第1章什麼是智能

1.1智能

1.2商業智能

1.3人工智能

1.4BI發展史

1.4.1BI 1.0

1.4.2BI 2.0

1.4.3再說一點

第2章數字學習

2.1什麼是學習

2.2數字學習

2.3互聯網改變了玩法

2.4大數據和物聯網將會重新進行洗牌

2.5基於大數據的人工智能是數字學習的關鍵

2.6監督學習

2.7強化監督學習

2.8無監督學習

第3章算法的統治

3.1什麼是算法

3.2AI簡史

3.2.120世紀40年代到50年代

3.2.220世紀60年代初期

3.2.320世紀70年代

3.2.420世紀80年代

3.2.520世紀90年代

3.2.621世紀初

3.3算法基於神經網絡的含義

3.4大數據和AI為什麼能配合得這麼好

第4章人工智能的應用

4.1客戶體驗管理

4.1.1在客戶體驗管理過程中，智能手機和平板電腦扮演了
什麼角色

4.1.2CXM不僅僅是一個軟件包

4.1.3CXM的組成

4.2交通業

4.3醫療行業

4.4“智能”個人助理(或代理)

4.5圖像和聲音識別

4.6推薦工具

結論

附錄A大數據

附錄B智能數據

附錄C數據湖

附錄D人工智能術語

附錄E機器學習和傳統商業智能的對比

附錄F基於機器學習實現定制方案所需的步驟

本書是接續上一本書《從大數據到智能數據》編寫的，初的法語版還包含了一個副標題“為了一個聯網的世界”。現在，可以增加“無延遲”，即副標題改為“為了一個無延遲聯網的世界”，這是因為在如今這個數字化的環境中，時間已經成為關鍵詞，信息在互聯網中以光速傳播，所有事情都是圍繞著怎樣比競爭對手更快更好。
現在，時間這個“無形資產”具有巨大的附加值，這點比以往任何時候都要明顯（銀行的高頻交易就是一個明顯的例子，推薦讀者閱讀Michael Lewis的書 Flash Boys: A Wall Street RevoltMichael Lewis的這本書主要關注高頻交易的細節： 高頻交易的歷史、所用的手段及所涉及的股票等。）。很顯然，我們的決策和行動在很大程度上與處理信息、綜合運用信息和算法的數字世界息息相關。設想一下，一天不用筆記本電腦、智能手機或平板電腦會怎樣，由此可見我們的生活和“數字化智能”的關聯程度。盡管我們通過數字化智能得到了很多服務，且提高了自動化程度，但我們對這些技術更加依賴，甚至說是上癮（這很矛盾！）。“新”世界圍繞著互聯網進行組織，需要企業在高度競爭的環境中做出決策，以及以毫秒級（或者更小）的速度處理復雜的數據。
在現實世界中，“客戶體驗”已經變得非常關鍵，而且顧客對商品、服務或其內容（消息、產品、優惠、信息）的需求也在不斷提高。企業希望能夠以與其相關的方式“處理”數據，即使是在數字世界中顧客以“匿名”方式訪問時（之前沒有用過個人授權賬號），這就意味著必須要利用其他機制以實現這種“追蹤”。雖然有人說“穿上袈裟不一定就是和尚”，但是顧客擔心的是，他們在網絡中的衣服會留下蹤跡（瀏覽、cookies、IP地址以及下載歷史等）。這樣一來，不管他們是否自願，在不認識他們的情況下也可以給他們打一個數字標識，而且顧客很少或者無法進行控制。
所有的信息都是相互聯繫的，根據“鑰匙環”原理，信息在產生時就會聚集在一起（見圖1）。接下來通過數據定向、分段及推薦引擎方案（在前10年左右就已經實現且基於規則引擎或推薦引擎支撐的軟件代理）對這些信息進行挖掘。“企業對客戶沒有所有權，隻是擁有客戶選擇消費的時間”。為了提高溝通的“相關性”，在這段時間內，企業要充分發揮自己的想像力（不過花費也會更高）將客戶吸引到他們的信道（網站、聯繫中心以及門店等）中，“相關性”越高越好。
現有的規則/推薦引擎解決方案和周圍環境的交互性不是太好（它們是預定義的模型，所基於的場景描述變量有限），也沒有展示出太多的自學習（在分析處理後更新模型，這是非常困難的），結果都是由於識別變量較少帶來的同樣的效果。這些方案對實時數據變化（如用戶是如何進入網頁的，他們之前看過什麼內容及他們搜索的目的是什麼等）考慮較少或根本不考慮，或者說不關心之前的決策或行動的結果。後但同樣重要的是，這些方案根本不會去挖掘或者很少挖掘上下文數據（如用戶瀏覽行為、用戶之前看的什麼內容及導致的動作等）。

這種在復雜環境中實時進行行動和反應的需求已經持續多年，大數據和聯網設備的出現則加大了處理信息的復雜度，各種方案和組織機構（包括統計人員、決策分析人員等）已經被這種持續的數據流壓垮（因為互聯網從不休眠）。利用企業中的歷史分析工具和流程提出的解決方案非常少或者沒有，因為這些方案開發起來太復雜，而且所需的資源也變得越來越少（在接下來的幾年中，這可能會成為這個領域中的主要問題之一，也就是商業智能專家和統計學家的缺乏已經非常明顯）。消費者的購買行為在不斷變化（Uber和Airbnb等合作平臺已經“發明”了新的商業模型），終會產生新的風險（對那些無法適應這個永遠變化的世界的人而言）和機遇（對那些能夠挖掘“大數據”這個新的“黃金城”的人而言）。
要實現“大數據”自學習以及大規模、自動的挖掘，人工智能（AI）是有前途的解決方案。更準確地說，在20世紀80年代隨著神經網絡的誕生而出現的 “深度學習”現在已經成為新一代的重點解決方案，且伴隨著數字化數據流的技術進步，AI已經為這個領域開創了新的局面，且作為大數據的後續，也解決了很多問題，不至於將商業智能中的主要玩家帶入歧途。
AI有很多可能的應用領域，如機器人（聯網的自動駕駛汽車），家居自動化（智能家居），健康（醫療診斷助理），安防，個人助理（將會變成人們日常生活中的重要工具），專家繫統，圖像、聲音及面部識別（為何不分析情感），自然語言處理以及符合甚至超越我們期望的客戶關繫管理等。所有這些繫統都將是自學習的，繫統獲取的知識隻會隨著時間增加，而且還能相互進行知識交換。
微軟公司創始人比爾·蓋茨(Bill Gates)、連續創業者埃隆·馬斯克(Elon Musk)、蘋果公司的聯合創始人斯蒂夫·沃茲尼亞克(Steve Wozniak)或者科學家史蒂芬·霍金(Stephen Hawking)等則深信AI在我們的社會中會發生變化，人類在某一天可能會被機器控制（如同電影《黑客帝國》）。盡管這一話題涉及哲學或道德，提出的問題非常有意義，會是一場非常有趣且必要的辯論，但本書的目的不在此。從人類歷史來看，在進化過程中總是伴隨著技術的發展，無論是好是壞。因此本書聚焦於商業智能社會中AI的作用，以及AI如何替代（補充）商業智能。我們已經看到現在許多公司都已經開始采用圍繞AI平臺構建的解決方案，以及這些方案如何在“傳統”商業智能和大數據商業智能之間架設橋梁。
AI有兩種形式： 強AI和弱AI。
強AI指的是能夠產生智能行為的機器，且能夠表達自我意識以及真正的情感。在這個世界中，機器可以理解它所做的事情及由此帶來的後果。智能產生於基於學習和推斷過程的大腦生物學原理（因此智能是物質的，且遵循某種“算法”邏輯）。要在將來某一天實現機器智能(或某種等素)、具有情感和某種意識的機器，科學家並不覺得理論上還有什麼限制。讀者可能已經知道這一話題，但它仍有不少爭議。若今天仍沒有和人類一樣智能的計算機或機器人，則問題主要在於設計，而不是硬件。因此，我們可以認為功能限制是不存在的，為了確定一臺機器是否具有強AI功能，必須要通過圖靈測試維基百科： 為了說明圖靈測試這種方法，圖靈提出了一種受排隊遊戲啟發的測試，也就是“模仿遊戲”。在這個遊戲中，一個男人(A角色)和一個女人(B角色)分別進入單獨的房間，其他客人則試圖以書寫方式提出一繫列問題並根據送回來的機打答案將他們區分開。在遊戲中，這個男人和女人的目標都是讓客人認為他們是對方。圖靈描述了這個遊戲的一個新版本： 現在問一個問題“若在這個遊戲中用機器替換A角色，結果會怎樣？”詢問者是否會和之前有一個男人和一個女人參與遊戲時一樣經常出錯？這些問題引出了我們之前說的問題“機器能思考嗎？”。

弱AI則是一種自動、自學習的繫統，其算法可以解決某個級別的問題。但在一定情況下，機器的表現就像有智慧一樣，但其更多是基於學習（監督或無監督）的，是對人類智能的“模擬”。可以利用所期望學習類型的數據庫，教機器識別聲音和圖像（例如在一組圖像中找出一輛車），這是監督學習。機器可以自己找出所素直素。例如，機器識別汽車圖像，機器會分析提供的圖像，基於神經網絡一點點地進行深度學習，並將汽車的概念和所分析的圖像關聯起來，當某個相關圖像被標記為汽車後，它就會知道如何進行“描述”，這是無監督學習。
Fernando Iafrate2017年12月

譯者序
在21世紀的今天，相信你一定對人工智能或者AI的概念並不陌生，2016年AlphaGo和人類*棋手間的人機大戰，讓我們見識到人工智能的強大能力。手機App、人臉識別、掃地機器人及各種穿戴設備等，使得人工智能在我們的生活中隨處可見，為我們的生活提供了極大的便利。
人工智能及相關技術的發展，對各個行業產生了革命性的影響。在農業領域，人工智能將為農作物的生產提供更加智能化的輔助手段，其作用將貫穿從種植、灌溉到收獲等的生產全流程。人工智能有助於實現自動化、水肥一體化、自動收獲加工流程，並降低人工成本，減少資源浪費。在工業領域，人工智能將被應用到生產、制造的多個環節中，改進現有的制造控制和管理體繫。全自動生產線將大幅提高產品的制造效率和質量，減少人力投入，並且易於實現個性化定制等新型制造模式。在服務業領域，人工智能技術的應用場景更加多樣，涵蓋教育、金融、交通、醫療、文體娛樂、公共管理等多個領域。如在醫療領域，智能臨床決策支持繫統將有助於提高臨床診斷的準確度和效率，大幅提高醫療服務水平。
隨著計算機、傳感器以及電池技術的發展，人工智能及相關產品必然會滲透到我們工作和生活的方方面面，我們會切實地感受到人工智能所帶來的便利。從近幾年的技術發展來看，相信這個時間不會太久。
本書介紹了人工智能的定義、發展歷史，以及其在各個領域中的應用，沒有涉及理論知識和復雜的算法，對於那些想了解人工智能的讀者而言，這本書可以提供很多幫助。