这期继续回答问题，人工智能的创新方向有哪些？
复合人工智能将彻底改变商业格局 人工智能创新方向2 KellyOnTech AI 系列
根据全球最具权威的IT研究与顾问咨询公司高德纳（Gartner）2022年发布的人工智能技术成熟度曲线，人工智能创新主要分为四个类别：
- 以数据为中心的人工智能；
- 以模型为中心的人工智能；
- 以应用程序为中心的人工智能；
- 和 以人为中心的人工智能。
图片来源：Gartner. 人工智能技术成熟度曲线 2022
上期介绍了以数据为中心的人工智能的创业公司和应用案例。这期介绍以模型为中心的人工智能创投机会。
人工智能创投的下一波大浪潮：深入合成数据机会 KellyOnTech_B2B营销策略 |跨境并购合作 |Mans International曼灵国际投资公司
以模型为中心的人工智能创新主要包括基于物理的人工智能、复合人工智能、因果人工智能、生成式人工智能、基础模型和深度学习。
关于因果人工智能和生成式人工智能以前介绍过。这期主要讲讲复合人工智能。
被Garnter列入2022全球新兴技术的下一代人工智能技术 因果AI是什么？causaLens KellyOnTech_B2B营销策略 |跨境并购合作 |Mans International曼灵国际投资公司
KellyOnTech解读Gartner2022顶级战略技术之生成式人工智能Generative AI _B2B营销策略 |跨境并购合作 |Mans International曼灵国际投资公司
什么是复合人工智能 (Composite AI)
复合人工智能是指融合不同的人工智能技术，以提高学习效率，拓宽知识表示层次。 由于没有任何一种 AI 技术是灵丹妙药，复合 AI 最终提供了一个平台，可以更有效地解决更广泛的业务问题。
Gartner预计复合人工智能的商业利益可能具有变革性，将在两到五年内成为主流，支持跨行业开展业务的各类新方式，这将彻底改变商业格局。 例如，复合人工智能：
- 可将人工智能的力量带给更广泛的组织群体，这些组织无法访问大量历史或标记数据，但拥有丰富的人类专业知识；
- 有助于扩大人工智能应用的范围和质量（即可以嵌入更多类型的推理挑战）。
复合人工智能有什么应用
复合人工智能解决方案的例子很多，为人熟知的比如说AlphaGo。AlphaGo 是 DeepMind 开发的 AI 系统，于2016 年击败了世界围棋冠军李世石。它将深度学习技术与强化学习相结合来玩复杂的棋盘游戏。AlphaGo彻底改变了游戏人工智能领域，并展示了深度神经网络在战略决策方面的强大能力。
图片来源：The Guardian. AlphaGo 对战李世石
另外一个大家熟悉的复合人工智能解决方案是特斯拉(Tesla)的 Autopilot。该系统使用以模型为中心的 AI 方法来实现自动驾驶。它结合了计算机视觉、深度学习和传感器数据来理解和解释周围环境，包括识别物体、检测车道和做出实时驾驶决策。另外，Autopilot 中的 AI 模型能够根据从 Tesla 车辆收集到的数据不断学习和改进。
图片来源：Tesla. Tesla Autopilot 展示
哪家提供复合人工智能解决方案的公司值得关注
在这里介绍一家起步比较早的公司DataRobot，成立于 2012 年，总部位于美国马萨诸塞州的波士顿。DataRobot 的企业 AI 平台通过构建、部署和管理机器学习模型的端到端自动化使数据科学大众化。该公司一直致力于为在当今智能革命中竞争的全球企业提供先进的人工智能技术和 ROI 支持服务，一度成为美国最炙手可热的人工智能独角兽公司。
DataRobot 把自身定位为数据堆栈的“智能层”。这是数据层之间的一个发展类别（例如 Snowflake、DataBricks , hyperscalers）和应用层（包括 SAP、Salesforce 和 ServiceNow）。
去年2022年的夏天，DataRobot可谓举步维艰。这家初创独角兽裁掉了四分之一的员工，并任命了一位新 CEO，前谷歌和亚马逊高管德班扬萨哈 (Debanjan Saha) 担任总裁兼首席运营官。 为什么会这样呢？主要是很多企业在人工智能方面进行了大量投资，但是能够展示真正的商业成果的案例少之又少。怎么办呢？为此DataRobot 升级了其人工智能平台。
DataRobot全新AI平台 9.0
2023年3月，DataRobot 通过推出其最新的 AI 平台 9.0，以及更深入的合作伙伴集成、AI 加速器和重新设计的服务产品重新卷土重来——所有这些都致力于帮助其客户从他们的 AI 投资中获得可衡量的价值。
新的 AI 平台包括 Workbench，一种支持用户使用代码优先和无代码方法的用户体验； 通过减少偏差、集中模型监控和自动化模型合规性降低企业风险；和新的人工智能服务包。
图片来源：DataRobot. DataRobot AI 平台 9.0
DataRobot 人工智能平台云端SaaS版本均可在 亚马逊AWS、谷歌云和微软 Azure 上使用。对于本地和私有云客户，DataRobot 支持 Red Hat OpenShift 以加快安装和部署，并与现有企业 IT 投资相集成。
DataRobot 还公布了几个新的和更深入的合作伙伴关系，包括用于数据准备、模型构建和监控的增强型 Snowflake 集成。此外，它还宣布与 SAP 建立合作伙伴关系，帮助企业利用来自 SAP HANA Cloud 和其他第三方数据源的业务数据，在 DataRobot 中构建自定义机器学习模型，并将它们嵌入到 SAP 应用程序堆栈中。DataRobot 还集成了来自微软 Azure OpenAI 服务的生成式 AI 技术，通过辅助代码生成实现代码优先笔记本实验体验的现代化，以及数据科学家和业务利益相关者之间的协作体验。
复合人工智能应用案例 - 供应链管理
过去几年，新冠肺炎疫情 （COVID-19） 给供应链带来了前所未有的不确定性——使本已困难的管理工作变得更加困难。 因此，许多制造商都在努力使生产和库存与不断变化的采购需求保持一致。 制造商们需要防止零件短缺。 零件短缺导致机器和运输未得到充分利用，从而导致通过网络延迟交货的多米诺骨牌效应。
零件短缺通常是由于装运延误造成的。在许多情况下，延迟发货会持续存在，供应链经理需要依据历史数据评估其根本原因，然后实施短期和长期调整以防止它们在未来发生。 但是由于所需的时间和资源，供应链经理无法有效地分析 物料需求计划 （MRP Material Requirements Planning (MRP)） 系统中可用的历史数据。
图片来源：DataRobot. DataRobot AI 平台 9.0
这时候复合人工智能解决方案在供应链管理中就派上用场了，可以极大地增强制造商预测未来商品需求的能力，即使是在不确定和动态的时代。供应链管理中的复合人工智能解决方案可以：
- 预测需求：使用一系列历史数据源来了解未来需求水平，制造商在许多情况下能将可用性提高了 5% 以上，将浪费减少了8% 以上，并减少因注销造成的损失。
- 预测退货：通过预测将退回多少库存，零售商需要从供应商那里采购的库存减少了，从而最大限度地降低了整个供应链库存过多的风险。
- 减少缺货：通过更好的预测，零售商可以依靠更好的粒度来减少缺货。
- 新产品预测：机器学习可以预测新产品销售的前几周和前几个月的可能销售额。
- 价格优化：综合分析受竞争对手、竞品、品牌、类别和位置等多种因素，给出最优价格点，从而优化需求和供应的平衡。
视频版
上集
下集
原文出自 Mans International 网站博客
复合人工智能将彻底改变商业格局 人工智能创新方向2 KellyOnTech_B2B营销策略 |跨境并购合作 |Mans International曼灵国际投资公司
评论留言