人工智慧鏈條的七個步驟

「Ray」 Wang將人工智慧鏈條總結為七個步驟，舉得例子是智能醫院的例子，這篇他分享給大家，不管大家處於人工智慧行業的任何一個領域，都可以從「場景」和「收益」出發梳理自己的產品思路。

七個步驟：

1.「感知」是對正在發生事情的描述。

「感知」主要根據明顯和非明顯的發現，來提供基本信息以及進行相關推薦。比如，要提前把醫院的物理布局告訴智能系統，它才能指明方向。為智能系統提供的信息包括地理空間位置、限制進入區域以及設備存放區域。其中，大部分信息是要人工輸入的。

2.「通知」會告訴你想要知道的信息。

通過人工輸入和機器學習，「通知」會以警示、工作流、提示器以及其他信號的方式來傳遞額外信息。初級編程會為智能系統設定「如果—那麼」的動作路徑。例如，如果到了吃藥時間，那麼病人和其家人就會收到相關通知。

3.「建議」推薦你需要採取的行動。

「建議」主要是基於過去行為提出的，另外隨著時間推移，還會根據加權性質、決策管理以及機器學習等不斷改進。通過應用最佳實踐以及規劃客戶體驗，智能系統會根據相關規定和條款，給出切實的建議，比如指出病人的樓層位置，點餐時進行飲食推薦以及根據生命體征情況建議休息等。

4. 「自動化」重複你一直想做的事情。

隨著機器學習的日趨成熟和完善，自動化帶來越來越多的便利。如果智能系統知道你總是喝「熱的伯爵茶，」那麼系統就會始終遵循你的習慣。演算法基於神經網路的交互而逐漸了解人們的喜好。比如，系統會基於之前的模式，自動彈出提醒病人吃藥的消息。

5.「預測」告訴你可以期待什麼。

基於深度學習和神經網路，「預測」會推算將要發生的行為。如果智能系統知道，從家到醫院有45分鐘的車程，而你在出門前喝了一杯咖啡，那麼當你到達醫院時，系統會自動告訴你洗手間的位置。

6. 「防範」幫助你避免不良後果。

「防範」通過認知計算來識別潛在威脅。比如，根據病人的過往病歷以及醫生開具的處方，就可以避免藥物的相互作用。

7. 「情境意識」知道你此時需要什麼。

在某種程度上，「情境意識」很像人類的決策能力。病人和醫護人員可以放寬心了，因為智能系統只會為需要的人提供相關信息。如果病人出現緊急情況，遙感技術會根據需要知道的優先順序給護士、醫生、手術室以及家庭成員等發送有針對性的信息。

正是以上7個環節的結合，人工智慧驅動的智能服務才得以出現。智能服務主要包括5個關鍵要素：

• 1.由於數字足跡和數據排放，人工智慧服務才得以建立文檔。

每一個人、每一台設備以及每一個網路都提供了信息。數字足跡或者數據排放來自面部分析、網路IP地址，甚至一個人的行走步態。通過人工智慧以及認知計算，系統可以進行模式分析以及關聯身份。這就意味著，在不同的情境下，人工智慧服務可以對我們進行個體識別。

• 2.沉浸式體驗讓自然交互成為可能。

在人工智慧服務中，情境、內容、合作以及渠道的融合，給每個人帶來了沉浸式、獨特的體驗。智能服務會根據當時的情境特點，比如地理位置、時間、天氣、心率甚至情緒，並結合之前對我們身份、偏好的了解，提供高關聯、合適的內容。「感知—響應機制」使得參與者與機器之間的合作成為可能，合作的形式包括交談與文本對話。渠道包括所有的聯繫點，例如手機、社交聚會、前台以及面對面交流等。總之，目標是基於個人身份的自然用戶體驗。

• 3.大規模提供個性化數字服務。

預期分析、刺激因素以及選擇，將帶來大規模的個性化。預期分析會基於對客戶的過往了解，來調整客戶體驗。刺激因素為客戶的反應提供了觸發點。選擇是客戶自己做的決定。這三個因素的結合，使得人工智慧系統可以基於客戶身份、過往喜好以及當時的需求實時設計體驗。

• 4.價值交換使信任流程得以實現。

一旦採取了行動，價值交換就可以加強這一交易。貨幣、非貨幣以及意見的交流是價值交換的三種常見形式。雖然貨幣價值交換可能是最明顯的方式，但是非貨幣的價值交換（包括識別、進入和影響）往往更引人注目。另外，一份簡單的意見或協議也可以提供價值交換，比如投保人要求的醫療索賠是否真實或者對病人治療方案的意見是否一致等。

• 5.持續的反饋和檢測，讓人工智慧可以持續學習。

通過機器學習和其他智能工具的賦能，智能系統的交付形式主要包括以下幾種：一次、臨時安排、重複、訂閱以及閾值驅動。通過機器學習技術，智能系統可以學習如何為特定的患者群體提供智能服務，以及將這些服務應用在未來的互動中。例如，系統可以檢測出哪些服務更能取悅孩子以及何時提供這些建議。

雖然人工智慧驅動的自動化會讓一些人感到焦慮，但是擔憂機器人將掌控世界的想法未免過於誇張。人工智慧驅動的智能服務將提升人類的智慧，就像之前機器提升了人類的體力能力一樣。通過減少錯誤、提高決策速度、識別需求信號、預測結果、防範災難，人工智慧驅動的智能服務將在我們未來的生活中扮演關鍵角色。