新書推薦：
《
文史星历：秦汉史丛稿
》
售價：HK$
141.6
《
神灵衰落：祈雨与乾隆朝的信仰危机
》
售價：HK$
106.8
《
深度营销：成就营销领导力的12大原则（麦肯锡年度经管好书，12大原则揭秘营销本质，带好团队就是从领导力到影响力！）
》
售價：HK$
69.6
《
新质生产力：发展新动能
》
售價：HK$
105.6
《
状态比能力更重要：108个状态调整法
》
售價：HK$
66.0
《
中国上市公司担保行为的影响因素及其效应研究
》
售價：HK$
43.2
《
企业级数据架构：核心要素、架构模型、数据管理与平台搭建 李杨
》
售價：HK$
118.8
《
政和元年：宋辽金夏的国运博弈与谍战风云
》
售價：HK$
81.6
|
| 編輯推薦： |
人智能应用将迎来春天
企业要应用人工智能技术
应该自力更生，关注技术发展
深耕自身应用场景，并积极尝试
如果你也有如下问题：
企业应该如何认识人工智能应用？
人工智能的商业模式如何融入企业生产？
是变革技术开拓新市场，还是替换现有生产方式？
企业如何切入并逐步开展人工智能落地？
如何培养人工智能的核心人才构建环境？
本书适合你！
|
| 內容簡介： |
|
本书详细讲述了人工智能大潮中企业如何生存和发展，帮助企业看清人工智能，抓住生产力变革机遇，进行人工智能技术布局。首先，从商业应用角度介绍了人工智能的缘起和企业怎么认识人工智能，避开了艰辛的数学公式和繁多的技术细节，聚焦于人工智能在企业实际场景中的应用价值、优劣势以及未来趋势；然后，通过详尽的人工智能商业场景实例，展示了人工智能的商业模式，其如何融入企业生产，在各个环节发挥作用？是变革技术开拓新市场？还是替换现有生产方式？或者优化现有方法提升生产效率？*后，总结了人工智能应用场景落地的经验，介绍了从企业战略层面，如何切入并逐步开展人工智能落地，如何培养人才构建环境，从而提升企业核心竞争力。如果您对人工智能感兴趣，想尝试新技术提升自己或企业的核心竞争力；或者您是人工智能算法专家，想要找到适合落地的商业解决方案，那么本书不容错过。
|
| 關於作者： |
段云峰，中国移动总部大数据系统总设计师、奠基人。北京邮电大学兼职教授，全国CIO联盟特聘专家、贵州省大数据技术专家、海南省信息技术专家、教育部评审专家等。北京大学信息处理专业博士后，专注数据仓库、大数据、云计算、人工智能等的研究与推广。
田雷，中国移动通信集团天津有限公司算法专家负责人。主要负责大数据和AI算法研发，聚焦于人工智能在商业领域中的落地。利用大数据和集群计算能力，训练人脸模型并构建人脸库，构建人工智能服务开放能力。其负责的智慧营业厅和人脸识别项目入选中国人工智能产业发展联盟TOP一百优秀应用案例。
严昱超，中国移动通信集团浙江有限公司AI算法团队负责人。带领浙江移动算法团队推进运营商市场、客服、安全、办公、网络等生产领域人工智能项目的演进规划、算法开发、生产运营等工作，并参与公司内企业级AI私有云务的建设。作为编委参与AIOps行业白皮书的编写，其负责的新零售智慧营业厅AI大脑项目获得行业大数据星河奖。喜欢研究前沿科技动态，对AI技术架构、项目迭代、运营管理有深入理解。段云峰，中国移动总部大数据系统总设计师、奠基人。北京邮电大学兼职教授，全国CIO联盟特聘专家、贵州省大数据技术专家、海南省信息技术专家、教育部评审专家等。北京大学信息处理专业博士后，专注数据仓库、大数据、云计算、人工智能等的研究与推广。
田雷，中国移动通信集团天津有限公司算法专家负责人。主要负责大数据和AI算法研发，聚焦于人工智能在商业领域中的落地。利用大数据和集群计算能力，训练人脸模型并构建人脸库，构建人工智能服务开放能力。其负责的智慧营业厅和人脸识别项目入选中国人工智能产业发展联盟TOP一百优秀应用案例。
严昱超，中国移动通信集团浙江有限公司AI算法团队负责人。带领浙江移动算法团队推进运营商市场、客服、安全、办公、网络等生产领域人工智能项目的演进规划、算法开发、生产运营等工作，并参与公司内企业级AI私有云务的建设。作为编委参与AIOps行业白皮书的编写，其负责的新零售智慧营业厅AI大脑项目获得行业大数据星河奖。喜欢研究前沿科技动态，对AI技术架构、项目迭代、运营管理有深入理解。
徐海勇，中移信息技术公司总经理。被评为2016年度首都劳动奖章荣誉称号，曾经担任北京移动副总、山东移动副总。在山东移动任职期间，徐海勇专注客户业务和服务创新，带领山东移动取得了不少业绩。
|
| 目錄：
|
第1章 企业如何认识人工智能应用 001
1.1 价值认知 002
1.1.1 第四次工业革命的深刻认知 002
1.1.2 人工智能将驱动未来文明 003
1.1.3 如何让人工智能渗透到企业 006
1.2 本轮人工智能的优势 013
1.2.1 存储优势 013
1.2.2 数据优势 014
1.2.3 计算优势 016
1.2.4 逻辑优势 017
1.2.5 性能优势 018
1.3 本轮人工智能的劣势 018
1.3.1 靠大数据喂吗 020
1.3.2 行业知识需积累 022
1.3.3 算法的进步还需加快 023
1.3.4 硬件仍需进步 025
1.3.5 企业应用人工智能技术的能力要跟上 026
1.4 核心技术的把控问题 026
1.4.1 从人工智能的开源生态说起 027
1.4.2 TensorFlow的架构魔力 029
1.4.3 哪些技术要把控 031
1.4.4 企业的核心竞争力与计算力 033
第2章 电信行业中人工智能的应用场景 035
2.1 智慧营业厅 036
2.1.1 人脸识别 038
2.1.2 智能推荐 045
2.1.3 客户轨迹分析 048
2.1.4 服务质量评估 049
2.2 智慧管理 050
2.2.1 业务异常监控 050
2.2.2 基站资产稽核 056
2.2.3 安全态势感知系统 059
2.3 智慧稽核 070
2.3.1 签名识别 070
2.3.2 异常操作识别 074
2.4 智慧运维 078
2.4.1 集群智慧运维 078
2.4.2 磁盘故障分析 080
2.5 语音UI导航 090
2.5.1 语音识别 093
2.5.2 语义理解 094
2.5.3 智能检索 095
2.5.4 语音合成 096
2.5.5 实际使用示例 096
2.6 智慧客服 098
2.6.1 声纹识别 101
2.6.2 问题识别 103
2.6.3 问题归类及派单 106
2.6.4 事后满意度调查 107
第3章 技术驱动的人工智能应用场景 111
3.1 概述 111
3.1.1 引出 112
3.1.2 脑科学的进步 113
3.2 神经网络技术突破 116
3.2.1 概念 117
3.2.2 原理 118
3.2.3 脑神经学研究启发人工智能 128
3.3 图像识别 135
3.3.1 Google如何识别一只猫 136
3.3.2 Google无人汽车 137
3.3.3 如何利用Google的预训练模型 142
3.3.4 智慧营业厅中的图像识别应用 145
3.4 人机对弈 150
3.4.1 围棋真的很难吗AlphaGo的起源 150
3.4.2 AlphaGo的技术突破 156
3.4.3 人类还能战胜AlphaGo吗AlphaGo的进化 160
第4章 需求驱动的人工智能应用场景 163
4.1 实名认证 163
4.1.1 人证比对的实现方法 164
4.1.2 活体检测 166
4.2 语音交互 170
4.2.1 语音控制技术实现 170
4.2.2 语音播报技术实现 178
4.2.3 同声传译 179
4.2.4 客户情感感知 183
4.3 智能问答 184
4.3.1 短文本分析 185
4.3.2 句法分析 186
4.3.3 篇章分析 187
4.3.4 知识图谱 190
第5章 传统机器学习的智能进化 195
5.1 从符号学到机器学习 195
5.1.1 几何以后不用学了机器定理证明 196
5.1.2 算力并非是万能的基于符号学习的局限性 198
5.2 机器学习主流算法 200
5.2.1 C4.5算法 200
5.2.2 K-means算法 205
5.2.3 朴素贝叶斯算法 209
5.2.4 Apriori算法 214
5.3 深度学习如何优化传统机器学习 217
5.3.1 深度学习相对机器学习的优势 218
5.3.2 大数据智能运维 221
5.3.3 客户满意度分析 226
5.3.4 客户流失预测 229
第６章 企业如何落地人工智能应用 233
6.1 切入点选择 234
6.1.1 从市场应用切入 234
6.1.2 从企业痛点切入 236
6.1.3 成熟算法驱动 238
6.2 提升市场智能 244
6.2.1 人工智能仅改进算法的精度 244
6.2.2 从客户分析入手 244
6.2.3 业务场景的提炼 245
6.3 打造智慧运营环境 246
6.3.1 企业全生命周期 246
6.3.2 企业管理的每个环节 248
6.3.3 未来能否实现全程人工智能管理 255
6.4 培养人工智能人才 255
6.4.1 人工智能人才极其缺乏 256
6.4.2 只能自己培养 259
6.4.3 人工智能要从娃娃抓起 261
6.4.4 人工智能所需的知识结构 263
6.4.5 技能层面的积累 266
6.4.6 管理协调 268
6.4.7 从培养工人到培养人工智能创造者 269
6.4.8 人工智能技术越来越易用 271
6.5 实战经验分享 276
6.5.1 非结构化数据质量问题 276
6.5.2 应用场景选择问题 278
6.5.3 数据标注问题 280
6.5.4 算法选择 284
6.5.5 营销活动选择 285
|
| 內容試閱：
|
前言
企业需要发展人工智能应用场景
以历史经验来看，企业发展人工智能（Artifical Intelligence，AI）应该重点着手的是发展人工智能应用场景。十几年前，国家提出互联网 的战略，一家传统企业面对互联网大潮，要做的应该是积极拥抱互联网。只有那些能够用好互联网的企业，才能够在互联网浪潮中取得进步，并最终在市场竞争中获得优势。
在经历了一轮互联网浪潮的洗礼之后，大部分企业都进行了产业升级，物流、销售、管理都采用了互联网的手段。现在迎来人工智能浪潮，企业要想获得优势，就要看能否在人工智能上争得先机。
以互联网发展的经验来看，企业的态度应该是拥抱，而不是成为，不能把一个传统企业强行转变为互联网企业，更不可能将其转变为一家人工智能企业。人工智能技术发展迅速，不论是技术积累还是人才引进，都不是一朝一夕能够完成的，更谈不上将人工智能技术应用到实际生产中，形成有性价比的产品。我们面对的是万亿美元级别的竞争对手，面对的是学术泰斗多年的研究积累，以己之短攻彼之长是不会成功的。企业要做的是怎么通过人工智能的思路，来改造企业的内部结构，提高工作效率，整合各类资源，形成更强的能力，获得行业内的领先地位。
如果是一家生产音箱的公司，那么语音识别可能是将来的发展方向，要开发一款语音识别产品，没有每日数亿条的语料搜集，没有与科研院校多年的合作研发，就去跟科大讯飞竞争，则很可能是死路一条。但如果我们率先与科大讯飞合作，打造一款搭载讯飞语音识别技术的音箱，再利用自身的渠道和产品优势，就可能在当前市场环境中获得领先地位。
没错，很多传统企业已经在这么做了，一款普通冰箱定价两千元，而一款人工智能冰箱可以卖到上万元；一辆老年电动代步车价值几千元，而搭载了智能系统的特斯拉，价格却高达几十万元。我们看到的人工智能其实是工具，是提高效率打败其他厂商的工具，就像不是人工智能取代人类，而是利用人工智能的人类在取代没有利用人工智能的人类，企业也同样不会被人工智能取代，而会被利用人工智能的企业取代。
想要生产特斯拉，还是生产老年电动代步车，这是企业发展的选择，但更多时候，历史不允许我们选择，只有进步或灭绝。
2019年，共享单车竞争已经进入了收官阶段，大部分共享单车企业没有撑到最后，这在新兴行业，特别是在互联网行业中并不奇怪，因为现在的互联网企业几乎都是赢家通吃。国内大部分互联网市场日益被某几家巨头把持，利用网络效应的赢家通吃，真的是竞争的最终格局吗？如果是这样，那是生存还是灭亡，企业只能在二者中选择其一。
在传统企业中，可口可乐与百事可乐并存，奇瑞和比亚迪在各自的乘用车细分市场领先，并不一定会分个你死我活。将来的人工智能领域会加速竞争，是成为一家独大的互联网模式，还是缓解压力，帮助各个传统企业各自提升呢？现在来看前者的可能性更大一些。
人工智能带来的更多是效率，而不是市场。需求被创造，但却快速被领先的企业收入囊中。在标准化和成熟度都不发达的今天，我们能够看到层出不穷的创意产品和新兴公司，在技术成熟之后，在人工智能优势壁垒建立起来之后，将不会给其他企业喘息的机会。
以智能音箱为例，当性能有限各自都能与客户尬聊几句的时候，各个企业都会有各自的市场份额。但当护城河建立之后，成熟的产品会迅速占据绝大部分市场份额。试问：谁会买一款性能较差的产品呢？如果某家车企推出一款完全安全的无人驾驶汽车，那么你还会购买有安全风险的另一款汽车吗？
企业想要应用人工智能，但是否会因为技术壁垒太高而失去机会，以目前的情况来看，人工智能的门槛在逐渐降低。
任何技术的发展都是逐步成熟的，最初的深度学习算法并没有什么工具框架，后来才有了 Theano等框架。虽然开始时这些工具的学习曲线十分陡峭，在应用的都是学术院校，但随着行业的成熟，已经有了像 PyTorch、TensorFlow、PaddlePaddle等工具框架。高昂的人工智能技术培训的成本也在逐步降低，网上可以找到免费的课程和资源。最近更是出现了 AutoML 和 AutoKeras 这种自动选择模型和调参的框架，无须人工智能知识，只需要数据即可。
这种趋势会持续发展，可能将来每个行业的人员都能轻松使用人工智能技术提高工作效率，我们担心的不再是如何学会人工智能技术，而是要知道人工智能技术到底能做什么，不能做什么。因为学习人工智能技术非常难，但是使用人工智能技术却很简单。造汽车的工作交给专业的工程师，我们只负责开车到达目的地就好了；造计算机的工作交给专业厂商，我们只要会用计算机运行程序即可。同样，我们不需要研发人工智能算法，只要会用人工智能技术改进工作就可以了。
企业同样需要关注这一趋势，如果应用人工智能技术，则不用过多关注采购硬件和研发算法，而需要多关注目前技术的发展程度，是否能够结合到企业现有场景中。如果其他人工智能服务企业有成熟的解决方案或技术输出，则可以采用引进能力、合作开发的方式；如果有成熟技术能够被利用，则可以培养人才采用成熟技术，形成自身的能力；如果人工智能技术已经在其他企业得到应用，则需要快速跟进缩小技术差距，避免形成代差，落后于市场。
近两年的人工智能迎来退潮，投资和影响在逐渐降温，但真正的应用场景将迎来春天。
人工智能浪潮不会很快退去，资本盲目追逐之后，退去的是不能产生价值，没有应用场景的泡沫经济。人工智能应用将会变得更加接地气，去掉泡沫，打破幻想，真正成为人类的工具。
率先失血的企业是那些技术落后，还未找到落地场景的人工智能创新企业，无法变现体现价值的企业，逐步会被资本所抛弃。人工智能创新公司在现阶段更应该多挖掘新蓝海，帮助传统企业提升效率，而不是继续讲那些技术暂时还达不到的、前景不明朗的故事。
总之，企业要应用人工智能技术，应该自力更生，关注技术发展，深耕自身应用场景，并积极尝试。本书的内容将围绕这些展开。
第1章，以企业的角度认识人工智能，了解其优势和劣势，以及如何掌握人工智能的核心价值，知道其能做什么，不能做什么。
第2章，以电信行业为例，介绍企业实践人工智能的案例，通过实践来说明人工智能如何在企业内外部的各个环节发挥作用。
第3章，以技术发展为角度，引入人工智能技术落地场景，介绍企业如何掌握技术并开拓新蓝海。
第4章，以企业原有需求为突破点，并以实际案例说明需求促进了哪些人工智能技术的发展。
第5章，介绍传统的机器学习算法与应用场景，并以实际案例介绍如何利用人工智能技术对已有应用场景进行优化提升。
第6章，总结笔者关于企业人工智能应用场景的经验，企业如何选择切入点、培养人才和打造智慧创新环境。
如前所述，本书更侧重企业的实际应用场景，通过实战案例指导企业引入人工智能技术，提升核心竞争力。不同于一般的人工智能技术类书籍，本书并没有深入探讨各类算法和网络框架，也不关注目前尚不成熟的学术前沿课题，而是通过案例来引出用到的人工智能技术，更多地描述了人工智能的技术特点和应用经验，以及如何切入商业场景。
本书面向的是对人工智能感兴趣的读者，可以了解人工智能技术，并应用到自己或企业的日常场景中，尝试解决实际工作问题。如果是有一定经验的人工智能工作者，想要找到适合落地的商业解决方案，也可以借鉴本书的案例和经验。
本书得以出版，需要特别感谢陶涛、尚晶、江勇在本书写作过程中给予的帮助。人工智能的新技术层出不穷，成书过程中就有很多新的技术涌现，有很多新的场景落地，本书难免挂一漏万。如果你对本书有任何意见或建议，可以发送邮件到tlbeyond@139.com。
作者
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
