一、一場以大數據為核心的智能盛宴

時下仿佛大家都在談人工智能，就像當年人人都在談大數據一樣。在不同場合上，阿里巴巴的馬云、百度的李彥宏及騰訊的馬化騰分別談過自己對人工智能的看法和觀點。這種對話有點兒像金庸小說中的華山論劍。到底是氣宗( 大數據)還是劍宗(人工智能)更有戰略意義?我認為，兩者是相輔相成的。經歷了互聯網20 年的發展，我們已經積累了足夠多的數據去驅動一場“智能盛宴”，以大數據為核心的人工智能漸露端倪。

有一天晚上準備睡覺時，聽到隔壁傳來女兒跟蘋果智能語音助手Siri 對話的聲音。我太太問我，這樣正常嗎?我告訴她不用擔心，這是目前的趨勢。根據不久前美國“用戶普及率調查”的結果，語音助手的使用已經達到引爆點，并在走向大規模普及的階段。

前段時間，我在美國舊金山就拜訪了Semantic Machines 的創始人兼CEO 丹· 羅斯(Dan Roth)，這家公司的成員很多都是Siri 和Echo 的幕后功臣。如今，羅斯領導著一個匯集了自然語言處理、語義理解、會話計算等領域專家的頂級團隊，目標是攻破人機對話領域這個老大難的題目。

羅斯把他們正在研發的革命性技術稱為對話式人工智能(Conversational AI)。與Siri 相比，這種技術能夠更真實地了解用戶本人的意圖，哪怕用戶從一個話題跳到另一個話題，又或者說的話不完整、不連貫，而這些正是人類對話的自然特點。這些特點正是目前這類技術的難點所在，相信了解破解自然語言難度的人都清楚，這項研究一旦成功，必然會改變世界。

2010 年，“數據科學家”這個稱謂的發明者帕蒂爾(D.J.Patil)和杰夫· 哈默巴赫(Jeff Hammerbacher)認為，一切應該以產品為中心，從數據獲取、數據清洗、搭建和管理數據設施、原型開發、產品設計等方面，去實踐數據的價值。我在阿里就經歷了從“數據產品”到“數據作為產品”的階段，香港服務器租用，后者其實才是大數據的真正產物，也是人工智能的源泉。

二、誰掌握“完美信息”，誰就將擁有整個世界

剛開始進入數據行業時，我一直秉承著這樣一個理念：在“假設數據都是可獲取的”基礎上，思考問題。隨著整個社會數據化程度的進一步加深，以及人與物之間的高度互聯，以前很多信息的盲點被快速解開。由不同領域積累下的數據形成的“完美信息”漸露端倪，這其實是一個數據從量變到質變的過程。這一“完美信息”具有無限潛能，足以讓人工智能所向披靡，催生各種智能場景，并讓其如潮涌至。智能時代，秉承“假設數據都是可獲取的”這一思維方式，才可讓你比別人更勝一籌，從而做到心中有數。

我在阿里時就曾參與設計了一款智能營銷工具 “Look-Alike”。通過機器學習，我們可以利用過去積累的客戶消費特征(每個客戶有高達上萬個標簽)，作出精準推送廣告的決策。有別于過去的廣告規劃，我們不會問廣告主如何描述其目標客戶群，而是讓廣告主給出500 個喜歡某品牌的用戶名單，我們就可以幫他找出5 000 個，甚至5 萬個類似的客戶。這種方法可以在幾個小時之內快速“掃描”出最有效的營銷方案。通過這項技術，我們基本可以實現讓廣告主喜出望外的精準廣告投放效果。但問題是，這種產品真的能為廣告業及阿里帶來新的價值嗎?這還只是大數據革命的開端，directadmin安裝，大家可以拭目以待!

現實中，我們從數據收集、整合、判斷，以至行動、再到反饋的過程并不完美，而形成數據閉環系統的阻力往往是人為因素居多。谷歌無人駕駛汽車項目的偉大之處正是給了我們重要的啟發，讓我們意識到自動化及智能化所需要的數據閉環系統是如何做到了既封閉又開放，其中的里應外合正是未來的發展趨勢。我在阿里就經歷了4 個不同階段：數據驅動決策、數據驅動流程、數據驅動產品、數據驅動業務。在此過程中，你會發現，數據驅動的目標越模糊、數據越零散、人的互動環節越多，智能項目開展起來就越吃力。

三、從數據戰略到數據治理，別讓數據成為累贅

如前所述，數據資源的積累是發展數字經濟的前提。企業在向往智能時代所帶來的機遇的同時，更要為企業的未來目標制定數據戰略。企業不僅要關注自己現在有什么數據，更要了解未來會欠缺什么。然后，再去探討欠缺的部分有多少可以靠自己補充，有多少需要求助他人、與他人合作以實現補充。有人把數據比喻為電能，這個比喻很生動，但與電能不一樣的是，數據是可以被重復使用的。