半個多世紀以前就引發了人工智能(AI)革命。在過去的十年中，人工智能已經從學術科學領域發展成為我們日常生活中不可或缺的一部分。我們看到的最常見的AI業務政策是圍繞資料建構的。我們認為專有資料是AI公司目前很具戰略意義的護城河，但在未來幾年中，專有資料将不再是一種獨特的資産，進而使專有資料差異化的可持續性降低。是以，我們希望重點從基于資料的AI政策轉向基于知識的AI政策。
大資料的進步得益于衆多傳感器的部署，網際網路連接配接以及計算能力，通信能力和數字存儲方面硬體和軟體的改進，使AI能夠從小型學術研究項目擴充到大型企業生産應用程式。本質上，大資料需要複雜的AI模型來分析和擷取知識和見解，而AI模型則需要大量的大資料來進行教育訓練和優化。。是以，目前，資料通常被認為是AI初創企業足夠的戰略護城河。作為風險投資人，我們經常會看到這種現象。近年來，我們看到許多初創公司将資料采集作為其業務戰略的核心。越來越多的此類公司強調他們已擷取的獨特資料集以及擷取其他專有資料的長期政策，将其作為可持續的進入壁壘。此外，由于AI工具和AI即服務平台已使AI模型的開發商品化，并且公共資料已無處不在，是以人們對于建立和捍衛資料護城河的需求已變得顯而易見。
在當今的技術生态系統中，市場越來越多地通過領先的AI程式和對專有資料的控制來獎勵公司，這是巨大而可持續的競争優勢。諸如Google和Netflix之類的公司已經在很長一段時間内開發并策劃了海量且權威的資料集，而其他許多公司都在徒勞地努力以取得成功。一個例子是競争對手的媒體服務提供商和制作公司的大規模破壞，而Netflix複雜的資料政策卻無法解決這些問題。
不過，由于預期的資料交換能力和意願的提高，我們相信十年之内，專有資料的護城河将不太可持續。盡管資料仍将為AI價值引擎提供動力，但AI業務戰略将越來越側重于知識。
将AI價值金字塔向知識層發展
AI價值金字塔基于資料并由知識驅動。今天，盡管“我們淹沒在資訊中，卻渴望擷取知識”，但我們期望将AI價值金字塔推向知識層。實際上，我們已經開始看到通過建立資料交換來促進和加速這一趨勢的進步。我們希望增加可行性和願意分享商品化資料以換取有價值的知識的結合将促進資料交換。總而言之，資料将變得更加豐富，可用，可靠，标準化且價格便宜，這是理想商品的完美定義。将來，将資料用作可持續的進入壁壘将變得更加困難。
通過物聯網(IoT)的資料源激增将加速共享資料的可行性。此外，還有用于合并，共享和交換資料的新技術，協定和标準。展望未來，隻要有動力和越來越大的意願，共享資料的能力就會變得真正重要。随着AI破壞并破壞傳統的競争進入壁壘，許多組織不懈地嘗試收集自己的專有資料并從中獲利。las，這種資料的擷取和利用既不容易也不富有成果，是以會造成戰略上的不和諧。這是因為，盡管對于大多數組織來說，人工智能已變得越來越不可缺少，但它并不是其傳統技能或核心專業知識的一部分。此外，經過AI教育訓練的工程師，開發人員，産品負責人和經理的長期和長期短缺加劇了這種沖突，并導緻以知識交換為目标的資料共享解決方案偏愛。
通過交換資料以創造知識來創造能力和意願的結合的一個例子是歐盟提出的建立議，即建立“單一資料市場”，以賦予人，企業群組織更好的決策權基于來自非個人資料的見解，以便與目前的科技巨頭競争。
導緻資料護城河變得越來越不可持續的另一個因素是發明了新穎的資料解決方案，該解決方案能夠使用較小的資料集進行訓練。合成資料解決方案(例如，使用通用對抗網絡)和其他最小化技術(如資料增強)可能使公司無需大量資料即可建立破壞性的AI産品。
建立知識政策
人工智能革命的未來将為企業帶來新的現實，并将需要修訂的業務戰略。從資料到知識的轉變将産生新穎的架構，合作夥伴關系和業務模型，其中包括為知識創造提供資料，資訊，AI模型，存儲和計算能力的不同參與者。由于傳統資料護城河在未來十年将變得不那麼可持續，并且知識将成為AI的真正價值驅動力，是以我們認為企業應該開始制定更側重于知識的戰略：
建立知識護城河而不是資料護城河是一項基本原則，應該成為未來業務戰略的核心。公司群組織應該開始為以知識為中心的時代做準備，在這個時代，赢家将是那些提出正确問題，尋找最相關的預測并設計很具破壞性的基于AI的應用程式的人。
自上而下使用AI并圍繞應用程式和産品層組織業務。模型應基于特定的垂直和假設進行開發和訓練。例如，在成像，診斷，遠端醫療，藥理學和其他臨床應用中開發特定的醫療保健應用;或在車隊管理，公共交通及其他方面的流動性。這些解決方案的開發将基于特定領域的豐富知識和實踐經驗，結合上下文知識和适當且經過良好調整的模型。
資料擷取計劃應僅被視為短期的戰術追求，而基于知識的交流與合作夥伴關系則應作為長期的業務戰略加以培養。一個富有成效的例子是，去年，以色列創新局啟動了一項試點計劃，以實作醫院與技術初創企業之間基于知識的合作。這種合作在初創企業的醫院之間産生了數十項計劃[12] ，并促進了醫院之間以及醫院之間的原始(和幾乎未使用的)資料交換，以及初創企業産生的新穎而有價值的知識。
最後，向知識的轉變也應該影響組織的人力資源戰略。公司應為AI的未來制定相關且明智的人力資源戰略。盡管一些初創企業仍需要聘用大量稀有和昂貴的資料工程師和科學家，但應将精明的公司的AI團隊設計為一個管理團隊，旨在追求和促進AI知識合作夥伴關系，發明基于AI的應用程式和産品并創造性地探索AI革命的美好前景-從以資料為中心到以知識為中心進行了重新構想。此外，AI團隊應該讓人們了解他們所操作領域的上下文。這些上下文團隊成員應該包含一種整體方法，這種方法源于他們對AI和特定領域的了解，而不僅僅是一般AI專家。
總體而言，人工智能的未來取決于從強調專有資料集轉向跨實體共享資料以建立知識。為了實施成功的AI戰略，公司必須正确地組合資料，資訊，AI模型，存儲，計算能力等，以使業務紮根于知識。
原文連結：
https://ai.51cto.com/art/202011/631005.htm本文轉自51CTO，本文一切觀點和機器智能技術圈子無關。
線上免費體驗百種AI能力：【點此跳轉】