2021年人工智慧的四種商業應用

我們經常看到人工智慧被描繪成無所不能的機器，但它也是一種邊走邊學習的技術。AI必須掌握的關鍵技術是智慧定位：跨越空間和時間的資產、事件和人發生在哪裡，它們如何相互聯絡？

想想看，所有大流行時代的技術都依賴於地理位置而蓬勃發展——配送應用程式、新冠病毒檢測和疫苗顯示、可放心購買的商店訂單。智慧定位是地理資訊系統(GIS)的輸出，它提供了關鍵的上下文，構成了機器學習的基礎。

以下是AI的4種商業應用：

1.通過推薦系統進行敏銳的預測

人工智慧在開始工作前不再需要大量的歷史資料輸入，當答案未知時，人工智慧經常使用強化學習。機器正在以一種試錯的方式工作，就像人類所做的那樣，以達到一個日益理想的解決方案。

可以說，自動化的自動化(The automation of automation)是半導體制造商英偉達(NVIDIA)執行長 Jensen Huang對不遠的未來的描述。在接受《時代》雜誌採訪時，他預計人工智慧將改善食品生產、物流和醫療保健等複雜業務。他談到了推薦系統，稱其為我們這個時代最重要的人工智慧系統。推薦系統是一種經常使用強化學習來根據習慣和偏好預測一個人的選擇的演算法。

儘管這種人工智慧可能不需要歷史資料來預測更好的結果，但它確實需要有價值的背景或基礎來應對手頭上的各種任務。《哈佛商業評論》(Harvard Business Review)指出，關鍵是要預先設計機器學習的有效的輸入、動作和獎勵。一開始含糊不清對一個實時計算的系統來說不是好事。這就是GIS發揮作用的地方，在推薦系統中新增智慧定位，這樣它就可以預測可能發生的事情和地點。

2.預測未來發展趨勢

讓人工智慧處理盈虧報表並承擔後果聽起來似乎很荒謬。AI能夠幫助人們理解這些數字的背景。有了正確的資料輸入，也就是智慧定位，人工智慧可以用來改善決策，幫助公司領導者預測趨勢。

一些大銀行正在使用注入智慧定位的機器學習來分析現有分行的收入，將其與潛在擴張領域的豐富人口統計資料相結合，並預測設定新分行的最合適地點。他們可以更精確地決定向哪裡擴張以吸引新客戶，而不是把現有客戶從其他分支機構拉過來。

類似的，太陽能電池板公司正在將天氣資料與人工智慧基於位置的影象進行配對，以選擇最合適的社群推廣屋頂日光浴技術。

在智慧定位的推動下，人工智慧幫助權衡行駛的最優路線，保險公司已經切實的從中獲利。通過使用智慧定位和人工智慧來預測容易發生事故的道路，並推薦更安全的路線，能夠有效降低風險，而且保險公司預計索賠將會減少。

3.快速掃描大資料，找到隱藏的市場

在這個資訊爆炸的時代，我們並不缺少能夠幫助企業發展的資料，而是缺少充分挖掘資料價值的能力。特別是成長型公司，大量的資訊可能會讓他們不知所措。

預測需求高峰、判斷更高的利潤點、改善供應鏈效率和交付方式，這些工作都需要對大量的資料進行篩選，而人工智慧更容易完成這些工作。這還要包括人口統計資料，以確定潛在客戶可能是誰、可能在哪裡。

無線網路公司將智慧定位融入到這一過程中，利用人工智慧處理大量有關通話中斷的資料，以便繪製需要擴建的發射塔地點。通過新增有關某一地區人口統計和預測增長的多層資訊，企業可以更詳細地規劃增長計劃。

使用人工智慧技術和GIS的零售商，能夠識別未來哪些位置的商店也會推動網路銷售，創造出令人垂涎的「光環效應」，即店主可以線上/線下同時捕捉顧客。

4.通過影象和物聯網資料提前規劃

現在，物聯網感測器、衛星和移動裝置提供的資料實在是太多了。當這些資料通過具有定位功能的人工智慧程式過濾後，結果會更加清晰。

以一家體育用品零售商的智慧機器人為例，該產品配備了RFID感測器，它在商店的走道上掃描，從而瞭解顧客最想要什麼，並預測商店員工應該把進貨重點放在哪裡。那些已經轉向線上訂購和取貨的商店，他們正在使用智慧定位AI系統，根據人們在商店附近的位置，提前為他們準備好飲料或他們的貨物訂單。

藉助人工智慧，人們可以用起重機和推土機掃描空地的航空影象，確定更適合在哪裡建造房屋和開發項目。植入智慧定位的人工智慧甚至可以掃描停車場的航拍影象，瞭解外面停著什麼型號的汽車(而不僅僅是停了多少輛)，以增加潛在的商業機會。

在能源行業，人工智慧正在觀察衛星影象，以顯示競爭對手可能在何處建造油井，或使用配備鐳射雷達的無人機來探測其電力網路。與GIS相結合，人工智慧可以分析100億個資料點——這需要人工分析人員花5年多的時間來梳理。

人工智慧的未來

隨著消費者行為的迅速變化，以及COVID-19大流行和氣候變化等外部風險的影響，人工智慧的未來面臨諸多挑戰。通過將GIS與人工智慧應用相結合而獲得的智慧定位，也使機器學習的能力得到了極大改善。

在前進的道路中，人工智慧包括強化學習、智慧定位，幫助決策者更有信心地做出評估和判斷，這遠比人類大腦挖掘資料所需的時間短。