關于究竟是什么，以及人工智能的學科應該如何分類，似乎存在一些混淆。是分析學的一種形式，還是一門與分析學不同的全新學科?我堅信人工智能與預測分析和數據科學的關系比任何其他學科都更為密切甚至有人可能會認為人工智能是下一代的預測分析。此外，人工智能經常被用于需要將分析過程付諸實施的情況。因此，在這個意義上，人工智能也常常推動規定性、可操作性分析的發展。如果說人工智能不是一種分析方式，那將是一個錯誤。

人工智能與預測分析的關系

讓我們回顧一些幫助定義預測分析的基本事實，然后看看人工智能如何很好地適應這些界限。在它的核心，預測分析當然是預測某種東西的。誰會買?某些設備會壞嗎?哪種價格能使利潤較大化?這些問題中的每一個都可以通過以下熟悉的工作流來解決：

首先，我們確定一個希望預測和收集關于該度量或狀態的歷史信息的度量或狀態。例如，確定數百萬名顧客中哪些人對過去的營銷活動作出了反應。

接下來，我們收集可能與預測我們的目標相關的更多數據。例如，每個客戶的過去的支出，人口概況，等等。

然后，我們通過一個或多個算法傳遞數據，這些算法試圖在目標和附加數據之間找到關系。

通過該過程，創建一個模型，如果向其輸入新數據，就會產生預測。如果顧客有這份資料，她將有何反應?如果我們在這一點上定價，我們將會有多大的利潤?

人工智能過程中遵循的目標和步驟是相同的。讓我們看兩個例子。

以圖像識別為例。首先，我們識別了一堆貓的照片。然后，我們拿了一堆非貓的照片。我們通過對圖像的深度學習算法來學習準確地預測圖像是否是一只貓。當得到一個新的圖像時，模型將以圖像是貓的概率來回答。聽起來很像預測分析，不是嗎?

現在讓我們考慮自然語言處理(NLP)。我們收集了各種各樣的陳述，這些陳述都包含了我們關心的特定含義。我們還收集了廣泛的其他發言。我們對數據運行NLP過程，試圖找出如何分辨什么是重要的，以及如何分辨被詢問的內容。當我們向過程中輸入新的文本行時，它將以概率的方式確定語句的意義是什么。NLP過程將為各種可能的解釋分配概率，并將其發回(想想沃森扮演的危險)。這聽起來也很像預測。

人工智能與嵌入式工業化分析的關系

正如我在“分析革命”中所寫的，當今的一個主要趨勢是將預測分析嵌入到業務流程中，以便在業務決策時以自動化、嵌入式、規定性的方式使用模型。例如，當一個人瀏覽一個網頁時，模型被用來預測下一頁上應該出現什么提議。一旦這一進程到位，就不存在人為干預。這一過程提供報價，直到被告知停止為止。

今天許多人工智能的應用也需要工業化。例如，當一張圖片被發布在社交媒體上時，我們會立即對其進行分析，以確定該圖像中的是誰。當我向Siri或Alexa發表聲明時，它試圖確定我說了什么，什么是較好的答案。雖然這可以說是預測分析的一個更高級的應用程序，進入了嵌入式的、規定性的、自動化的過程，它仍然非常符合預測分析的使用方式。

如何在你的組織中核算人工智能

看看你的分析和數據科學組織為你驅動人工智能。這就是已經熟悉爭論數據的團隊做出預測，將這些預測推到業務流程中，并跟蹤結果。人工智能所需的思維方式和基本技能集與分析和數據科學團隊中的人非常一致。甚至沒有其他團隊接近。把責任交給最有能力的人。

鑒于人工智能的重要性不斷上升，它必須包括在您的分析戰略，以使該戰略是可信和完整的。請注意，這并不意味著您的策略必須包括短期內部署人工智能。在追求人工智能之前，你可能還有其他事情要做。然而，即使人工智能還不是一個優先事項，這一事實至少應該在您的分析中得到考慮。只需指出一個事實，即人工智能的作用得到了考慮，并決心在短期內將重點放在其他地方。就像幾年前不能忽視大數據一樣，人工智能也不能被忽視。

如果你認識到并接受人工智能作為一種分析形式，然后讓你的分析組織領導你的任務，你的成功人工智能項目的旅程就會容易得多。不要認為人工智能是完全不同的東西而造成混亂和冗余。