数字时代的企业进化：机器智能+人类智能=无限创新 原文摘录
《数字时代的企业进化：机器智能+人类智能=无限创新》的原文摘录
按热度排序 按页码排序 设想你乘坐航班正从芝加哥、巴黎或北京这些重要城市上方飞过，夜空之下一片漆黑，犹如置身夜晚中的海洋一般，你什么也看不到正当你俯视之时，有人扳动电网开关，当今人类的活动网络瞬间被点亮，尽收眼底。进一步想象一下，有人再次扳动开关，未来的都市景象惊现于你的一瞥之间。在你曾经以为什么都没有的地方，看到一个鲜活的世界 无论现在还是未来。黑暗中散发着无尽的细节，你可感知并展望闻所未闻的万千样貌。 扳动开关”来査看过去隐藏的细节和关于未来的深刻见解，这种 6能力彰显了数学公司的潜力。技术的飞跃，使得我们先前难以明辨之处，现在有了细纹理、高分辨率的全新图像。借助机器智能，我们得以发现一直处于朦胧之中的模式、异常和关联，而机器智能则建立在称为“数据科学”的一揽子技术之上。 这种能力不仅仅源于技术，也来自一种新型的领导才能。这种领导才能通过打破墨守成规的東缚来照亮黑暗。最好的决策总是来自直觉和经验，这类顽固的念头会首当其冲地被击碎。当你挣脱这些有形或无形的束缚时，你所领导的组织中的每一个系统、每一个业务流程都将随之脱胎换骨。每个行业的每项战略都将从根本上发生转变。 (查看原文) 数学公司不只是回顾成功的公司做了什么。新技术和新思维创造了过去无法想象的突破，固守旧观念显然无法捷足先登。展望先行者开创性的尝试，才是成功之道。 事实上，高瞻远瞩者，得以窥见必备技能、新兴战略、创新技术，以及培养人才和组织变革的经验教训。这种前瞻性的展望，给领导者元其是发展我们所说的“未来力量”提供了思想和行动的指引。未来力量，是结合特殊领导技巧与机器智能技术来预见未来并塑造未来的能力。 成为数学公司并非像“扳动开关”这般容易，因此至今还没有哪个组织成为一家成熟的数学公司。不过许多领导者已经把关键部分落实到位一一结合新思维、新数据应用和高级计算，以期在新时代到来时取得先机。这些领导者很清楚，他们的技术和战略创新正在颠覆旧方法，如同20世纪80年代的质量运动和20世纪90年代末的互联网一样，最终改变了一切。 拥抱复杂性以揭示真相并对未来的可能性和结果加以预测，这种转变恰好展示了数学公司的意义和力量。你可能深陷旧有東缚而不自知，一且突破这些東缚，你便可以通过机器来预测事件进展。你可以设想以前从未想过的进步，释放想象力而一展身手，解决先前百思不得其解的问题。 (查看原文) 大思维，大收获 数学公司基于一个永恒的原则：魔法在细节之中。这个原则在人类活动中能指引优秀的演奏家一路前行并不令人惊讶。20世纪伟大的爵士单簧管演奏家和乐队领袖班尼・古德曼（ Benny Goodman）曾说过：“你开始失去细节之时，无论音乐还是生活…你便开始失去实质。”古德曼所指虽然不是组织事务，但将之用于组织事务却很适合。尽管我们大多数人希望尽可能地避免复杂性，但这样做会使我们失去实质。 在过去，对于可望而不可即的美好，我们束手无策。谁拥有莫大的本事来掌握我们想知道甚至必须知道的，最佳地运作组织的全部细节？尤其是近年来，我们拥有比以往任何时候都多的数据，以及遍布大千世界各个角落的知识。日复一日，我们无法直视这些知识越发强烈的光芒，日益淹没于这势不可挡的光芒之中。 (查看原文) 分析已经过时了，因为它通常用于更好地理解已经发生的事情，回顾历史以免重蹈覆辙或者复制往日荣耀。即便人们在谈论高级分析，也往往是指使用有限的数据集，通常是专有数据。当人们谈论最新的“大数据”开发或者云计算时，一般是指大数据集，但仅仅基于历史观察进行分析。 基础分析、高级分析和云计算，都为我们提供了很好的服务。但它们属于上一代的技术奇迹。相反，在数学公司中使用机器智能，我们可以预测未来，使用这些预测来影响人们的行为，激发预期效果。数据科学将机器智能应用于海量数据集来捕获1000万客户行为的复杂性，或者是数百个油井的地震活动，又或者是全球数百万检测疾病暴发的流行病学细微征兆，再或 (查看原文) 想象一下，是否能将机器智能用于欺诈检测。伯尼・麦道夫（ BernieMadoff）通过精心策划一个简单的庞氏骗局，制造了当代最大的金融诈骗案。作为一个世界级的骗子，他精通诈骗手段，但这里他使用了一种古老而传奇的方法。尽管对于全球金融体系来说，虽然他的计谋就像草堆中隐藏的根绣花针，但仍然是可以被察觉的。如果有人把历史上所有的庞氏骗局案件的数据用于训练机器，然后用该算法检査世界各地的金融交易，那会怎么样？ 机器从细节和噪声中识别模式的能力远胜于人类。人们容易在纷繁芜杂的细节中迷失方向，但是无论诈骗者把会计报告编造得多么巧妙，无论他的举止、微笑和拥抱多么令人信任，机器都不会被骗局的表象所欺骗。当机器时时刻刻监控着世界上的庞氏骗局，就不可能有下一个麦道夫再行骗这么长的时间，也不可能从投资老手身上拿走那么多钱（麦道夫案件中诈骗金额为200亿美元）。 当你把模式识别的任务托付给机器时，你肯定不希望育目信任它。机器和人一样，也有弱点。你需要密切关注机器的工作方式，才可以充分信任它的工作成果。随着机器不断地取得成功，它变得越来越可以信赖。 (查看原文) 公众的期望之一是当某个组织收集其数据时，这些数据将被用来提供与收集相关的服务。遵从语境已成为一句格言，那么以此指导未来的数据使用，这是再自然不过的期望。如果你给亚马逊网站提供自己喜好的商品的数据，那么你会认为它将帮你找到（并购买）更多你喜欢的商品。如果没有，你会假定它只与提供这些服务的其他人共享数据。 当你借给邻居割草机时，你希望只割他自己的草坪。如果他还用来割别人的草坪呢？或者他还让女儿用你的割草机去修剪邻里的草坪赚钱呢？这违背了语境。这个例子说明，交易过程建立了隐含的承诺，遵从语境则意味着，你不信守承诺就会引发道德问题 每当公司出售数据时，都会出现语境的问题。卖给谁？用来做什么？正是由于“割草机滥用问题”，许多组织根本不出售数据。他们甚至对这档子事情避而远之，生怕引起用户的怀疑。另一方面，当然，通过分享信息，公司会创造出极好的、前所未闻的新产品，比如你在智能手机上得到的流量提醒。这对消费者来说非常重要。那么你如何找到平衡？正确的做法是什么？ (查看原文) 在新的原则中，我们有一些不容错过的重要结论。我们在整本书中对这些主题进行了简单而有力的讨论。这里我们再总结一下： 复杂性是一种恩惠，而不是一种负担。这一点，我们再怎么强调也不为过。系统工作方式的复杂性如同寻找含金矿床时的内在复杂性一一如果你不知道如何挖掘，那么它是提取价值的障碍。反之，则是宝藏。如果你构建了个平行数字世界，你可以创造未曾拥有过的价值。 JOOL Health通过学习算法来实现这一点，这些算法创造和分发有关预防性保健的智慧。 机器比直觉工作得更好。直觉对领导者非常有用（现在仍然如此），主要是因为人类大脑吸收和理解的细节与实质比我们意识到的要多。但是，随着时间的推移，机器正在迎头赶上。那么，什么时候依靠直觉来决策？什么时候依靠数据来决策？偏见、政治、一厢情愿的想法，以及前一晚办公室的聚会都可能扭曲你的看法。但随着机器更全面地反映现实世界，它的偏见也将消除（人类的偏见则不那么容易消除）。当洲际酒店集团（ Inter ContinentalHotels Group）为忠诚度俱乐部会员提供新的优惠时，营销人员来设计内容 但哪些人获得哪些优惠由计算机选择。这种合作关系产生了一个成功的项目。 机器模型超越心智模型。这是最后一个推论。领导才能的世界已经触及个拐点。和心智模型（“战略成功的三个杠杆”“完美员工的五项标准”） 样有用的是，机器模型如今在大约一半认知任务组合中的表现超越了人类。无论如何，你应该对机器思维持有怀疑态度，并采取“信任但需确认”的方式，但在不久的将来，除了想象力、创造力、问题解决和某些推理的领域之外，你会越来越难以击败机器模型。想想看：谷歌公司现在已经借助算法来招聘员工了。 解决方案不需要逻辑。我们都习惯于通过推理来求解：如果我们做X，那会导致Y，然后我们会得到Z。在平行数字世界中，发现的顺序常常是相 (查看原文) 反的，在我们知道为什么这样能解决问题之前，机器就识别出解决方案解决方案先于因果关系而不是因果关系先于解决方案。举个例子，在第2章的故事当中，识别海洋浮游生物的竟赛获胜者是一个无人监督的机器学习模型。基于机器的解决方案源于复杂模式，这种模式是凭借数据和信息经由复杂途径发现的。当我们识别到一个模式时（例如，我们在机场认出一个老朋友），我们的大脑也会做同样的事情，但是，对于我们看到的模式，以及将这些模式和招呼老朋友“你好”的自主决定之间关联起来的能力，我们无法解释大脑是如何在两者之间建立联系的。 通过分享创造价值。共享数据集和共享开源代码可以激励创新。分享可能让你丧失专有的研究成果，但通过众包获得了丰富的创造力。全球数据科学家所知道的远远超过你自己的团队。这就是为什么葛兰素史克和其他制药公司正在开放患者级别的临床试验原始数据，供他人使用。数据的发布加速了每个人的研究，并减少了重复工作导致的浪费。 突破与经验无关。在你的工作中拥有一位经验丰富的专家，对于提出好的解决方案仍然很重要。但对于将算法应用于数据的人来说，完全没有领城经验的人可能与手头有学科专家的人做得一样好。这就是为什么博思艾伦的数据科学家与西蒙一斯科约特预防种族灭绝中心（ Simon- Skjodt Center for thePrevention of Genocide）的人员相比，对种族灭绝所知甚少，却能够创建一种算法，对于发生种族灭绝的预测比有数十年经验的专家更胜一等。 不完美的发布胜过完美的发布。无论是在开发新产品还是在制定新战略上，坚持让你的人“第一次就把事情做好”是无济于事的。突破性解决方案来自试验，而非预想。福特汽车公司在2015年启动了数字化业务，在全球范围进行了25项低成本试验，从共享小货车到可选的亲友租质项，涉及方方面面的事务。在不知道试验将带来什么结果的情况下，福特正筛选某些... (查看原文)相关知识
手术室发展的“狂飙”：从野蛮时代到数字化、智能化、机器人化
聚焦数字健康丨步入医疗智能化时代，数智化如何驱动医院高质量发展？
数字时代下，区块链+文化=？
伏羲九针：智能穿刺机器人开创智慧医院新场景
人工智能加速数字医疗时代到来
力量型综合训练器材智能化技术的创新与融合的智能化升级方案
人工智能和机器学习在健康行业中的应用
化数字鸿沟为数字包容 智能家居智慧社区也要“适老”
【生活百科】智能家居：数字化时代的智能生活
智能设备成为糖尿病数字化管理基本前提，关键创新点有哪些？
网址: 数字时代的企业进化：机器智能+人类智能=无限创新 原文摘录 https://m.trfsz.com/newsview932320.html
