一、基本概念
計算機可以稱爲硬件和軟件組合而來的工具。
1.硬件的構成可以類比三明治。最底層是0和1的二進制，第二層是由機器語言，我們稱之爲彙編語言構成，第三層稱之爲操作系統，如Linux等。
2.軟件就是利用硬件算法與人類交互的應用程序，比如Word文字處理軟件，包括網頁頁面等。
3.算法則是計算過程，是計算機執行任務需要遵循的一系列步驟或過程，用來越來越多地替代我們做決策。算法也可能是利用有效數據做出決策的計算過程。
4.模型就是這樣一種黑盒子——你只需要扔數據進去，它就能吐出答案。在機器學習中，算法與變量相結合纔可以創建數學模型。
5.人工智能分爲廣義和狹義。廣義就是您在科幻世界想象出來的，有自主意識的人工智能可以替代人類所有的工作？但目前，人工智能僅僅能夠做到的是輔助人類決策，即狹義人工智能。簡單講，狹義人工智能其實就是利用數學進行預測的工具，一種用於預測的數學方法。通過分析一個已知的數據集，在數據集中識別數據模式和事件概率，並把這些數據模式和事件概率編寫成計算模型。
二、理解人工智能的應用場景
當前的時代還是屬於狹義人工智能時代。也就是說，人工智能只能部分替代某些技術和重複性勞動，實現到協助人的目的。比如，⾃動駕駛屬於⼈⼯智能，但是自動駕駛的靈活性其實是不夠的，還做不到5級。掃地機器⼈也還做不到邊邊⻆⻆都掃到。不過。雖然它不夠靈活，如果你能夠反過來去適應它，不是⾮得讓它能完整接管⼈的事，⽽是把⼈的事做拆解，有哪些事它能接管，有哪些事不能接管，你把它能接管的交給它，依然能省你很多事。
歸納起來就是把任務做拆解，連⻢斯克的核⼼都是任務拆解。這⾥最典型的是什麼？就是芯⽚的異構計算。原來芯⽚計算，我不管你什麼東⻄的，反正都要能計算就好，所有事情都是可計算的，所有事情堆到⼀起，只要有強⼤的算⼒，把所有事情都計算完了就好了。就是這種時候，你更關⼼的就是計算能⼒提升，所以強調叫摩爾定律。第⼀有技術還在突破。第⼆個現在不強調摩爾定律了。爲什麼不強調？突然發現原來其實⼀個很簡單的提升效率辦法，就是把想⼲的活分分類，⼀類是很繁重，但是不復雜的活，這事是要重複做n多遍，但是這事本身不復雜。另⼀類是很複雜，但是不繁重的事，就是我涉及到很複雜的操作，要有好多步驟，但是這件事本身很輕鬆，就是⼀次性做完就沒了。把這兩件事分開，發現原來我們⼲的⼯作⼤多數都是繁重⽽不復雜，只有極少數是複雜⽽不繁重的，你把這極少數複雜⽽不繁重的交給相對計算能⼒特別強，就是善於處理複雜事情的CPU去改，剩下這些繁重⽽不復雜，專⻔設計⼀個就擅⻓處理這樣業務的GPU去處理，它就單處理這件事，不斷的訓練，經過優化，處理效率就⽐⼀個通⽤計算設備去處理它的效率要⾼很多，這樣CPU和GPU 一結合，整體效率就提升了。
現在的辦公室也是⼀樣的，你也要去衡量辦公室都有哪些⼯作。⼤多數⼯作其實也是所謂繁重⽽不復雜的，以前⽤⼈來⼲，現在這部分你就⽤機器來⼲，甚⾄讓⼈⼲的繁重不復雜的⼯作⾥，這個其實也不能讓機器完全替代，你再把它做分類，其中也有80%是機器可以替代，20%機器不能替代。那就很簡單了，把這個20%機器不能替代的事還叫⼈⼲，80%⽤機器來⼲，你給⼀個⼈配2臺機器，他就能⼲5個⼈的事，甚⾄說能⼲更多⼈的事。這種時候你整體的效率就提升了，你給這個⼈配兩臺機器叫什麼？叫機器⼈流程⾃動化。就把很多原來⼈⼲的事，貼個發票，填個表格，錄⼊信息這樣的事⽤機器⼈來⼲，⼈最後校驗⼀下，因爲你錄⼊信息，⼈也需要校驗的，有些或者碰到懸⽽未決的事情，需要⼈來決策⼀下，到底是東還是⻄，⼈最後來做決策，這樣的整體效率就提升了。
所以⼈⼯智能還沒有做到萬能，但是也已經⾜夠好到可以幫我們解決很多問題，進⼊到業務⾥。當然，千萬不要等，不要等到⼈⼯智能完美了，能夠完全替代⼈了，我再⽤它。完全替代⼈，你都被替代了，你就沒機會⽤它。⼀定要找到⼈機的最佳結合點，
三、人工智能的業務趨勢
什麼樣的人工智能業務是好業務，是有發展前途的，什麼樣的人工智能是忽悠人的？我們要判斷清楚。比在生產規模化時代，我更在乎的是效率。舉個例子，以前我們家做飯要什麼？要⽣爐⼦。後來我們有了煤⽓竈，實際上有很多最早從農村進城市，他不會使⽤，不會打⽕，不敢打⽕，那就⽤不了。所以它要掌握⼀新技能，⽽這新技能和⽼技能相⽐是兩個完全不同的⽅法，⽅法雖然不同但⽬的都是做飯，只不過效率是新技能更⾼，但是它也不意味着新技能會把時間徹底省掉，所以包括冰箱，包括洗⾐機都是這樣的原理。我並不代表洗⾐機不需要⼈操作，疊⾐服還要你來疊。但是⾄少我省時間了，從整體上來講省時間，所以上⼀個時代⽣產規模化是⽤⼀個產品、⼀個產業⽅案替代另⼀個⽅案，然後核⼼是省時間。
1.市場要有。從宏觀環境上來判斷，我們是已經慢慢的進⼊了產品⽣產規模化的晚期，進⼊了開啓服務，也就是經驗規模化的⼤量運⽤的時期，需要把⼈的⼀些相對複雜，但是可重複的經驗能夠複製出來，由人工智能來做，這個市場是巨⼤的。也就是說，經驗規模化的時期，好業務尤其要和⼈⼯智能結合，就是要把這些規模化做到可操作的經驗。也就是說，你要做業務，在這個時代做的好，就要利用人工智能固化⼀個⾼端的服務。都是固化服務，⾼端低端就差很遠，都是固化在醫⽣的診斷⽔平，那是協和的醫⽣還是普通的醫⽣。都是固化的⼀個機器⼿煎⽜排，那是三星級廚師還是普通廚師就差很遠。所以服務有這樣的⼀個特性，你固化的是不是⾼端服務，然後能不能做到普遍性，如果能，就可以做拓展形成巨大的市場。所以，人工智能進入領域應該追求高端服務規模化複製。
2.定位要準。也就是規模化的好壞怎麼評價，是不是完整規模化呢？完整規模化要有兩個標準，⼀個就是叫職業替代，⼀個叫職業增強。你或者是職業替代，我完整的不需要某個⼈了。另⼀個叫職業增強，我還需要⼈，但是⼀個⼈能⼲三個⼈的活了，這個就是⼀個好故事。如果不是，雖然能夠⼲⼈的⼀半的活，但是另⼀半的活還需要⼈來幫我⼲，那就不是好的標準。所以在經驗規模化基礎上，還要進⼀步去看你的業務設計，是要做到所謂職業替代和職業增強纔是好的業務設計。比如，你是替代⼀個護⼠還是替代不了，所以未來如果是職業增強，可能⼀個護⼠原來只能照顧⼀個⽼⼈，現在⼀個護⼠加上⼀個樓⾥的監控設備，我能照顧1 0個⽼⼈，那倒有可能，所以關鍵是你要定義清晰，我們講的職業替代不可能，職業加增強纔可能。
3.行業要聚焦垂直。①流程自動化，RPA。⼤多數⼈企業管理此如⻨肯錫、埃森哲、波⼠頓諮詢集團都是我教你怎麼做，我教你怎麼做管理，怎麼做運營。 IBM consulting把怎麼做管理的技能固化到IT系 統⾥，我把IT系統給你公司裝上去，實際上我不需要培訓，你⾃然就掌握了管理技能了，因爲違背管理規則的事在IT系統⾥不被許可，我把它固化進去了。所以像流程⾃動化和 IBM consulting很像，其實它是把⼀些思想原則，把⼀些技能固化到⼀個系統⾥，然後交付給你，但是既然是要交付，就是IBM consulting，它也沒法超越，這是consulting的路數，所以它就還是這樣⼀個問題，就是你還是要⼀單⼀單找⼤客戶，然後就變成⼈⼒密集型。②AI醫療。 Ai醫療因爲2020年發了10個證，這個正在形成這樣⼀個板塊，這些公司就會成爲⻛⼝，成爲頭⽺，同時就會有⼀些蹭熱度的公司加⼊進來，像百度也來做⼀些 AI醫療的嘗試，甚⾄像現在的線上問診，線上問診的醫⽣理論上講和A I還⽐較遠，但是它依然可以藉着AI醫療，聲稱我在線上也實現了AI醫療，我的問診⾥⾯也有語⾳的分析，語義的分析，我可以蹭熱度，就有頭⽺有能蹭熱度的。然後有市場開拓的相對容易⼀些的，像Airdoc就能夠鋪的很⼴的，也有⼀些如果能找到了辦法，和⼤醫院捆綁，然後讓⼩醫院，讓邊遠醫院也能得到實惠的企業，有機會能夠做起來，就有收⼊利潤。所以有收⼊利潤，有頭⽺，有跟隨者的這樣⼀個領域。③智能應答或者叫智能客服。⼀⽅⾯有很多技術會越來越先進起來，甚⾄有很多機器能夠分析⼈類情緒，我聽你說話能分析出來你有沒有抑鬱症，甚⾄有沒有⼀些其它的疾病，慢慢的能從語⾳⾥⾯分析出來。另⼀個，輔助的東⻄是⼀個出彩的東⻄，但實際上對本質東⻄就是語⾳語義的理解能⼒，其實把翻譯⽔平⽤在這了。當我什麼都接就沒辦法適應了，那就是強⼈⼯智能弱於⼈，就是什麼都能⼲的事上，⼈更好；⽽弱⼈⼯智能強於⼈，就是指定範疇的地⽅，這個⼈⼯智能就⽐⼈⼲的好。所以如果是智能應答，它往往是指定範疇，⽐如我是銀⾏的智能應答，我肯定不會問遊樂園的情況，我就很容易去識別，很容易去互動。所以⾏業的智能互動，智能客服會越來越成熟，你會看到越來越多的電話，甚⾄以後90%的⾏業相關的客服電話都不是⼈來接的，都是機器⼈接的，但是你會覺得不能分辨出來到底是機器⼈還是⼈，除⾮你有敏感度，要不然⼀般來說你是分辨不出來的，這個是會熱起來的，再加上這種坐席本身也有轉型的需求。比如，淘寶的商家是不是有智能客服，你們這個很容易去監控，淘寶上⼩商家都已經有客服了，你⼀聽這客服基本上是語⾳，就意味着市場是⼀定會起⻜的了。如果淘寶⼩商家都⽤不起，因爲現在是⼈⼯做起，淘寶⼩商家肯定⽤不起，這個市場就還不⾏，所以這是⼀個很典型的科技的市場，就是科技使得客服的應答的成本顯著降低，甚⾄降到以前的1%，因爲以前你要養⼈，現在我養的是機器，但是我的市場可能擴⼤100倍，所以就等於機器會把原有客戶的市場給接⾛，這是個方向。
關鍵點：“挑戰不僅在於感知環境，而且在於瞭解環境。