人工智能是企业发展的必经之路吗

历史的发展总是惊人的相似，人工智能的发展也是如此。

纵观人工智能的发展，它已经历了三次浪潮，从“跳棋”到“国际象棋”再到“围棋”人工智能的每次发展都因“人机大战”而被大众所熟知。

70年代和90年代，由于算法结构及当时的计算能力因素，在当时行业的应用上、效果上，都没有达到一个很有效的效果，所以前两次浪潮都是潮起潮落。

直至目前，随着深度学习技术的成熟，计算机运算速度的增长以及互联网时代海量数据的支撑，才让人工智能开始了一段与以往大为不同的复兴之路。

以“领域应用”为主的人工智能

伴随着计算机图像识别准确率在ImageNet竞赛中首次超过普通人肉眼识别准确率，人工智能的发展终于迎来了其新的里程碑。伴随着人工智能在视觉领域、语音识别领域、自动驾驶领域等诸多应用场景的崭露头角，越来越多的人看到了人工智能产生的巨大价值。

正是在这样的大背景下，人工智能完成了在产业层面的落地，一些科研成果也开始被应用到各主流商业领域，如银行、保险、制造、交通运输、医疗、教育、市场营销等。

从某种程度上来讲，此次的人工智能热潮是以产业应用为导向的，是以解决商业问题为目的，商业模式层面的发展。

人工智能进化下的企业应对

当人工智能标准工程流程因深度学习进入“下一阶段”而调整时，我们的企业应该做好相应的准备。

1. 做好企业人工智能摸底工作，当转变来临时，找准其所对应的阶段；

2. 根据摸底情况，进行相应部署开发；

3. 将部署开发内容完成从测试环境到“生产环境”的转变。

首先，在摸底阶段要明确的理顺企业人工智能所处的就绪阶段，是以基础为主还是运营为主，或者是进入了转型期。不同的阶段所考虑的核心因素也不同。

基础阶段：确定数据战略和目标应用案例后，考虑部署用于人工智能概念验证的基础设施和接口。

运营阶段：应建立恰当的管理和监管机制，以便持续开发人工智能解决方案。

转型阶段：优先考虑从人工智能获取最大价值的能力。

摸底定位之后，接下来的重要工作就是进行部署开发。对所有的数据相关企业而言，其对数据的监管以及安全性的考虑永远是放在第一位的。所以开发部署的重点就放在了对人工智能本身的安全性，以及相关算法、参数的保护上，除此之外，还要考虑外部环境以及相关漏洞带来的影响。

前两部分都准备好之后，最后则是从生产测试环境到生产环境的落地。这个过程中需要考虑很多素，是重新搭建一个更大的平台，将现有数据、算法完全移植过去？还是对现有硬件设备的再利用？又或者是通过外部采购一次性解决方案或通过外包来解决交付工作？这些都没有明确统一的答案，只能根据企业自身条件进行灵活选择。