本文目录一览：

• 1、决策智能：从数字化实验室走向现实商业价值
• 2、人工智能的利与弊分别有哪些？
• 3、AI 大火，对金融行业从业者有何影响？
• 4、AI（人工智能）和BI（商业智能）各有哪些优缺点？
• 5、人工智能的意义和价值是什么？

决策智能：从数字化实验室走向现实商业价值

当AlphaGo在与人类的对弈中布下第一手棋，决策智能的时代便按下了不可逆转的启动键。

近年来，决策科学从一个新兴学科一跃成为业内发展最快、应用最广泛的领域。随着云计算和人工智能快速发展，运用数据科学的力量由机器帮助人们做决策成为了可能。

在萨摩耶云首席科学家王明明看来，云计算和人工智能的关系更像是血液与神经系统。他形象地把云计算比喻为动力单元，把人工智能比喻为头脑单元，清或只有当“动力”与“头脑”充分融合与协调，才会让决策智能的出现成为可能。而决策智能最大的价值，是可以充分调用数据，并利用机器学习的能力，寻找出潜在的模式、隐匿的风险，帮助各个行业快速而精准地解决商业问题。

六年前，当王明明作为创始团队成员加入萨摩耶云时，市场上还尚无决策智能的概念。本着“只用最适合的技术，而不盲目追求新技术”的理念，萨摩耶云的技术团队从数据研究起步，围绕业务的发展不断推动技术进化，在成为国内领先的智能决策解决方案供应商的道路上马不停蹄。

从Ascore到K3 决策智能的技术进化路线

作为在商业领域率先运用决策智能为客户提供解决方案的公司，经过数年的 探索 ，萨摩耶云所独创的K3智能策略体系不仅帮助客户重构了业务流程从而实现了业务增长，同时，也验证了这一业务体系的可复制性及成长空间。

完成技术进化所坚持的“信仰”是萨摩耶云技术团队对“解决问题的信心和执念”。

“AlphaGo如果只能战胜刚学棋的小朋友，是无法被称之为革命性的决策智能产品的。”在王明明心中，只有将问题解决得“至少跟人一样好”才能被称之为智能。而“跟人一样好”并不是人类的平均水平而是“顶尖水平”。

因此，行业用户所感受到的智能决策解决方案带来的效率与业绩提升的背后，是6年五次的技术迭代。

从最早的源自于银行业的逻辑回归算法Ascore来帮助计算信用风险，到纯粹用数据来拟合训练的DNA，再到使用人工介入辅助对各类业务模型进行仿生训练的Alpha S，彼时，萨摩耶云的决策智能技术已经达到了业内较为领先的水平。

随后，K2智能策略体系推出，其在Alpha S的基础上，可对各个业务模型快速迭代，可以根据客户需求快速实现对各类模块的调整。而去年，萨摩耶云将K2升级为K3，K3拥有强大的“模型池”，可以容纳不限数量的模块以供用橘正升户随时调用，充分满足各行业用户的智能化决策需求。

一个真正的智能决策解决方案是能够吃透要解决的业务问题，同时具有产品化能力。其中的任何一点没有满足，在萨摩耶云都不能称之为真正的决策智能解决方案。

“有些AI公司会去做一些咨询项目，原因可能就是产品化能力不足，只能通过咨询的方式‘将智能植入到客户的系统中’；或者是没有吃透业务，只能通过咨询的方式，进一步调研和了解业务问题的实质，为产品化做准备。”

拥有真正的智能决策解决方案正是萨摩耶云核心能力和核心优势。从最为复杂的金融行业风控研究起步，使得萨摩耶云的云计算和人工智能技术在机器学习训练、算法优化等方面具有应对复杂环境的能力以及更加丰富的经验。

在这一过程中，也涌现出“欧拉”、“猎户座”、“AMSM”（auto-multiole-samples-mixer）、“3M”（multi-task、multi-modal、multi-evaluation）等多个让王明明及他的团队感到自豪的产品和技术。

更高级的、直接产生价值的智能

通常，人们常把人工智能分为感知智能、分析智能和决策智能。用王明明的话说，从人类发展来看，机器是肢体的延伸，决策智能是大脑的延伸。

新商业学院主编的《数智驱动新增长》一书中这样描述决策智能：基于自动化和设备的智能化构建大数据分析的能力，使“数据”转化为“洞察”，进而由洞察产生行动，不仅在技术上提升洞察分析能力，也能够从组织、管控、能力的角度同步得到提升，真正实现顺利运作“感圆老知-洞察-评估-响应”闭环并且能够循环提升。

相对于其他智能，决策智能是能够直接产生价值的智能。通过构建一套全新的决策机制，能够替代传统的经验决策，提升效率的同时还能够“少走弯路”。据Gartner公司测算，到2030年，决策智能将超过所有其他类型的人工智能活动，占全球人工智能衍生商业价值的44%。

但根据技术运用程度的高低，决策智能又被分为四个阶段：前决策智能、有限决策智能、完全决策智能、超级决策智能。所处的阶段不同，其所构建的商业模式、商业价值也有所差异。

萨摩耶云与目前市场上的一些数据风控公司不同，它并未经历过前决策智能阶段，公司成立伊始，即处于有限决策智能的阶段。公司早期就已然跃过了近似于“计算智能”的阶段，而是将人的经验结合数学模型，将逻辑导入系统，由系统自动化进行分析和判断，给出决策性建议，并自动予以执行，基本实现智能化判断与决策。

随着技术能力的不断提升，2020年开始，萨摩耶云已经进入了完全决策智能阶段。通过任务式学习、机器学习，达到了“由人直接向机器下达目标指令，机器自动给出答案”的效果，并支持机器自我更新迭代，基本摆脱人的经验和逻辑，人只需要赋予机器新的样本、新的学习算子，由机器自我驱动和学习，并直接做出决策和行动，以K3智能策略体系为代表的部分产品已达到“半人格化”属性，在客户中也取得了良好的使用效果与口碑。目前市场上鲜有能与萨摩耶云一较高下的竞争对手。

获得验证的商业模式

一个技术负责人的最大欣慰是看到自己所坚信的技术能够创造出商业价值。王明明是其中的幸运儿。“我们的产品模式选择SaaS、aPaaS模式，从商业上、财务上都证明了我们是正确的。”

萨摩耶云对智能决策科学的 探索 和运用，并非停留在实验室阶段。其智能决策兼顾科研创新与应用创新，在理论研究的基础上，将决策智能 科技 在业务实践中广泛使用，并给公司带来了规模化的客户、收入和盈利。

据介绍，萨摩耶云以云原生数字 科技 为依托，融合机器学习及深度学习等前沿AI技术，从云端提供决策智能服务，让人工智能与SaaS服务实现高度的融合，从而实现通过机器来替代大脑的判断和决策过程，为企业带来数字化、智能化、生态化等多个创新优势。

通过决策智能科学体系以及围绕该体系的一系列具体技术和产品，帮助企业改变过去依靠“经验驱动”的习惯，转而以“智能驱动”来实现快速的、低成本的规模化扩张，进而获得高效创新的商业增长机会。

萨摩耶云综合运用前沿技术打造了“商家对商家对顾客”（B2B2C）模式，以帮助客户建立一个完整的价值链闭环生态系统，该闭环系统包括客群生成、流量引导、重复购买、增值服务等全方位内容。针对不同的业务场景需求，萨摩耶云为客户提供了“决策智能+云服务”的细分服务内容，目前已经形成了金融云解决方案、产业云解决方案、信用云解决方案等三大具体解决方案。

“各类机构要面对的风险很多，萨摩耶云提供的解决方案能够在大数据基础上通过决策智能更精准地判别风险，解决风险收益匹配的问题。”

据王明明介绍，萨摩耶云主要是从对抗、社区、环境、稳定四大方向（即：ACES智能决策框架）进行 探索 ，打通智能获客、智能风控等问题，帮助合作机构在承受最低风险情况下，获取更高的收益。

数据最能说明问题。目前，萨摩耶云的相关业务已涉及政府监管、手机制造、电信运营、线下商超等多个领域，“数智萨摩云平台”已与7370万家小微商户及客户、50家金融机构、530家不同行业的企业、1470家互联网平台及70家数据供应商展开了深度合作。

决策智能的未来之路

未来的决策智能是什么样子的？会是超级决策智能所描绘的机器具有了“完全人格化属性”吗？那或许是一种现在听上去比较科幻的场景：一个人走在路上，周围的一切都在随着他变动，随时做好为他提供服务的准备，而这些服务全都由一个“大脑”所控制。

王明明认为，决策无处不在，因此决策智能的发展就如同机械化代替纯手工、 汽车 代替马车、手机代替电脑一样，会因为效率的提升而不断进步。“决策智能未来将会非常普遍、无处不在且无感的存在，就像现在各种互联网应用，人们已经习惯于它的便捷。我们人工智能团队在做的，就是将决策智能应用在需要提效的地方”。

但他也表示不需要神化决策智能，因为它离“无所不能”还非常远。一方面，决策智能是有局限的，需要大量的 历史 数据样本，只能处理可以被数字化的决策，而不能理解很多主观的价值判断。此外，决策智能只能在给定的题目中求解，它无法跳出题目，就像AlphaGo无法做饭、理发，甚至不能告诉你是否应该带雨伞。

“围棋AI也还在不断迭代，每次围棋机器人大赛，总会有新AI战胜旧AI，这就证明即便是AI，离围棋上帝也还很远，他只是超越了人类，离围棋上帝更近一些。”

作为主攻决策智能赛道的 科技 公司，事实上，萨摩耶云对于技术的发展规划有着非常明确的目标。王明明透露，未来3-5年，在技术上力争更加精细，利用更多样本，研究和提升算法，将原有问题解决的更好；另外，提升技术应用的广泛性，将已有的“智能”放进更多的问题中应用，加强智能泛化应用的能力。

他同时坦言非常喜欢AlphaGo，希望有朝一日可以做出属于萨摩耶云的“AlphaGo”，用来解决各个领域的商业问题。

人工智能的利与弊分别有哪些？

人工智能的利与弊如下：

利：

1、商业智能：AI技术可以通过大数据哪裤分析，用更精确的算法提高商业数据效率，从而为用户创造更加优质、长期的个性化体验。

2、机器人： 由AI技术操控的“机器人们“可代替人类从事辩缓厅危险、重复的工作。从而将人类从重复的、无意义的工作中解放出来；从高危职业中解放出来。同时也可以突破人类发展的瓶颈：探索山海冰河、外太空这些人类无法企及的地方。

弊：

1、 失业危机： " 据人力资源和社会保障部2017年新闻发布会介绍，2017年末中国失业率达4.05%"这足以引起我们的重视。机器人不会犯错、不会累、不需要休息、不需要工资。如此便会导致大规模的失业，一则给政府带来沉重的负担；二则使需求下降，千千万万的企业破产。循环往复，其后果不堪设想！

2、人才争夺与垄断：人工智能时代的到来，必将引发空前的人才争夺战。谁拥有的各携隐类一流人才数量多、质量高，谁就能赢得最后的胜利。同时这也会导致巨头的垄断、贫富分化的加剧。

AI 大火，对金融行业从业者有何影响？

AI人工智能的出现，对金融工作人员可能会产生一定的替代影响。金融从业者需要保持不断学习。

以下是可能会受到影响的方面：

工作效率的提高：AI人工智能可以通过模拟人类思考和决策的过程来提高工作效率。例如，机器学习和自然语言处理技术可以帮歼戚助金融工作人员更快地分析和处理大量数据，从而更快地完成工作。

就业市场的变化：由于AI人工智能在各个领域的应用不断扩大，金融领域的竞争可能会更加激烈。因此，金融工作人员需要不断学习和适应新技术和工具，以保持竞争力。

工作内容的变化：AI人工智能的应用可能会导致一些工作内容的变化。例如，一些简单的任务可能会被自动化，而需要高度专业化的工作可能会更加依赖金融工作人员的技能和经验。

员工角色的转变：AI人工智能的应用可能会改变金融工作人员的角色和职责。例如，一些员工可氏睁陵能会被机器取代，而需要承担新的职责和责任。

总之，AI人工智能的出现可能会对金融工作人员产生一定的影响，但同时早铅也为他们提供了更多的机会和挑战。他们需要不断学习和适应新技术和工具，以保持竞争力和适应未来的发展趋势。

AI（人工智能）和BI（商业智能）各有哪些优缺点？

BI目前实现的是收集数据，提供反馈，辅助决策的能力，以数据为基础的，面向数据管理和分析，属被动角色。而AI则辅以大数据，算法等得到更有价值的信息，实现收集+预测的能力，更多的是主动角色。

虽然AI的应用范围非常广，但结合BI现仍是处理结构化的数据。而此如纳处二者的交集在于机器学习和数据挖掘，但又略有不同。AI的机器学习强调算法，BI的数据挖掘还包括对数据的管理，算法选择上也较为简单，没有神经网络和深度学习等复杂AI算法。

未来,AI与BI的区别在于BI负责梳理生产关系，AI是先进生产力。那么AI+BI模式握悉通过将AI嵌入BI，构建段橡乎基于AI的BI平台，利用AI的智能让BI系统能够解决更复杂的业务场景，产出更精准的分析结果，从而使决策更为科学和准确。

对于结构化的数据，BI系统可应用机器学习算法，得到更精确的分析结果。例如上文提到的总结用户画像，分析人群行为数据，得到千人千面，实现精准营销的结果。还有金融领域的风险监测，AI+BI的模式可以分析出金融风险和其他指标、行为之间的内在联系，预测更为准确。

对于非结构化的数据，BI可以应用图像处理、语音工程和文本分析等AI技术，智能化地处理复杂业务场景。如语音转文字，录入数据及产出想要的报表等。

业务场景除了在 IT 信息化基础比较扎实的行业，也会在深度场景化的细分领域，且这些领域不具备通用性。也可理解为解决方案不具备复用性。这个时候通过AI完成一些算法匹配，根据匹配的结果来驱动业务执行。

人工智能的意义和价值是什么？

人工智能什么是有什么价值和意义AI技术在商业竞争分析和决策制定中的价值，人工智能(AI)使机器可以从经验中学习AI技术在商业竞争分析和决策制定中的价值，适应新的输入并执行类似人的任务。您今天听到的大多数AI示例-从下象棋的计算机到自动驾驶汽车-都严重依赖于深度学习和自然语言处理。使用这些技术，可以训练计算机通过处理大量数据并识别数据中的模式来完成特定任务。

一、人工智能历史

人工智能一词始创于1956年，但是由于数据量的增加，先进算法以及计算能力和存储能力的提高，人工智能在当今变得越来越流行。

1950年代早期的AI研究探索了诸如解决问题和符号方法之类的主题。1960年代，美国国防部对这种工作产生了兴趣，并开始训练计算机来模仿人类的基本推理悄核。

这项早期工作为我们今天在计算机中看到的自动化和形式推理铺平了道路，包括可以设计为补充和增强人类能力的决策支持系统和智能搜索系统。

好莱坞的电影和科幻小说将AI描绘成占领世界的类人机器人，而AI技术的当前发展并没有那么可怕，甚至还没有那么聪明。取而代之的是，人工智能已经发展为在每个行业提供许多特定的利益。继续阅读有关医疗保健，零售等方面人工智能的现代示例。

二、为什么人工智能很重要?

1)AI通过数据实现重复学习和发现的自动化。但是，人工智能不同于硬件驱动的机器人自动化。AI不是自动执行手动任务，而是可靠，无疲劳地执行频繁，大量的计算机化任务。对于这种类型的自动化，人工询问对于设置系统并提出正确的问题仍然至关重要。

2)人工智能为现有产品增加了智能。在大多数情况下，不会将AI单独出售。而是，您已经使用的产品将通过AI功能得到改善，就像将Siri作为新一代Apple产品的功能添加一样。自动化，对话平台，机器人和智能机可以与大量数据结合使用，以改善从安全智能到投资分析的各种家庭和工作场所技术。

3)AI通过渐进式学习算法进行调整，以使数据进行编程。人工智能发现数据的结构和规律性，从而使该算法获得技能：该算法成为分类器或预测器。因此，就像该算法可以教自己如何下棋一样，它可以教自己下一个在线推荐什么产品绝运档。当给定新数据时，模型会适应。反向传播是一种AI技术，允许在第一个答案不太正确时通过训练和添加数据来调整模型。

4)AI使用具有许多隐藏层的神经网络分析更多和更深的数据。几年前几乎不可能构建具有五个隐藏层的欺诈检测系统。不可思议的计算机功能和大数据改变了这一切并乱。您需要大量数据来训练深度学习模型，因为它们直接从数据中学习。您可以提供的数据越多，它们变得越准确。

5)人工智能通过深度神经网络实现了令人难以置信的准确性，这在以前是不可能的。例如，Alexa，百度搜索和百度相册的交互都是基于深度学习的，并且随着我们使用它们的不断增加，它们将变得越来越准确。在医学领域，来自深度学习，图像分类和对象识别的AI技术现在可以用于以与训练有素的放射科医生相同的准确性在MRI上发现癌症。

6)AI充分利用数据。当算法是自学时，数据本身可以成为知识产权。答案在数据中。您只需要应用AI即可将其淘汰。由于数据的作用现在比以往任何时候都重要，因此可以创造竞争优势。如果您在竞争激烈的行业中拥有最好的数据，即使每个人都在应用类似的技术，那么最好的数据也会取胜。