CRY:四个关键事项让AI成就你的企业_SDC

为什么企业要向着“AI成就者”而努力？下图是一次针对企业AI成熟度及影响的研究结果，其 从宏观的角度评估了被调研企业在为客户、股东和员工实现更高回报的过程中，其AI基础和AI能力的结合情况：

虽然导致差距的具体原因和做法将会涉及到公司的具体举措，然而，这里有4种往往被忽视的行为，它们对发展AI的成熟度同样重要。

事项1：打造你的AI数据中台

大多公司面临的与AI有关的最大挑战之一，是跨平台和系统的数据激增——本地的历史遗留系统与公司日益增长的云计算系统被尴尬地混合在一起。在日常使用时，数据经常会出现诸如格式不匹配导致的无法访问等问题。而这样的问题，也会反过来限制公司在组织内推广AI技术的效果。

分析 | 未来十年，千禧一代、中国的崛起等四个因素将刺激加密货币市场:Bitwise发文对未来10年加密货币领域的变革进行了展望。文章指出，千禧一代、中国的崛起、对隐私的需求以及对另类投资日益增长的兴趣等四个因素将刺激加密货币市场以及加密货币的采用。[2020/1/10]

我们来看看AI成就者都是怎么做的——它们往往会建立起AI数据中台，即运营数据和AI平台，从而可以利用公司的人才、技术和数据生态系统，更好地平衡试验与执行的比例。在研究中也发现，AI成就者相比AI试验者，其实现数据管理治理规模化的可能性要高出33%，而实现数据管理治理规模化，正是建立强大的AI“核心”的第一步。

另外，AI核心可以帮助企业做很多有益的事情，比如迅速将AI应用产品化、将AI整合到其他应用中等。那么如何建立AI核心？大多数的AI成就者会在确保数据可靠的情况下，将它们存储在一个单一的企业级云平台上，配以适当的使用、监测和安全策略，来充分发挥内、外部数据的作用。

声音 | 链人国际CEO：区块链产业人才建设面临需求不匹配等四个问题:金色财经报道，链人国际CEO杭斯乔在接受采访时表示，目前区块链产业人才建设主要面临四个典型问题：其一，需求不匹配。主要体现在，传统的人才培养模式没有实现产业端与教育端的有效对接，产业需求没有纳入到人才培养的过程中，导致人才培养与人才需求不匹配；其二，质量不满足。人才需求与人才培养的脱节导致人才质量难以满足产业需要，尤其是在各种新兴产业与技术方向，人才质量矛盾尤为突出。无论是人才培养还是跨界融合，都需要一个适应期和磨合期，度过了这个磨合期，人才质量才能有较大的飞跃；其三，结构不合理。区块链行业薪酬较传统行业更高，吸引了大批周边行业人员涌入，然而，核心人才的供给量非常少，掌握关键技术的人才更少之又少，开发人员严重供不应求；最后，分布不均匀。这里主要包括行业分布不均、地区分布不均。行业不均主要体现在金融、互联网、计算机软件这三种是人才集中的行业，地区不均就更明显了，北上深为第一梯队，加起来占了人才招聘的大半壁江山。[2019/12/18]

例如，瑞士制药巨头诺华（Novartis）从2019年开始便通过创建“决策中心”（Insight Centers）来拓展其AI治理和数据管理实践，为该公司的制造业务和分销点提供更实时的数据可见管理。与此同时，他们还努力完善这些技术的兼容性，最终大大提高了开发和生产药物的能力，大大节省了时间和成本。

动态 | 最高法公布2019年度司法研究重大课题中标结果，区块链相关应用研究共四个课题组中标:7月9日，最高人民法院发文宣布：今年2月，最高法发布2019年司法研究重大课题题目及招标公告。截至3月底，共收到课题申报书二百余份。经评审，确定江苏省高级人民法院课题组等30个课题组为中标单位。 其中，课题十六“大数据、区块链、人工智能在司法审判领域的融合应用问题研究”共四个课题组中标： 中标课题组一：天津大学法学院院长、教授孙佑海，天津市高级人民法院副院长蔡志萍； 中标课题组二：河南省驻马店市中级法院院长张社军，中国人民大学侦查与反恐怖学院教研室主任、教授刘涛，北京理工大学国际法研究所所长、教授杨成铭； 中标课题组三：广西壮族自治区桂林市中级人民法院院长陈敏，广西壮族自治区高级人民法院研究室主任陈影，广西师范大学法学院院长、教授陈宗波； 中标课题组四：腾讯集团法务副总裁江波，北京大学法学院副院长、教授郭雳。 据悉，2019年课题将于2020年7月完成，届时由最高人民法院研究室组织结项验收。[2019/7/9]

事项2：维持你的AI投资

动态 | 美国证券交易委员会将增加四个新职位以监管数字资产:据Cointelegraph消息，5月8日，美国证券交易委员会（SEC）和商品期货交易委员会（CFTC）两家金融机构的主席参加了国会预算听证会。SEC主席Jay Clayton在会上指出了数字资产和区块链技术的重要性，称SEC将会对包括加密货币相关高风险投资进行合规检查，要求在交易市场部门增加四个新职位负责监管数字资产市场。[2019/5/9]

对于AI成就者而言，AI投资之旅没有终点，并不存在所谓“AI峰值”。因为这种认知，AI成就者们会进入一个AI收益的良性循环，即使AI成熟度日渐提升，但随着时间推移，仍然不断投入，从而继续获得更多收益。

对于AI成就者来说，持续的投资通常会用于提升AI的影响广度，从而将影响最大化；同时，还将进一步尝试各种跨领域AI解决方案，在过程中重新部署资源。例如，某奥地利能源公司近年来在AI驱动的数字孪生技术上投入了大量资金，帮助他们更好地为维也纳市等客户服务——除去带来的其他积极影响外，该技术系统更精准地模拟出了客户对供暖和制冷服务的需求，进而估算出来企业所需要的各种举措的短期成本和长期能源节约。

事项3：培养AI方面的人才

AI成就者明白，让AI与人类员工无缝合作，是最高效的工作方式。这也是很多AI成就者更倾向于制定积极主动的AI人才战略，以保持在行业趋势前沿的原因。除了以AI为重点的招聘外，AI成就者还经常与专业公司合作或收购专业公司来填补关键职位的人才空缺，如数据或行为科学家、社会科学家和伦理学家。

AI成就者也更有可能对大多数员工进行强制性的AI培训，从产品开发工程师到高管团队都会参与其中。而且，由于他们会更侧重于提升员工AI方面的知识，他们的员工会比其他公司的同行更精通AI相关技能。

这些努力使得人类与AI的协作更容易实现规模化，并确保AI渗透到企业肌理当中。举例来说，欧洲一家大型能源公司便打造了一个“数字工厂”，帮助员工在日常工作中使用分析技术与AI洞察，同时还让数字工厂培训现场工程师使用并改进机器学习模型。该工厂还为所有管理人员提供强制的数据与AI培训，并为公司全体员工提供再培训和技能提升支持。

得益于该组织对AI人才方面的投资，其业务部门如今在启动开发的5个月内就能收到新的AI应用程序——在数字工厂建成之前，他们平均要等18个月。更长远来看，到2025年，该公司预计其数字工厂每年将使其利润增加15亿美元。

事项4：打造靠谱的AI框架

随着企业在越来越多的任务中部署AI，遵守法律、法规和道德规范正成为提升AI成熟度越来越重要的行为。事实上，能够向外展示自己拥有高质量、值得信赖且达到监管要求的AI系统，将使这些走在前列的公司在短期和长期上都获得巨大优势，从而吸引更多新客户，更好留住现有客户，并提升投资者信心。

不靠谱的AI框架，会给企业自身、客户带来许多风险。以常见的算法偏见为例。它是指根据过往偏见数据训练出来的AI也会继承这方面的偏见，所以当你的AI框架中的训练数据不够“公平”，那么AI输出的结果自然也不够准确。这种时候，公司便可以结合对数据和算法中偏见原因的研究，对AI模型进行多层级的“算法公平”（algorithmic-fairness）评估，进而定义和应用公平性的量化措施，包括提出使算法更加公平的数据收集和建模方法。

除此之外，还可以通过不同专家的广泛合作来重新设计AI框架，从员工到设计师、数据科学家、合规专业人士和商业分析师等。将员工培训成为AI专家，这对打造可靠AI框架也至关重要。

36氪

媒体专栏

阅读更多

金色财经 子木

金色早8点

去中心化金融社区

虎嗅科技

区块律动BlockBeats

CertiK中文社区

深潮TechFlow

念青

Odaily星球日报

腾讯研究院

标签：CRYSDCSDTALLCryptoAdsusdc币最新消息bitkeep的usdt怎么转账出来ALLIN币

MATIC热门资讯