叶伟志：未来的企业，你需要有首席人工智能官

1. 更好地获取信息，通过各种新型的传感器和体系获取信息，这里额外提醒一下，信息不仅限于传统意义上的“数据”，以前我们更多关注在“数据”是因为信息储存成本过高，运算能力不足，所以在采集和储存信息的时候，就采用了大量的简化和代替，这些被简化和代替以后的信息，通常，我们称之为“数据”。立足发展和将来，我们应该对“信息”的概念有更广阔的认识和视野。

2. 更好地形成知识，目前在这个领域大放异彩的，就是机器学习了，在其中最为突出的，就是使用了神经网络算法的深度学习DEEP LEARNING。深度学习把黑盒子的特性展现得淋漓尽致，人们可以不用管中间过程，让机器模拟人类神经元工作的方式，在输入数据和输出结果当中，通过计算机超级强大的建模和运算能力，推演探索出新的模型。深度学习的黑盒子特性，也让人类产生了极大地恐惧。就在今年的6月份，Facebook人工智能实验室被迫关闭了一个实验，因为实验当中发现了两个智能对话机器人在训练当中，发展出来了一些人类无法理解的独特语言。

3. 更好地完成任务，这个的想象空间是最大的，毕竟纯粹的知识没意义，很多时候商业的价值，就是在于把知识转化成为产品，完成任务服务需求。比如大型会议的会议纪要机器人等等。这里面是每个企业在将来战略目的当中的重点关注点，使用人工智能的知识和产品，完成更多的任务，服务于社会，产生商业价值。所以我认为更好地完成任务，是大部分企业面对人工智能可以关注的事。

进入高速增长的行业

基于人类进步的下一个浪潮，就是刚刚说到的“更好地获取信息”“更好地形成知识”“更好地完成任务”，基于这样的浪潮，我们认为接下来有一些行业是会持续处于高速增长的状态的。

1. 家居

2. 医疗

3. 养老

4. 交通

5. 环保

6. 金融

7. 通讯

8. 穿戴设备

在上述描述到的行业当中，可能会水涨船高，能够得到更快速的发展。具体我们也正在进行相关行业的调研，希望不久的将来，可以跟大家分享我们对这些行业的研究。

产品战略

上面花了很大的篇幅，说到了人工智能与新的浪潮之间的关系，当我们都把握到大的浪潮发展方向以后，就比较容易制定企业的定位和战略了。完成以后，接下来最重要的，就是对于不同的产品进行分类匹配，执行不同的产品战略。

这里我们推荐使用波士顿矩阵的方法进行分析，根据不同产品的市场份额以及增长率进行分类。

上述表格，是经过了波士顿矩阵方法分析以后，得出来的选型规划建议。最后应该根据每个不同类型的产品，执行可信可靠的执行战略，比如对于现金牛产品，规划的主要目的，可能在于规避风险和降低黑天鹅事件发生的概率，收集风险，事业环境因素的趋势判断，核心盈利指标的趋势判断，采用稳健的技术选型方向，大规模投入，进一步提高现金牛收入的稳定性。

到这里，我们讲完了理解/制定公司战略这个事，这里稍微做一下总结，就是要理解发展的大浪潮，基于公司的实际情况，找到合适的行业，进行公司的战略定位，同时基于公司的产品，使用合适的方法进行分类(比如波士顿矩阵)，制定不同产品的执行战略。

职能二 引入成熟的机器算法

引入成熟的机器算法，代表的意思就是我们不去研究和提升算法本身。对机器算法的研究和提升，需要顶级的智慧和知识，其中有一些必要的资源，是99%在座的我们都不具备的，其中主要有哲学、数学、经济学、神经科学、心理学、计算机工程、控制论、语言学等等，可能在产业的初期，我们还能有一些些机会参与，但到最后，一定是剩下为数不多的巨头甚至国家层面，对算法进行进一步的研发。有时候甚至国家也不容易处理这些事情，比如天河二号在GPU的应用层面，由于被美国政府对NVIDIA的限制，导致天河二号虽运算快，但是由于GPU运算能力的缺陷，导致不同的技术引入的时候，会有各种适配的麻烦。总而言之，就是我们要做的，就是引入成熟的机器算法，我们不要去研究机器算法的本身。

那我们来看看成熟的机器算法有些什么吧。

l 决策树：

l 随机深林

l 逻辑回归

l SVM支持向量机

l 朴素贝叶斯

l K最近邻

l K均值

l Adaboost

l 神经网络

l 马尔可夫