人工智能只是一種技術(shù)手段，數(shù)據(jù)資產(chǎn)最終決定人工智能的行業(yè)應(yīng)用發(fā)展，以及企業(yè)新的市場。
隨著互聯(lián)網(wǎng)、開源、云計(jì)算等技術(shù)的發(fā)展，企業(yè)在技術(shù)上會越來越接近。
不久的將來，超級摩爾定律下芯片計(jì)算力會有更大突破，人工智能作為一種技術(shù)能力將越來越普及，長期來看，技術(shù)能力上的差異會越來越小。
在行業(yè)應(yīng)用上，真正能建構(gòu)牢固“護(hù)城河”的核心要素一定落在數(shù)據(jù)上。
那么，數(shù)據(jù)又從哪些維度展開競爭呢?
第一，數(shù)據(jù)的品質(zhì)。
比如數(shù)據(jù)的準(zhǔn)確性、完整性、可追溯性、持續(xù)性、真實(shí)性和共享性。這些品質(zhì)決定著人工智能模型的質(zhì)量，也決定最終的落地成果。
第二，數(shù)據(jù)競爭存在先發(fā)優(yōu)勢。
那些占據(jù)著特定的應(yīng)用場景，并且更早、更多地獲取數(shù)據(jù)的領(lǐng)域，人工智能的優(yōu)勢會更明顯。
第三，數(shù)據(jù)的安全和隱私保護(hù)，決定了人工智能應(yīng)用最終可以走多遠(yuǎn)。
一、提升數(shù)據(jù)品質(zhì)
針對特定領(lǐng)域的數(shù)據(jù)集越龐大、越真實(shí)、越準(zhǔn)確、越可追溯、維度越豐富、越協(xié)同共享，越能得出最佳算法并帶來競爭優(yōu)勢。
比如，在奈飛的網(wǎng)站上，圍繞用戶的維度，有性別、年齡、瀏覽過的電影、喜歡的明星、過往閱覽記錄等;圍繞某個(gè)電影的維度，有年代、導(dǎo)演、演員、風(fēng)格、題材、用戶評價(jià)等。
繞兩個(gè)主體的數(shù)據(jù)維度越豐富，越能在兩者間建立精準(zhǔn)匹配的關(guān)系，讓企業(yè)以更好的體驗(yàn)擴(kuò)大用戶群，不斷強(qiáng)化自己的優(yōu)勢。
我們看到，App的用戶規(guī)模越大，往往越能更精準(zhǔn)地滿足個(gè)性化體驗(yàn)。
比如，現(xiàn)在我們使用的一些音樂App已經(jīng)能夠精洞悉每個(gè)用戶喜歡的音樂風(fēng)格，并準(zhǔn)確推送喜歡的音樂。
對如何提升數(shù)據(jù)品質(zhì)，企業(yè)可以在兩方面同時(shí)努力：
內(nèi)部，要有系統(tǒng)的規(guī)劃，實(shí)時(shí)采集和整理數(shù)據(jù)，建立長期數(shù)據(jù)積累;在外部，要有意識地構(gòu)建生態(tài)體系或者尋找合作伙伴，盡可能多地獲得相關(guān)數(shù)據(jù)，且搭建統(tǒng)一架構(gòu)，幫助數(shù)據(jù)互通。
二、數(shù)據(jù)的先發(fā)優(yōu)勢
數(shù)據(jù)競爭一定存在先發(fā)優(yōu)勢。企業(yè)越是占據(jù)特定的場景，更早、更多地獲取數(shù)據(jù)，人工智能的優(yōu)勢就越明顯。
現(xiàn)在，數(shù)據(jù)尚未全面商品化，企業(yè)與企業(yè)之間的數(shù)據(jù)交換尚未暢通。
由于市場的復(fù)雜和競爭、數(shù)據(jù)安全和監(jiān)管等原因，企業(yè)或機(jī)構(gòu)不敢輕易開放數(shù)據(jù)，企業(yè)或機(jī)構(gòu)需要通過自己的產(chǎn)品和生態(tài)體系來獲得更多數(shù)據(jù)。
從這個(gè)角度看，平臺型科技公司基于自己強(qiáng)大的數(shù)據(jù)基因，占有完全優(yōu)勢。
長期來看，數(shù)據(jù)是可以創(chuàng)造收益的資產(chǎn)，是公司的核心競爭力，越早入局規(guī)劃，越能占據(jù)主動(dòng)。未來數(shù)據(jù)全面商品化之后，價(jià)值會非常明顯。
三、數(shù)據(jù)安全和隱私保護(hù)
對數(shù)據(jù)安全和個(gè)人隱私的保護(hù)程度，決定了人工智能可以走多遠(yuǎn)。
數(shù)據(jù)安全有兩層含義：
一是保證用戶數(shù)據(jù)不損壞、不丟失，這種情況發(fā)生的概率不大，數(shù)據(jù)存儲在云端也安全得多;二是保證數(shù)據(jù)不泄露或者濫用，這是主要的關(guān)注點(diǎn)。
無論在電子商務(wù)、航空旅行、金融借貸還是醫(yī)療行業(yè)，全球已發(fā)生多起數(shù)據(jù)泄露的件，引發(fā)公眾的憤慨。
2017年，單是美國征信企業(yè)艾可菲(Equifax)一家公司的信息泄露就涉及多達(dá)1.43億人的姓名、住址、出生日期、社會保障號和駕照等敏感信息。
人們不可能縱容自己的數(shù)據(jù)隱私被侵犯。任由信息泄露和濫用，公司會陷入輿論的漩渦，商業(yè)發(fā)展的困境最終會阻礙人工智能的發(fā)展。
四、找到“強(qiáng)相關(guān)數(shù)據(jù)”
首先，無論大數(shù)據(jù)或小數(shù)據(jù)，有價(jià)值的就是好數(shù)據(jù);其次，“大數(shù)據(jù)”這個(gè)詞，更多是一種思維方式和一個(gè)時(shí)代標(biāo)志。
實(shí)際的場景中使用的數(shù)據(jù)往往是有限的，真正有用的是“小數(shù)據(jù)”。
兵法上講，“傷其十指不如斷其一指”，大數(shù)據(jù)是一樣的道理，要用力在關(guān)鍵的“一指”上，不必追求“十指”面面俱到。
用戶源源不斷地產(chǎn)生數(shù)據(jù)，目前對于企業(yè)來說，數(shù)據(jù)的收集和存儲能力并不構(gòu)成障礙。
癥結(jié)在于，90%的數(shù)據(jù)沒有被真正利用起來，成了“廢數(shù)據(jù)”。
主觀上，這與機(jī)構(gòu)的數(shù)據(jù)思維文化有關(guān)，并不是所有公司都能像奈飛、亞馬遜那樣推崇用數(shù)據(jù)說話。
客觀上，則與數(shù)據(jù)的相關(guān)度有關(guān)。
比如一名用戶10年前的互聯(lián)網(wǎng)數(shù)據(jù)，對于分析當(dāng)下或預(yù)測未來并沒有太多的作用，時(shí)間序列上的弱相關(guān)度，大大減弱了數(shù)據(jù)的效力。
相關(guān)數(shù)據(jù)，特別要強(qiáng)調(diào)與特定場景的相關(guān)度。現(xiàn)在，人工智能的應(yīng)用針對的是某個(gè)具體任務(wù)或具體目標(biāo)，需要的數(shù)據(jù)類型不盡相同。
比如，傳媒、金融、醫(yī)療等各行業(yè)需要的細(xì)分?jǐn)?shù)據(jù)不同，具體到同一行業(yè)的子領(lǐng)域也不同。比如，在醫(yī)療領(lǐng)域，心血管疾病和癌癥診斷所要的細(xì)分?jǐn)?shù)據(jù)就不一樣。
大部分人工智能的應(yīng)用場景，都是針對一個(gè)具體的任務(wù)。
比如，個(gè)人信貸鑒別申請者的信用風(fēng)險(xiǎn)，餐飲外賣確定最優(yōu)的派送路線，資訊信息流做精準(zhǔn)的個(gè)性化推薦……具體的場景中，起作用的主要是相關(guān)度高的數(shù)據(jù)。
五、重視小數(shù)據(jù)
相對大數(shù)據(jù)來說，能直接用起來的相關(guān)數(shù)據(jù)，往往是一種特定的小數(shù)據(jù)。
這里的小數(shù)據(jù)，指的是使用場景單一、對應(yīng)算法簡單、及時(shí)性較高、數(shù)量規(guī)模較少的數(shù)據(jù)。
可以說，大數(shù)據(jù)是宏觀、全面的分析，小數(shù)據(jù)則是針對特定任務(wù)的具體分析?，F(xiàn)階段真正好用的其實(shí)是小數(shù)據(jù)。
