人工智慧(AI)產業作為數位經濟的重要組成部分,企業在數位轉型的初期階段更關注基礎類數據應用,例如基於數據查詢和數據分析的管理支援或流程支援。
許多數位化從業者認為,資料本身就是一種產品。完成資料治理後,能夠清楚地識別資料並了解其真實業務意義,這已經是相當了不起的成就了。
數位轉型的未來趨勢將主要受益於人工智慧技術的應用。近年來,大規模模型的興起進一步推動了這一趨勢。
越來越多的企業開始體認到,人工智慧技術正是數位化2.0的核心要義。
數位化已經演變為數智化,這意味著軟體公司將面臨新的挑戰。傳統的SaaS和ERP邏輯通常圍繞著流程設計和IT實作展開,而這些邏輯可能需要重新思考。
在智慧化趨勢下,甲方單位和軟體廠商都應重視資料的實際價值,從流程導向轉變為資料要素導向。
資料的價值分為顯性價值和隱性價值。顯性價值在資料整合和通暢運用時就已得以體現,而隱性價值則需要藉助先進的演算法技術進行加工和發掘。
將資料類比為食材是合理的。數據的品質至關重要,而加工數據的技術和手段也同樣至關重要,相當於一位出色的廚師。隨著雲端運算能力的普及以及「低程式碼」的MaaS平台的發展,人工智慧技術的門檻逐漸降低,使更多人能夠接觸和應用AI技術。
企業能夠輕鬆取得AI技術後,下一步關鍵的工作就是建立專門針對AI應用的資料治理流程,這將是資料治理發展的新方向。
在AI資料治理活動,除了需要不斷完善基礎的資料品質提升工作,還需要建立高品質的AI資料集。
例如,基於特定的策略篩選出對模型提升有重要價值的代表性資料樣本,再或者,採用手動或半自動的方式建立符合訓練過程範式的規則化資料集。
那麼問題來了,基於AI的數位化應用,一般都有哪些具體的落地思路方向呢?
其實很簡單,AI的本質,就是自動化,人工智慧本身也是自動化技術的重要分支。
一是感知類別應用。自動從多模態資料(圖片、文字、影片、音訊等)中,提煉有價值的商業訊息,回答what now的問題。發生了什麼事。
例如,文字智慧分析、語音特徵辨識、影像即時監控等。
二是認知類別應用。利用上述訊息,預測未知場景(當下不可知的場景或未來情況),回答what future相關的問題。
例如,財務指標預測、天災預警、設備風險評估等。
三是決策類別(生成類別)應用程式。基於what now和what future的答案,告知人或機器應該如何做,回答how的問題。
例如,內容自動推薦、智慧文件產生、資源動態排程、檢修計畫制定等。
AI技術的智慧屬性來自於資料資源本身所蘊含的商業知識與專家經驗。
將資料要素以AI模型的方式建構與部署,可以快速複製業務產能,打造出高效率的知識型、智慧組織!
以上是AI技術的發展,對數位經濟到底有什麼用?的詳細內容。更多資訊請關注PHP中文網其他相關文章!