从0到1：人工智能赋能商业的秘密

　　人工智能无疑是近年来的新宠，屡屡登上新闻头条：从先后击败人类围棋冠军李世石和柯洁的AlphaGo，到魔幻般的DeepFakes换脸。但对于不精通深奥技术的商业人士而言，人工智能究竞能做什么？如果你想在投入时间和金钱之前了解人工智能将如何影响自己的业务，那么本书是为你量身定做的。 《从0到1：人工智能赋能商业的秘密》的案例讲解清晰，对技术概念的陈述简明易懂，将让你体会到人工智能的真正好处。每章都呈现几个现实世界的案例，讨论谷歌和奈飞等公司如何用人工智能重塑企业。本书由简入繁，呈现人工智能的核心理念，展示人工智能在现实世界中的应用。为帮你做好人工智能转型准备，本书抽丝剥茧般地讲述一个成功的人工智能应用案例，从雇用合适的团队，再到做出关于资源、风险和费用等方面的科学决策。 确定人工智能可能从哪些方面帮助企业设计人工智能策略 评估项目范围和业务影响 利用人工智能来提高转化率、编排内容以及分析反馈 理解当代人工智能如何运作以及人工智能可以/不可以做什么

　　Gianluca Mauro是一名企业家、工程师，是专注于提供人工智能培训和咨询的AI Academy公司的联合创始人。Gianluca热衷于通过写作以及在全球各地举办讲座和主题演讲（受众包括企业高管乃至高中生），来传播人工智能技术。 Nicolò Valigi是苹果公司的机器学习工程师，是AI Academy公司的联合创始人。Nicolò目前致力于研究自动驾驶汽车和无人机的算法，以迎接机器人革命的

目    录

第I部分  理解人工智能

第1 章  人工智能概况   3

1.1  当代人工智能发展之路   4

1.2  人工智能革命的引擎：机器学习   7

1.3  人工智能究竟是什么？   9

1.4  教学方法   12

1.5  本章小结   13

第2 章  将人工智能应用于核心业务数据   15

2.1  在核心业务数据领域布局人工智能   16

2.2  在核心业务数据中使用人工智能   18

2.2.1  房地产市场示例   18

2.2.2  为FutureHouse赋予人工智能   21

2.2.3  机器学习的优势   26

2.2.4  将人工智能应用于通用核心业务数据   28

2.3  案例研究   30

2.3.1  谷歌如何利用人工智能削减能源开支   30

2.3.2  Square如何利用人工智能向小企业贷款数十亿美元   35

2.3.3  案例研究课程   39

2.4  评估性能和风险   40

2.5  本章小结   43

第3 章  将人工智能应用于营销   45

3.1  为什么要用人工智能进行销售和营销？   45

3.2  预测客户流失   47

3.3  利用人工智能提高转化率和追加销售   52

3.4  执行自动化客户细分   55

3.4.1  无监督学习(或聚类)   56

3.4.2  用于客户细分的无监督学习   61

3.5  衡量性能   64

3.5.1  分类算法   64

3.5.2  聚类算法   68

3.6  将机器学习标准与业务结果和风险联系起来   69

3.7  案例研究   72

3.7.1  改进目标定位的人工智能：Opower   72

3.7.2  运用人工智能预测客户需求：Target   78

3.8  本章小结   81

第4 章  将人工智能应用于媒体   83

4.1  用计算机视觉改进产品   84

4.2  将人工智能应用于图像分类   88

4.3  使用小数据集的迁移学习   93

4.4  人脸识别：教计算机识别人类   95

4.5  使用内容生成和风格迁移   98

4.6  注意事项   101

4.7  人工智能在音频领域的应用   102

4.8  案例研究：运用深度学习优化农业   104

4.8.1  案例问题   108

4.8.2  案例讨论   108

4.9  本章小结   110

第5 章  将人工智能应用于自然语言   111

5.1  自然语言理解的魅力   112

5.2  分解NLP：衡量复杂性   113

5.3  将NLP功能应用于企业   117

5.3.1  情感分析   121

5.3.2  从情感分析到文本分类   124

5.3.3  NLP分类项目范围界定   128

5.3.4  文档检索   130

5.3.5  自然对话   132

5.3.6  设计克服技术限制的产品   136

5.4  案例研究：Translated   138

5.4.1  案例问题   142

5.4.2  案例讨论   143

5.5  本章小结   145

第6 章  将人工智能应用于内容管理和社区建设   147

6.1  选择的诅咒   148

6.2  使用推荐系统驱动参与度   148

6.2.1  基于内容的系统超越简单特征   153

6.2.2  特征和相似性的限制   156

6.3  群体智慧：协同过滤   157

6.4  推荐错误   160

6.5  案例分析：Netflix每年节省10亿美元   162

6.5.1  Netflix的推荐系统   162

6.5.2  推荐系统和用户体验   165

6.5.3  推荐的业务价值   166

6.5.4  案例问题   167

6.5.5  案例讨论   167

6.6  本章小结   168

第Ⅱ部分  构建人工智能

第7 章  准备好寻找人工智能机会   173

7.1  不要被炒作所迷惑：业务驱动的人工智能创新   174

7.2  创造：寻找人工智能机会   179

7.3  优先级：评估人工智能项目   183

7.4  验证：分析风险   187

7.5  解构人工智能产品   191

7.6  将人工智能项目翻译成机器学习友好型术语   196

7.7  练习   201

7.7.1  提高客户定位   202

7.7.2  工业过程自动化   204

7.7.3  帮助客户选择内容   205

7.8  本章小结   207

第8 章  设置——准备数据、技术和人员   209

8.1  数据策略   210

8.1.1  我从哪里得到数据？   211

8.1.2  我需要多少数据？   217

8.2  数据质量   221

8.3  招募人工智能团队   225

8.4  本章小结   230

第9 章  实践——人工智能实施策略   231

9.1  购买或构建人工智能   231

9.1.1  “购买”选项：一站式解决方案   233

9.1.2  “借用”选项：机器学习平台   235

9.1.3  “构建”选项：大干一场   237

9.2  使用精益战略   239

9.2.1  从购买解决方案开始   241

9.2.2  使用借用解决方案   243

9.2.3  自己动手：构建解决方案   244

9.3  理解人工智能的良性循环   246

9.4  管理人工智能项目   252

9.5  当人工智能失败时   254

9.5.1  Anki   255

9.5.2  Lighthouse AI   255

9.5.3  应用于肿瘤治疗的IBM Watson   256

9.5.4  情感日记   258

9.5.5  愤怒的电话   259

9.5.6  销售业绩不佳   260

9.6  本章小结   261

第10 章  人工智能的未来   263

10.1  人工智能如何威胁社会   264

10.1.1  偏见与公平   264

10.1.2  人工智能与就业   267

10.1.3  人工智能过滤器气泡   270

10.1.4  当人工智能失败时：边角案例和对抗攻击   272

10.1.5  当人工看起来真实时：人工智能生成的虚假内容   274

10.2  人工智能在社会中的机遇   275

10.2.1  技术民主化   275

10.2.2  可扩展性   277

10.3  人工智能在工业领域的机遇   278

10.3.1  社交媒体网络   279

10.3.2  医疗健康   280

10.3.3  能源   284

10.3.4  制造业   285

10.3.5  金融   287

10.3.6  教育   288

10.4  通用人工智能   289

10.5  结语   290

10.6  本章小结   291