困难。有些举措可能旁人一开始不理解其价值，之后才会明白。如果错过就会非常可惜。

首席人工智能官的修养

作为与最具挑战性的深度学习技术打交道的CAO，他是一个特别理性的人，还是一个不失感性的人呢？

与一般工程科技不同，人工智能在模仿人类的思考习惯。科学家普遍强调人机结合是未来的发展方向。类似地，智能科学家和CAO都不会是机械论的化身，而是对各种知识具有全面的兴趣。吴恩达本人就是个例子，他不仅喜欢计算机科学，也喜欢人类学和社会学，还喜欢教育学——为了让更多人受到名校教育，把课堂教育重复使用率最大化，他合伙创立了Coursea在线教育课程项目，至今仍然是董事会成员。另外，他对心理学也有极大兴趣。

CAO可能是《生活大爆炸》里有趣的理工男，善于发现别人没发现的契机。也可能是数据领域的夏洛克·福尔摩斯，善于明察秋毫。不过他终究首先是一个具有“数据感性”的人。

他懂得利用数据，最重要的是在别人看不到数据的地方看见数据。

第一层：有能力从纷繁的数据中嗅到可能有的关联

张亚勤在与很多企业打交道的过程中发现，前几年做大数据，买了一大堆服务器，收集到一大堆数据，放在那里不知道该怎么办。不收集数据觉得好像错过了什么，收集了却不知道该如何做。即便我们自己这样的人工智能企业，很多数据也一时用不了，但如果不用，以后可能就没用了。因此CAO就要在做什么上发挥才能。

沃尔玛的“购物篮分析”是典型的数据挖掘应用，数据分析师想到从顾客购物小票里发掘购买对象之间是否有相关性。经过数据统计，他们发现除了牛奶和面包会经常被一起购买这种显而易见的关系之外，还有很多以往没发现的关系，比如婴儿纸尿裤常常会和啤酒一起被购买，然后才发现年轻的爸爸在购买婴儿用品的同时，往往会有一种犒劳自己的心理，于是购买了啤酒。