数字时代的企业AI优势 IT巨头的商业实践

本书不仅概述了统计机器学习、神经网络、深度学习、自然语言处理（NLP）、基于规则的专家系统、物理机器人以及机器人过程自动化（RPA）等强大的技术，更解释了它们是如何使用的，以及大型商业企业（如亚马逊、谷歌、脸书）所做的人工智能工作，并概述了成为认知型企业的战略和步骤。适合管理者、CEO和那些为他们的企业寻找人工智能开发指南的人阅读。这本书主要关注企业如何利用人工智能/认知技术来获得商业利益和竞争优势。

推荐序
译者序
前言
第一章 人工智能时代慢慢到来
第一节 逐渐实现认知
第二节 AI/认知技术
一、统计机器学习
二、自然语言处理
三、基于规则的专家系统
四、物理机器人
五、机器人流程自动化
第三节 AI与厂商群体
一、谷歌
二、Facebook
三、IBM的沃森
第四节 这本书里有什么
参考文献
第二章 AI走进企业
第一节 认知技术在商业中的广泛理论基础
第二节 更多行业、更多功能
第三节 为什么只有大公司和科技初创企业
第四节 不仅仅是试水，但也没深潜
第五节 对公司来说还有哪些困难
参考文献
第三章 今天的企业在做什么
第一节 认知项目全景图
第二节 AI能力的三种类型
一、流程自动化
二、认知洞察
三、认知互动
第三节 组合类别
第四节 成为认知型企业的步骤
一、理解技术与任务
二、建立在当前分析优势的基础上
三、创建一个优先级排序的项目集
第五节 开展试点或概念验证
一、认知工作再设计
二、专注于扩大规模并达成生产力收益
第六节 未来的认知型公司
参考文献
第四章 你的认知战略是什么
第一节 认知技术的战略影响
第二节 问题、争议、机会战略
一、内部或外部目标
二、以客户为中心的战略
三、做好内部决策
第三节 开发新的或改进产品、服务
一、IT产品
二、产品和服务设计
三、非IT产品和服务
四、全新产品
第四节 新业务模式
一、汽车行业中AI驱动的新商业模式
二、初创企业和既定商业模式的持续性
第五节 为什么现有商业模型面对AI仍在坚持
第六节 认知战略的目标和流程
一、内容战略
二、人才战略
三、合作或收购策略
四、充满雄心的战略
第七节 基于国家的AI战略
第八节 取得战略进展
参考文献
第五章 AI任务、组织架构和业务流程
第一节 创建高颗粒度的预测和分类模型
一、流程应用
二、对组织的意义
三、广泛实施的挑战
第二节 执行结构化数字任务
一、流程应用
二、对组织的意义
三、广泛实施的挑战
第三节 操纵信息
一、流程应用
二、对组织的意义
三、广泛实施的挑战
第四节 理解人类的语音和文本
一、流程应用
二、对组织的意义
三、广泛实施的挑战
第五节 计划和优化运营
一、流程应用
二、对组织的意义
第六节 感知和识别图像
一、流程应用
二、对组织的意义
三、广泛实施的挑战
第七节 有目的地、自主地周游世界
一、流程应用
二、对组织的意义
三、广泛实施的挑战
第八节 评估人类情绪
一、流程应用
二、对组织的意义
三、广泛实施的挑战
第九节 对流程进行构架和（再）工程化的需求
参考文献
第六章 智能机器世界里的职业与技能
第一节 大规模自动化的案例
第二节 大规模增强化的案例
第三节 推进增强化或自动化
第四节 工作和技能的变化
一、未来工作的技能
二、公司和特定岗位的技能战略
三、是时候开始了
参考文献
第七章 认知技术的技术实现
第一节 技术挑战
第二节 制订AI技术策略
第三节 利用来自交易软件厂商的认知能力
第四节 机器人过程自动化作为入门级策略
第五节 利用厂商的帮助打造广泛的认知平台
第六节 建立多厂商及开源的能力
第七节 准备好数据
一、为蒙特利尔银行奠定数据根基
二、葛兰素史克经受的数据磨难
第八节 利用外部数据
参考文献
第八章 管理AI的组织、社会及伦理
第一节 Facebook的麻烦和AI干预
第二节 AI公平性与算法偏差
第三节 AI的透明度和可解释性
第四节 隐私和数据安全
第五节 AI的信任与披露
一、不要过度承诺
二、披露
三、模型和算法的认证
第六节 人类知识和技能的丧失
第七节 公司变革管理战略
一、增强化方法有很大帮助
二、变革管理在什么时候对谁最为关键
三、认知变革管理的常用方法
第八节 向国家和公司学习
第九节 总结和结论
参考文献