08 每个企业都需要一位首席人工智能官（第6/7页）

和电流从外部输入不同，在企业内部，智能的素材已经以“流”的形式出现，产生于每个员工、每个机器的每一个工作环节。这些数据流、信息流每天都在产生和流逝，但很多企业却没有意识到，更谈不上利用，而是任其挥发。

企业内功是和每个员工都相关的问题，比如个人的信息共享、知识管理、工作操作习惯的记录和优化等。

举个例子，网络新闻媒体的编辑每天都在录入文章，一些网络媒体拥有上千个编辑，每个人做着自己的工作。智能系统会侦测统计他们的录入操作，发现哪些环节的鼠标点击工作过多，这其中可能预示着录入系统的设计不合理，据此提出录入系统的优化建议。

吴恩达认为，传统企业尤其需要依靠CAO来了解前沿应用，升级自身业务。当然，面对很多可能的方向，CAO还是应该先抓住一个部门或者一块业务重点突破，形成典范，吸引其他部门燃起热情。毕竟，企业智能化是一个非常需要创新精神的事业，需要广泛参与。

而CEO一定要放权让CAO去施展，甚至亲自推进企业第一个智能化业务。没有CEO发自内心的支持，企业人工智能化工作将会很困难。有些举措可能旁人一开始不理解其价值，之后才会明白。如果错过就会非常可惜。

首席人工智能官的修养

作为与最具挑战性的深度学习技术打交道的CAO，他是一个特别理性的人，还是一个不失感性的人呢？

与一般工程科技不同，人工智能在模仿人类的思考习惯。科学家普遍强调人机结合是未来的发展方向。类似地，智能科学家和CAO都不会是机械论的化身，而是对各种知识具有全面的兴趣。吴恩达本人就是个例子，他不仅喜欢计算机科学，也喜欢人类学和社会学，还喜欢教育学——为了让更多人受到名校教育，把课堂教育重复使用率最大化，他合伙创立了Coursea在线教育课程项目，至今仍然是董事会成员。另外，他对心理学也有极大兴趣。

CAO可能是《生活大爆炸》里有趣的理工男，善于发现别人没发现的契机。也可能是数据领域的夏洛克·福尔摩斯，善于明察秋毫。不过他终究首先是一个具有“数据感性”的人。

他懂得利用数据，最重要的是在别人看不到数据的地方看见数据。

第一层：有能力从纷繁的数据中嗅到可能有的关联

张亚勤在与很多企业打交道的过程中发现，前几年做大数据，买了一大堆服务器，收集到一大堆数据，放在那里不知道该怎么办。不收集数据觉得好像错过了什么，收集了却不知道该如何做。即便我们自己这样的人工智能企业，很多数据也一时用不了，但如果不用，以后可能就没用了。因此CAO就要在做什么上发挥才能。

沃尔玛的“购物篮分析”是典型的数据挖掘应用，数据分析师想到从顾客购物小票里发掘购买对象之间是否有相关性。经过数据统计，他们发现除了牛奶和面包会经常被一起购买这种显而易见的关系之外，还有很多以往没发现的关系，比如婴儿纸尿裤常常会和啤酒一起被购买，然后才发现年轻的爸爸在购买婴儿用品的同时，往往会有一种犒劳自己的心理，于是购买了啤酒。

粗线表示概率较高的关联性

图8-6 使用SPSS软件进行购物篮数据分析的结果演示图

资料来源：https://baike.baidu.com/pic/%E5%85%B3%E8%81%94/165901/0/08f790529822720edc57ba9579cb0a46f31fabc0?fr=newalbum#aid=0&pic=08f79052 9822720edc57ba9579cb0a46f31fabc0

沃尔玛超市因此把啤酒和纸尿裤放在货架上靠近的位置，显著提升了销售额。沃尔玛的数据毕竟有限，并且只有购物小票这种用户数据。倘若数据巨大，且可以自动化调整每天的货架，就具有了人工智能的雏形。亚马逊和阿里巴巴的电商大数据都大到了一定程度，因此它们都为人工智能科学家提供了舞台。

这个例子再次体现出CAO所需要的思维模式究竟是什么——正是我们一再强调的相关性思维。牛奶和面包、啤酒和纸尿裤之间的联系，显然并非是以往科学领域的确定性关系或因果关系，而是一种以概率形式展示的强相关关系。想到从这个角度去发掘价值，这就是CAO具有的素养。

第二层：在数据之上，CAO及其伙伴需要有场景感知能力，懂得场景计算

未来，“业务”的概念将会变得模糊，“场景”成为事物运作的核心，这意味着产品不再像过去那样围绕业务来分类，比如新闻App做新闻，电商App做购物等。现在你有什么样的场景，就可以导入这个场景所需要的一切服务，比如一款移动支付应用，要考虑各种支付场景，如果提供购买电影票功能就要根据用户行为数据猜测用户正处于什么使用场景，除了看电影，是否需要阅读影评，是否需要购买爆米花。企业要做的是根据场景重新规划，打通业务，而不是根据业务来划分产品架构。