首页 > 股票资讯 正文

这种思维,每个管理者都必须理解 中投证券交易软件下载

时间:2021-03-24 21:39:44作者:佚名

原标题:这种思维,每个管理者都必须明白

△是新朋友吗?记得先记笔记,注意我~

《新商业对话》第030期

口头|丁磊

采访|君小莫评论|智勇值班编辑|金木研

第5401条:5102字| 12分钟阅读

从蒸汽机到电力到计算机,技术进步带来了生产力革命,进而人类社会的运行效率不断提高。随着AI的兴起,我们正处于第四次生产力革命。

现在我们生活在一个大家都是AI的时代。AI像空气一样无处不在。每个人都是AI的受益者和驯服者。

通过AI,滴滴实现了3000多万司机和4.5亿用户的连接。地方政府可以大力推进“平安城市”的安全工作,金融业的风险防控能力可以进一步提高,医疗疾病的检测手段更加丰富。早期预防...

正如谷歌CEO桑德尔·皮查伊(Sandahl Pichai)所说:人工智能将改变我们的工作方式,我们应该学会适应。

但是对于很多人来说,AI似乎只是一种技术手段或者一个特定的app。所以我觉得无论是个人还是企业都应该理解AI的底层逻辑——AI思维是什么,它的意义是什么。

1.AI到底在想什么?

我认为AI不仅仅是一种技术工具,更是一种帮助我们有效利用数据,从数据中提取价值的思维方法。

每个处理数据的人都应该有AI思维。

那么,AI是如何“思考”的,它的“思考方式”与产业转型有什么联系?

1.1。AI觉得?

2016年,阿尔法狗和李世石之间的“人机大战”引起了社会各界的关注。最终,在阿尔法狗强大的计算能力下,李世石终于以1: 4落败。可以说阿尔法狗是一个完整的人类棋手。一时间,人类棋手在围棋上超越不了AI成了事实。

其实阿尔法狗的“思维”模式和人类大致相同。阿尔法狗之所以能赢,在于它的“经验”远超人类棋手——它每天能和自己打300万局。

通过深度学习,AI (Alpha Dog)构建了两套类似人类思维模式的深度神经网络:

一套是“战略网络”。简单来说就是模仿人类棋手的方式,同时计算胜率,放弃明显会“输”的棋路,让计算始终在阿尔法狗的控制范围内;

另一个是“价值网”。简单来说,阿尔法狗不会一次搜索一盘棋的所有步骤,而是会计算接下来的十个步骤。

所以AI就是从数据中学习,然后建立模型。AI模型相当于人脑中的定律。AI会通过输入新的数据(信息)进行预测。

另一方面,人类从经验中学习规律。他们一旦在头脑中形成规律,遇到新问题就会做出判断,这就是人的思维。

不同的是,人类长期需要学习的东西对于AI来说是小菜一碟。它就像一个孩子,不断地被数据“喂养”,然后迅速而神奇地成长。

所以两者区别的本质并不是思维方式,AI也在通过大量的训练(数据)提升自己的“认知”,不断丰富自己的模型。

2.2的四个元素。人工智能思维

第一个要素是数据。

AI永远离不开大数据。大数据是AI的“营养品”供给,而AI是挖掘数据的工具。没有数据的智能产品不再智能,成为空壳机;没有AI,大数据就成了混乱的信息流,无法产生任何价值。

我们正处于一个数据井喷的时代。智研咨询发布的《2017-2023中国大数据应用行业市场全景调查及未来前景预测研究报告》显示,全球数据量年增长率将维持在50%左右,到2020年,全球数据量将达到40ZB(1ZB=1万亿GB)。

AI得到的数据越多,能学到的东西就越多,就越准确实用。

第二个要素是模型。

人脑是由无数的神经连接起来的。每次做决定,都需要无数个神经元参与活动。

AI模拟人类神经网络,并在此基础上产生一系列深度学习模型(传统神经网络模型的升级版)。

不同的数据,不同的场景和任务,不同的模型。但是,场景是基础,没有场景的模型是没有意义的。

第三个要素是计算能力。

AI思维的实现需要强大计算能力的支撑。对于人工智能来说,往往需要连接几十万台计算机进行大规模操作。

比如谷歌X实验室推出的谷歌大脑,将16000台电脑的处理器连接在一起。

另外还需要GPU的帮助。因为AI需要运行巨大的计算能力,CPU远不如GPU。

如前所述,AI学习可以基于神经网络,这是一种并行结构(同时进行多任务处理)。单个节点的计算不是很复杂,但是节点很多。

而CPU单核任务重,无法处理很多节点的任务,GPU内核多,擅长高速计算(浮点计算)。GPU比CPU更适合大量的训练和预测任务,深度学习中大量的矩阵和卷积运算。

第四个要素是商业模式。

AI的落地对于具体场景的应用是最重要的。通过赋能商业模式和创新商业模式是AI发展的必由之路。

比如在金融领域,我们银行机构传统上只向信用记录良好的用户提供贷款,而信用记录较差的用户则无法获得相应的贷款服务。

单纯用人力判断用户信用费时费力,工作效率低。但是,通过人工智能,我们可以在很短的时间内分析判断用户的信用状况,决定是否向他们提供贷款服务。这不仅减轻了银行工作人员的工作量,而且提高了工作效率。

所以AI思维的基础在于数据,而核心在于模型,实现在于计算能力,应用在于商业模型。

AI思维在于不断提高认知,通过数据驱动决策,通过决策创造价值。

第二,AI思维是顶级项目

1.管理者必须正确对待AI

很多中小企业的领导认为AI离我们太远了,我们既没有技术人才,也没有研发资金,用AI技术改造非常困难。

但我想指出的是,AI应用的落地成本越来越低,我国并不缺乏AI的基础技术人才,AI也不被互联网巨头垄断。

我为什么要这么说?

首先,在人才方面,深度学习在广泛推广普及的同时,博士生、硕士生甚至很多本科生都可以使用工具包搭建模型,这是不用说的。我觉得我们有基本的技术能力,量也很大;

其次,中小企业的数量涉及到行业的复杂性和需求的多元化,互联网巨头不可能“垄断”。因为互联网巨头通常不具备传统行业的基因,他们最多成为一个行业或者一个行业的推动者。

目前电商平台(公域流量)还是偏向于头端业务,侧重于营销环节。对于用户来说,他们关心的是精益产品,只有通过生产环节和供应链环节的改进和升级才能实现。

所以对于中小企业的高层领导来说,目前最重要的是利用好“AI+私域流量”打造自己的品牌力量,利用自己的私域流量数据实现精益生产和精准到达。

所有这些仍然需要强有力的领导支持。

2.管理者必须有AI思维

作为CEO或领导者,数字化、智能化一定是重中之重的项目,因为它涉及到企业的方方面面,涉及到整个环节。

因为AI思维需要形成一个完整的反馈闭环,可以不断优化学习模型。

作为一个领导者或者CEO,不一定要懂具体的技术,但需要有AI思维。换句话说,他需要找到一种能够让数据和模型相互反馈的反馈机制。

如果他能控制这个机制,他总能找到AI落地的最佳点——平衡成本和收益,找到落地空间和应用点,无论是通过内部团队还是服务提供商。

但是,如果企业负责人或者业务负责人没有我们所说的AI思维,不知道数据会通过模型学习的闭环以及相应的反馈会让模型越来越智能,那么AI技术肯定很难落地。

同样,作为领导者,没有闭环反馈和闭环思考的能力,不知道数据如何在你的企业闭环运营中产生价值,企业就无法通过数字化和智能化实现成长。

此外,还需要对CEO或业务领导,甚至一些一线业务领导,在AI落地的关键坑或卡位上进行AI思维的提升和教育。当这些人真正理解了这样一个框架和AI思维的闭环逻辑,AI落地就会顺畅很多。

为什么这么说?

第一,从AI的应用到最后的决策,有很多细节但是很关键的东西。无论是从企业高层领导的层面,还是具体业务负责人的层面,这些细节都需要强有力的领导来看。细节不会错,因为数据生成的价值是一个漫长的闭环。出了问题,可能全世界都“完了”;

第二,只有强有力的领导才能形成快速的闭环。因为中间的每一个环节都需要执行,如果没有强有力的领导,就无法推动下属执行,也无法形成闭环反馈,所以无法提升价值。

所以我再一次强调,AI思维一定是企业里的顶尖项目。

AI思维的外化在于AI在商业实战中的应用。那么,AI具体有哪些应用场景呢?

三、AI在TO B中的具体应用。

简单来说,我们面对的是两个应用方向:To B和To C,我们感受最深的to c可能是一个“字节”产品,而我认为可能对未来经济影响更大的是To B的应用前景。

1.人工智能中间站与数字化

目前,全球经济下行,贸易摩擦和单边主义盛行,疫情也给每个企业带来了严峻的挑战——许多企业面临着营销成本、人力成本和管理成本高的局面。

在不确定的情况下,商界几乎可以达成共识,“行业数字化”仍然是大势所趋。行业数字化的核心在于“业务流程数字化”,数据将成为重要资产。

但数字化的基础在于开放数据,这就面临着三大难题:数据维度大、数量大、关联复杂;由于数据分散在各个部门的所有业务环节,相互隔离,形成数据孤岛;专业分析维护人员少。

以上三个难点,必须通过建立数据中心来完善,同时结合AI思维,才能实现更多“数据+AI”的应用。

数据中间站与人工智能中间站关系图

数据中心对后台数据进行整理分析,传送到业务前台;业务前台生成的数据返回到数据后台和中间站,形成一个闭环。

AI中间站的任务是通过构建模型,挖掘业务场景中数据中间站的数据,从而提升价值,为业务中间站提供更方便、更有价值的服务。

接下来我会讲几个具体的应用场景。

2.工业赋权

①产业赋权

机械革命以来,工业从1.0时代迅速发展到今天的工业4.0时代——智能化时代。在智能时代,实现了数字化赋能和产品服务创新,而工业数字化赋能的核心在于提供全链接的AI模型服务。

AI模型通过分析具体工艺参数与关键生产指标的关系,提高生产效率和产品质量。

比如光伏材料制造商GCL-Poly与阿里巴巴云工业脑的合作,就是中国工业制造领域的创新示范。

阿里巴巴云在厂商车间做的第一件事就是把生产线上所有端口的数据上传到云上,然后调动上千台服务器的计算能力,在短时间内从上千个变量中找到了影响产出率的60个变量。接下来,这些变量由人工智能实时监控,生产线只需要“执行订单”。

②零售授权

零售业是商业运营的另一个主要环节,零售业的AI赋能也大有可为。

以华润七彩城为例。多彩城市是北京集购物、餐饮、娱乐为一体的多功能、多主题的区域性购物中心。通过分析商场消费维度的大数据,彩城了解消费者在各个时间点的互动情况,并以此为决策来规划营销活动。

通过数据分析,彩城的客户群体以年轻人为主,90-95后比例接近40%,40岁以下消费者比例达到70%。

基于以上分析结果,彩城和天猫推出“双十一”闪联活动,拿下ETC和各种品牌营销活动,同时“改革”广告模式,2018年实现销售额18亿元。

③金融业赋权

AI在金融领域也大有可为。

众所周知,金融产品是高价值、低频率的消费品。因此,金融行业为了提高业绩,需要通过营销不断宣传自己的金融产品,在维持现有客户的同时开发新客户。

过去很长一段时间,金融业的营销问题是广告效果差。人工智能进入金融领域后,帮助金融业实现精准营销。

比如,卫中银行利用人工智能模型做出了准确的推荐,大大提高了投递效果。首先,根据长时间形成的各种数据,如登录、点击等用户前端行为数据,开户、存款等后端转换行为数据,建立以实际转换为优化目标的专属人工智能模型。

通过这种智能营销模式,卫忠银行将其各种金融产品的广告精准投放到数十万家小企业,有效提高了广告效果,在降低广告成本的基础上,实现了精准客户。

以上,简单介绍了AI在一些行业的成熟应用。

另外,我认为AI在教育和医疗方面的应用也是有意义的,但是由于这两个行业的特殊性,AI目前的布局还处于起步阶段。

《未来简史》作者赫拉利认为,AI引发的革命将是地球上自生命诞生以来最重大的变革,其对人类的深远影响将远远超过农业的出现和工业革命。

目前AI技术已经进入大规模商业化阶段,AI产品已经全面进入消费市场。AI肯定会对人类社会产生巨大的影响,这是必然的趋势。我们能做的就是拥抱AI。

正如加缪所说,给未来最好的礼物就是把一切都给现在。

学习华为效果不好背后的症结是什么?

如何从个人领导走向组织领导?

解密华为的领导地位

扫描代码立即学习

分享,喜欢,观看,回归搜狐获取更多

负责编辑:


以上就是这种思维,每个管理者都必须理解中投证券交易软件下载的全部内容了,喜欢我们网站的可以继续关注东梁股票网其他的资讯!