從AI核心技術、樣本數據提取到業務流程構建、人纔培養機制
MIT人工智能研究所客座研究員、日本人工智能專家全流程指導
幫助企業實現AI技術的落實應用，指導個人從知識勞動人纔向智能勞動人纔轉變
當人們聽說“AI的進化將剝奪人類的就業機會”時，出於對機器的擔憂和反感，他們就會產生逆反心理，從而造成對AI能力的過高預估；另一方面，當這種過高的期待沒有實現時，人們就會產生對AI的全面否定，如“AI什麼也干不了”“到頭來還不是一無是處、毫無意義”。我們該如何澄清關於AI的各種誤解，使企業能夠從容自如地使用AI？

本書作者野村直之30多年來一直致力於AI的開發、應用和部署。在本書中，他針對已經參與或即將參與AI繫統相關工作的讀者揭示了諸多為了充分應用AI繫統需要掌握的要點。
·AI的現狀。目前的AI都是輔助性工具，“強AI”還無法在21世紀內誕生。
·AI的核心技術——深度學習。AI應用落地的關鍵在於目標精度的評測與活用，通過使用精確率和召回率兩個指標，來準備良好的樣本數據。
·樣本數據的制作。通過短周期原型開發評估目標精度，加之專業人士的參與，同時使用高性能的GPU硬件。
·AI部署人纔應具備的技能。AI時代的人纔需要福爾摩斯般的思考能力，不僅要善於發現問題，打破現有局面，還要為解決問題設定目標，完成從“知識勞動”到“智能勞動”的轉變。

目錄
第1章 當今 AI 的功能與局限
關於 AI 常見的誤解 // 2
利用大數據的圍棋 AI // 5
如何有效運用“幼兒智能” // 6
思考能夠使用圖像識別技術的商業領域 // 7
深度學習是“原始數據計算” // 9
通過三個數軸對 AI 進行分類 // 12
深度學習是如何提取特征的 // 14
“模式識別”：AI 的眼睛和耳朵 // 17
使用深度學習的機器翻譯能夠獲得壓倒性勝利的原因 // 20
“強 AI”的出現至少要到 22 世紀嗎 // 26
指數函數的恐怖 // 28
知識量的增加至多是二次曲線級 // 30
充分運用深度學習的必要性 // 34
深度學習與其他方式的結合也很有價值 // 36

第2章 使用深度學習的基本流程
在 AI 應用中不可或缺的目標設定 // 40
分享評測數據使其可以共用 // 42
作為精度指標的“精確率”和“召回率” // 44
作為前提的正確結果不止一個 // 46
不同場景中對精確率和召回率的重視程度不同 // 47
業餘和專業所需的精度是不同的 // 49
深度學習的準確性評估測試非常簡單 // 51
能準備反映共同特征和多樣性差異的訓練數據 // 53
使用開發環境進行數據學習的流程 // 55
注意過度擬合 // 59

第3章 目標精度的實際評估和利用
從危險駕駛分類中了解自動駕駛的問題 // 66
AI 給生產力帶來的提升效果 // 71
交通標志與 AI 的匹配和 RFID 化也是必要的 // 73
精度目標的設定和預算是“雞與蛋”的問題 // 79
自動駕駛需要用各種觀點進行綜合評估 // 81
特斯拉汽車為何發生車禍 // 82
結合預期值評估服務質量非常重要 // 85
設計業務流程時的混淆矩陣很重要 // 89
用附有概率值的判定結果將分支條件精細化 // 93
根據置信度對處理結果進行場景分類 // 96
為每個樣本或醫療機構設置精度 // 98
對 AI 糾錯的意義 // 101
如何評估聊天機器人的準確性 // 103
用“對話成立度”對精度進行定量評估 // 107
參考信息技術架構庫改善業務流程 // 109
讓 AI 學習特殊情況下的數據 // 112

第4章 AI 部署的實例
企業的數字化 // 116
將 AI API 化後公開 // 118
AI 部署的戰略以及企業內部體制 // 120
制作樣本數據時的注意點 // 125
標注人員進行的標注工作 // 127
增加相互之間隻有少許差異的樣本數據 // 129
深度學習的引入需要耐心 // 132
描繪實際運行整體繫統的結構 // 135
GPU 的挑選：目前 NVIDIA 是選擇 // 138
硬件的選擇：性能要超過十幾年前的超級計算機 // 142
主內存要注意主內存容量 // 143
GPU 雲服務也是一種選擇 // 151
深度學習的機制是多種多樣的 // 154
主流深度學習框架的特點和選擇 // 156
多種類型的網絡結構該如何進行選擇 // 160
編程語言幾乎隻有 Python 一種選擇 // 160
利用現成 AI 資源的意識 // 162
將完成後的 AI 應用程序化、API 化 // 164
將 API 向世界公開 // 166
爭取各種安全措施保護隱私 // 167
以眼還眼，以 AI 對 AI // 169
保護 AI 開發企業的防盜版措施 // 171
主動公開部分源代碼的交付方法 // 173

第5章 AI 部署人纔應具備的技能
用戶企業如何獲得 AI 人纔 // 177
用戶企業的管理人員應掌握的心得 // 178
AI 時代需要我們具備福爾摩斯般的思考能力 // 179
AI 人員所需的資格和專業領域 // 180
舊知識可能成為絆腳石 // 183
樣本數據的準備成為開發工作的核心 // 184
在 API 經濟中擅長混聚開發的人纔更重要 // 186
AI 人員的溝通能力不可或缺 // 187
知識

引言
? 未來 AI 時代人類工作的價值
如今，人工智能（以下稱 AI）技術得到了迅速發展，已具備了識別圖像、聲音、數列、文章的能力，這也讓以往的計算機望塵莫及。例如，AI 能夠輕而易舉地在合影照片中識別出具體的人物，而且準確度高，其能力已經相當於兒童的水平，實在令人驚嘆。
一方面，這樣的進步讓從事 AI 研究的人員感到非常興奮。雖然未來充滿了不確定性，但大家似乎已經都沉浸在“AI 無所不能”的樂觀情緒之中。許多媒體都開始聲稱“AI 能和人類一樣學習進化”“AI 能順應大趨勢進行決策”，然而，這些說法其實與事實還有很大的差距。更有學者表示，“AI 的進化將剝奪人類的就業機會”，這又讓一些人陷入了焦慮當中。
另一方面，提供 AI 產品與服務的企業為了宣傳產品的效果，不斷強調 AI 是數字化的勞動力。這些宣傳會讓人產生錯覺，以為現在的 AI 已經具有自我意識和責任心，所有的行為都能與人類一樣符合社會常識。
除了以上種種，所謂“人工智能”的稱呼本身，也確實容易讓人高估它的能力。事實上，目前社會中流行的關於 AI 的各種說法中包含了很多誤解。
我可以斷言，短期內不可能出現具有完整人格的 AI 或機器人。除了一部分特殊的單純性工作（如隻需要依靠視覺的崗位會完全交由 AI 負責），對於普通性工作，AI 能夠替代人類完成的部分，也隻占到全部工作的 1% ～ 30%。
NTT DATA 經營研究所在 2017 年 7 月發表的針對東京地區和其他城市地區約 1000 名白領的調查報告顯示，他們認為 AI 取代了自己大約 30% 的工作內容。a 這樣的結果和我的預測幾乎一致，反倒讓我有些驚訝。
這一結果也幾乎與未來五年或十年內 AI 提高白領工作效率的預測一致。預測顯示，使用 AI 能使生產效率提升 3% ～ 5%。
? 合理使用 AI 的方式
一方面，當大眾聽說“AI 的進化將剝奪人類的就業機會”，出於對機器的擔憂和反感，就會產生逆反心理，從而造成對 AI 能力的過高預估；另一方面，當這種過度的期待沒有實現時，又會走向另一個，即對 AI 的全盤否定，如認為“AI 什麼也干不了”“真要用 AI 的話，得費很多周折”“不給 AI 供應商提供大量數據就沒法用”“到頭來 AI 還不是一無是處、毫無意義”。
和過高的期望一樣，因為不了解 AI 的真實情況和能力就將其全盤否定，也是對 AI 的誤解之一。 我們該如何澄清關於 AI 的各種誤解，使企業能夠妥當地使用 AI ？ 此處所謂的妥當使用，是指企業通過運用 AI 能獲得較高的投資回報率（ROI），合理地提升生產效率，讓人類工作者能夠騰出手來從事更有意義、更有趣、更富有價值的工作內容，從而獲得幸福感。
我在這本書中主要針對已經參與或即將參與 AI 繫統相關工作的讀者來揭示 AI 的本質，同時說明引入 AI 繫統時必不可少的精度測試，以及以此為基礎的業務流程（擴展、復雜化）設計方法等諸多為了充分運用 AI 繫統需要掌握的要點。本書將就以下的疑問進行詳細地解答。
? 雖然對目前的 AI 有基本的理解，但不清楚具體該做什麼，也不知道該從何處入手。
? 構建 AI 繫統時應該使用什麼樣的硬件和軟件？
? 聽說有很方便的 AI 雲服務，是真的嗎？
? 自己的企業內部並沒有可以立即用於機器學習的大數據，該怎麼辦？
? 希望能用到貨真價實、性價比高的 AI 產品和 AI 繫統實施服務，但如何纔能辨別？
正在進行 AI 繫統應用的 AI 推廣部門、信息繫統管理部門、經營企劃部門、新事業開發部門和考慮引入 AI 繫統的物流部門、生產管理 / 質量控制部門，以及為企業客戶提供 AI 繫統應用咨詢與支援服務的供應商、咨詢公司，都能通過本書找到可以取得立竿見影效果的措施。
? AI 是一個既便捷又特殊的輔助性工具
我先前在企業工作，後又轉到大學，再到如今經營自己的創業公司，一直從事與 AI 有關的研究開發和面向企業的應用服務，深感 AI 確實是一個便捷的工具，但卻有著自己的個性。33 年來，我一直致力於 AI 的開發、應用和部署。
過去 10 年中，我們一直在開發 AI 應用產品和 API（應用程序編程接口），並以雲服務通讀、內部部署（服務器安裝類型）或租賃的形式提供給企業客戶。同時，為一些行業的領先企業、大學的AI 繫統應用項目提供幫助。
在應用 AI 繫統時，我們自始至終保持以數字結果為導向，肩負實證評估的責任，抱著與客戶共進退的嚴謹態度。我們不會輕率地將部署傳統 IT 繫