机器智能技术模仿人类认知创造价值

近日，赛迪智库规划研究所编译了德勤的年度报告《2017技术趋势：运动中的企业》，报告中详细阐述了机器智能这一技术趋势。

机器智能（MI）是代表新认知时代的一系列技术总称，人工智能（AI）是 MI 的一部分。

近年来，机器学习、深度学习、高级认知分析、机器人自动化、机器人技术等领域取得了快速发展。

当前，一些领域已出现了机器智能应用实例。例如，在医疗领域，某医院正在“训练”其机器智能系统分析存储在医院数据库中的 100亿张遗传和基因图像。在金融服务领域，销售助理正在使用机器智能，发掘潜在客户资源。该认知助手可以解析自然语言，以了解客户的对话问题，同时处理多达27000个会话和几十种语言。

越来越多的公司正试图利用机器智能技术，预计2019年将达到近313亿美元。机器智能也成为CIO的优先考虑事项，德勤的 2016年全球CIO调查中，1200名 IT 高管提到计划在未来两年内大幅投资于新兴技术，其中有 64%的人提到了认知技术。

机器智能发展的主要驱动因素

⒈指数级的数据增长。当前全球创建和复制的数据大约每隔 12 个月增加一倍。到 2020 年，全球的数据预计将达到 44泽字节。

⒉更快的分布式系统。新一代微处理器的性能是 1971 年单芯片微处理器的 400万倍。除了处理器功率和速度的增加，分布式网络的覆盖范围也越来越大。云技术使得基础架构、平台和应用程序得以无缝连接。

⒊更智能的算法。一是优化、规划和调度算法；二是机器学习算法；三是深度学习算法；四是概率推理；五是语义计算；六是自然语言引擎；七是机器人过程自动化（RPA）。

CIO对机器智能的考虑

对于 CIO来说，如果要引进机器智能技术，他们需要用新的思维方式对待数据分析，不能只把数据看作生成静态报告的工具，而是要建造巨大复杂的数据库，实现流程任务自动化，提高工作效率。在机器智能中，CIO 可以考虑以下机会：

认知洞察。机器智能可以提供深层次、可执行的可视性，让我们了解不仅仅是过去，而且包括现在和未来发生的事件。

认知参与。机器智能价值树上的第二级应用是认知型智能体，也就是通过认知技术让系统和人类互动。目前这种技术的应用更有利于消费者，而不是企业。

认知自动化。机器学习、RPA和其他认知工具可以帮助我们发展深层次领域专家（例如各个行业、职能和地区），然后实现相关任务的自动化。

机器智能的主要作用

管理数据。MI技术可以帮助我们对数据进行自动分类和定义，让我们定义、梳理和维护主数据。

有界性和目的性。MI聚焦于那些如果解决可以提供有意义价值的商业问题。根据问题的范围选择需要的数据输入、合适的 MI技术和相关的架构，以及数据管理需求。

合作研究。MI正在进入飞速发展的时期，学术界、创业公司、现有的供应商都在研究 MI应用，发明新的技术。

工业化分析。工业化分析指的是在公司各个层面推广一致和可复制的分析方法、分析平台、分析工具和人才，其中就包括机器智能。从战术上讲，这些内容可以催生数据获取、数整合、数据归档、数据访问、数据享有、数据加密和数据管理等服务。