探索人工智能的商業(yè)案例類型

時(shí)間：2022-04-16 09:30:01 | 來(lái)源：行業(yè)動(dòng)態(tài)

時(shí)間：2022-04-16 09:30:01 來(lái)源：行業(yè)動(dòng)態(tài)

自動(dòng)駕駛汽車是AI非常重要的應(yīng)用領(lǐng)域。下面通過(guò)幾個(gè)數(shù)字看看自動(dòng)駕駛汽車的使用所帶來(lái)的好處：在美國(guó)，由于自動(dòng)駕駛汽車的使用使得在避免致命碰撞方面節(jié)省了317億美元（盡管到目前為止，它還不能完全避免造成死亡），在避免非致命碰撞方面節(jié)省了226億美元，時(shí)間方面節(jié)省約99億美元。但是也有分析指出，這并不是原來(lái)人們預(yù)想的保險(xiǎn)費(fèi)率或者汽車自身成本的降低，買(mǎi)不起車的人仍然買(mǎi)不起車。與此同時(shí)，這些也只是美國(guó)市場(chǎng)的數(shù)字。

從投資回報(bào)率來(lái)看，據(jù)Axios報(bào)道，截至2018年第三季度，風(fēng)險(xiǎn)投資公司僅在自動(dòng)駕駛領(lǐng)域投資了近80億美元這其中并不包括傳統(tǒng)汽車制造商的任何投資估算。而即使增加一些資金來(lái)彌補(bǔ)私人投資方面的影響，自動(dòng)駕駛汽車的收益也遠(yuǎn)遠(yuǎn)超過(guò)迄今為止投入的資金金額。對(duì)于誰(shuí)將從中獲益，以及這是否與成本相匹配這一系列問(wèn)題，仍然有待考量。因此，為了使自動(dòng)駕駛投資得到回報(bào)，少數(shù)幾家已經(jīng)投資的公司不得不分享紅利，而這也意味著要分?jǐn)傁M(fèi)者和保險(xiǎn)公司的預(yù)期收益。

這一切都是從宏觀層面來(lái)看的。那么，在微觀層面呢？讓我們先看一個(gè)荒謬的例子，比如，預(yù)測(cè)今天你會(huì)收到多少封電子郵件這件事是否值得預(yù)測(cè)？

有人可能會(huì)說(shuō)，對(duì)收到電子郵件數(shù)量的預(yù)測(cè)結(jié)果，可以讓自己更好地評(píng)估一天的工作量，或者明確沒(méi)有完成對(duì)工作，并據(jù)此做好工作計(jì)劃。

它解決了什么樣的問(wèn)題這是數(shù)據(jù)分析領(lǐng)域的一個(gè)基本問(wèn)題。它能幫你判斷即將做出的預(yù)測(cè)行為是否有價(jià)值，其根本就在于確定所獲取的信息是否會(huì)改變你的行為。比如，知道接下來(lái)幾個(gè)小時(shí)可能收到的電子郵件數(shù)量，并不一定會(huì)改變我的行為。工作仍然需要完成，我無(wú)法完全阻止電子郵件進(jìn)入我的郵箱。

但是，換一個(gè)角度來(lái)看。對(duì)于一整個(gè)公司來(lái)說(shuō)，預(yù)測(cè)所有員工在一天內(nèi)將會(huì)收到電子郵件的數(shù)量就變得有意義了。因?yàn)檫@些信息就可以用于控制公司為電子郵件服務(wù)支付的費(fèi)用，預(yù)期的員工的工作效率，或者判斷升級(jí)后的垃圾郵件過(guò)濾器是否有用。當(dāng)然，只有當(dāng)大型企業(yè)組織在員工中把這個(gè)利益聚合到一起的時(shí)候，才能真正獲得這樣的價(jià)值比如當(dāng)你將這種做法應(yīng)用到一群分布在全國(guó)各地、在不同公司工作的朋友身上時(shí)，可能就不奏效了。

這并不是說(shuō)你無(wú)法在微觀層面上看到AI預(yù)測(cè)的價(jià)值。一個(gè)很好的例子就是預(yù)測(cè)你今天要吃多少碳水化合物。如果讓AI查看你過(guò)去的飲食習(xí)慣記錄，那么它可能會(huì)發(fā)現(xiàn)你通常會(huì)在午飯時(shí)吃面包，在晚飯后吃甜點(diǎn)。AI會(huì)利用這些信息嘗試阻止某些在接下來(lái)你會(huì)做出的行為，例如鼓勵(lì)你在上午10:30吃沙拉，在晚上6點(diǎn)提醒你不要在晚餐后吃餅干。這就是AI在微觀層面為你帶來(lái)的價(jià)值，它將直接影響你的行為。

相反，跨消費(fèi)者聚合行為就不一定意味著企業(yè)能從這種聚合中受益，或者說(shuō)，要從整體上獲益將更加分散和困難。