人工智慧（AI）席捲全球，但它的雛形可追溯至18世紀乃至更早，彼時蘇格蘭詹姆斯·瓦特為正在建造的蒸汽機設計了一個巧妙的自動控制系統——調速器，從而為現代控制理論奠定了基礎；時間的指標撥向1956年，幾位計算機科學家相聚達特茅斯會議，激情宣告：讓機器能夠使用語言，形成抽象概念，解決人類現存的各種問題；之後的幾十年，AI一直在兩極反轉，或被稱作人類文明耀眼未來的預言，或被當成技術瘋子的狂想扔到垃圾堆裡。

直至2012年以後，得益於資料量的飛漲、算力的提升和深度學習的出現，AI從概念走向繁榮。現在，AI進入生活的速度，已超過我們的想象。在農村，AI無人機幫農民播種、施肥、打藥；在城市，AI工業機器人將車間變成黑燈工廠。在實驗室，AI演算法助力科學家研發新藥。不難想象，在未來的很多年裡，AI都將是人類社會發展最重要的推動力量，它爆發出的能量或將超越工業革命。

AI極大提升

智慧

決策

效率和水平

無論是學術界還是工業界，對於人工智慧（AI）目前還並沒有統一的定義。但大體上形成了這樣的共識：人工智慧是計算機科學的一個廣泛分支，試圖讓機器模擬人類的智慧，應用領域主要包括深度學習、自然語言處理、計算機視覺、智慧機器人、自動程式設計、資料探勘等方面。

美國麻省理工學院溫斯頓教授認為：人工智慧就是研究如何使計算機去做過去只有人才能做的智慧工作。作為人工智慧的子集，機器學習由人類程式設計師設計的演算法負責分析、研究資料，然後根據資料分析和研究作出決策。

舉個簡單的例子，當我們瀏覽網上商城時，經常會出現商品推薦的資訊。這是商城根據你往期的購物記錄和冗長的收藏清單，識別出其中你真正感興趣，並且願意購買的產品。這樣的決策模型，可以幫助商城為客戶提供建議並鼓勵產品消費。這就是基於機器學習作出的個性化推薦。

深度學習是機器學習的子領域，透過人造神經網路來學習，最終目的是讓機器人能夠像人一樣具有分析學習能力，可以自動處理特徵變數，從而使整個決策系統更加智慧。

當下，深度學習摧枯拉朽般地實現了各種任務，使幾乎所有的機器輔助功能都變為可能。翻譯、語音識別、商業智慧決策、無人駕駛汽車都已在眼前。而基於深度學習框架，企業可以根據自身行業特點和場景需要，靈活便捷地進行AI應用開發，不再需要從0到1地搭建地基，這極大提升了產業智慧決策效率和水平。

智慧決策

驅動產業降本增效

人工智慧的發展突飛猛進，從技術層面來看，業界廣泛認為，AI核心能力包含三個層面，即淺層運算智慧、中層感知智慧、深層認知智慧。認知智慧，實現機器對人的“大腦判斷和決策”的替代，使機器可以像人一樣捕捉靈感、發現問題、判斷分析、做出決策、付諸行動，是對機器的“人格化”，也是對人的神經網路的“機器化”，是人工智慧的最尖端領域，而其中重要的深層領域之一即是智慧決策。

智慧決策身處AI賽道最前沿領域被譽為“皇冠上的明珠”，目前部分商業化的智慧決策產品已初步進入完全決策智慧階段，系統可以自我驅動並直接做出決策和行動，實現了決策智慧的“半人格化”。

其實，在人工智慧技術成熟之前，大型企業就已經開始透過資料分析來做出商業決策和判斷，例如沃爾瑪“啤酒與尿布”的故事。沃爾瑪超市管理人員分析銷售資料時發現了一個令人難以理解的現象：“啤酒”與“尿布”兩件看上去毫無關係的商品經常出現在同一個購物籃中，管理人員經過調查發現，這種現象經常出現在年輕的父親身上。原來，美國家庭中，一般去超市購買尿布的多是年輕的父親。這些父親們在購買尿布的同時，往往會順便為自己購買啤酒。此後沃爾瑪嘗試將啤酒與尿布擺放在相同的區域，方便消費者快速找到商品的同時，銷量明顯提升。

現在，以使用者畫像、知識管理、自然語言處理、機器學習為基礎的人工智慧不僅僅為企業帶來業務模式、業務流程、組織結構、產品應用等方面上的巨大變化。更為企業的領導者們，在智慧決策方面帶來了資料導向的價值。

企業如何在短時間內做出大量決策？減少試錯成本？決策需求無處不在，但人們對智慧決策並沒有準確地定義。在國內AI決策領先企業薩摩耶雲首席科學家王明明看來，智慧決策就是基於大資料和機器學習、深度學習、聯邦學習、知識圖譜等技術與行業深度融合後，在資料間精準匹配使用者需求或業務需求並發現潛在的邏輯和規律，本質是為帶來效率的提升。這種創新化的決策方法，正是依靠發揮AI巨大的“演算法”優勢和“計算”能力，讓企業的經營決策從經驗和流程驅動轉向資料驅動、自動化決策，達到降本增效的目的。

如今，智慧決策應用的身影早已深入實體領域，例如在軌道交通首次實現檢修計劃和人工智慧的結合；在汽車汽配，打破供應、生產、銷售、需求端壁壘，實現全價值鏈最佳化；在流程製造領域，從前端供應到中段生產再到後段產銷協同，智慧決策價值立竿見影並正在用其特有的方式創造更多更加直接的製造價值。

IDC預測，到2025年，超過60%的企業將把人類專業知識與人工智慧、機器學習、NLP和模式識別相結合，做智慧預測與決策，增強整個企業的遠見卓識，並使員工的工作效率和生產力提高25%。

知識圖譜

拓展

決策

能力邊界

人工智慧正在從“感知智慧”走向“認知智慧”，機器除了具備模仿人的視覺、聽覺、觸覺等感知能力之外，還需要具備認知能力，模擬人的思維方式和知識結構進行“思考”，因此需要一個強大的底層知識網路作為支撐，知識圖譜正是支撐機器實現認知智慧的重要基石。

當你在搜尋資訊、看新聞、刷短影片、購物時，所看到的每條打動你的內容，背後就可能有知識圖譜的作用。簡單而言知識圖譜就是把大量不同種類的資訊連線在一起而得到一個視覺化關係網路，為人們提供了從“關係”的角度分析問題的能力，已被廣泛應用於如智慧搜尋、決策分析、金融反欺詐等領域。

知識圖譜廣泛應用目的就是讓機器和軟體獲得“理解”和“解釋”兩種能力。 使用知識圖譜，可以讓人工智慧“理解”人類的自然語言，不斷整合現有資料、外部資料，讓機器形成認知能力，降低人工智慧的大樣本依賴，提高學習的經濟性和對先驗知識的利用效率，從而做出最優的決策結果。

多年商業和技術積澱，薩摩耶雲集齊資料、演算法、算力等AI三要素，並以“三要素”構建AI知識圖譜，尤其是利用機器學習和深度學習等尖端人工智慧技術，開發人工智慧高階應用“智慧決策綜合系統”，以SaaS、aPaaS的產品形式提供標準化服務體系。為最大程度地降低技術門檻，薩摩耶雲針對不同行業和領域提供知識驅動的複雜應用分析及決策支援，將大量知識模組化封裝，自動以最優的方式訓練模型，自適應生成方案。企業可以根據自己的需求，自定義適合業務場景的圖譜應用輕鬆實現二次開發，快速得到立體的圖譜型結果，提升決策智慧水平。

以服務金融產業為例，知識圖譜技術從資料視覺化、風險評估與反欺詐、風險預測到使用者洞察，知識圖譜的底層性支撐作用越來越顯著。薩摩耶雲運用知識圖譜技術透過對使用者資料分析，以視覺化的呈現、互動式的查詢，並進行關聯指標和標籤的輸出，從而為有效識別、預防團伙欺詐的發生提供及時決策研判。

此外，薩摩耶雲知識圖譜在營銷層面精準發力，它可基於客戶建立社交網路知識圖譜，在獲取使用者授權後，對使用者社交關係網（如親屬、朋友、同事、同學、陌生人等）進行全方位地挖掘，精準、迅速地找到相關業務的潛在客戶，從而制定針對性營銷策略，幫助企業實現精準獲客。

截止目前，薩摩耶雲積澱的客戶覆蓋了從通訊運營商、網際網路大廠、電商平臺、影音傳媒，到金融、倉儲、商超在內的領域。已經積累了數千萬客戶的長週期、多維度樣本量，全部衍生變數維度超百億級，演算法模型的精度、準度已經達到較高水平，平滑應對特定場景下的特殊風險狀況，形成較高的競爭壁壘。

科技日新月異，但如同商業管理的本質一般，決策管理的本質訴求並沒有太大的變化：讓對的人，在對的時間，以對的方式做出決定。“真正的科技，是讓你感受不到科技的存在”，未來的人工智慧不僅能提高我們的效率，更是無感的。AI雖不完美，但我們仍要感謝人工智慧領域的那些創新者們，正是他們在尋求真理的路上堅持“雖千萬人，吾往矣”，才更新了我們對世界和自身的認知。